博客Python、R和分析SQL是商业智能的关键技能。从访问到转换再到报告数据，SQL为您提供了完成任务的能力。它可以帮助你准确地发现你的公司的表现，你的客户在做什么，或者人们对你的营销活动有什么反应不幸的是，虽然SQL可以告诉您发生了什么，但它不能告诉您将发生什么。如果你有问题，比如：基于公司属性和他们在我们网站上的行为，潜在客户的价值有多大？在未来30天内，我们将产生多少MRR？下个月哪些客户可能流失？ 这些问题将客户带到下一个商业智能级别—预测分析要执行最高级的商业智能，您需要超越SQL中可能的KPI和指标，开始使用更强大、更灵活的工具，如Python和R。这些都是用于高级统计分析和建模的成熟语言，学会利用它们将使你的业务发展得更快更有效。但这并不容易事情就是这样作为你的Python的一部分，你需要很容易地将它们作为你的分析的一部分来使用不幸的是，Python和R通常与其他分析工具分开生活。即使您的公司已经在使用它们，它们也经常通过Jupyter笔记本或R Studio使用。这意味着每个练习都是数据工程的一个复杂挑战，即使工作完成了，结果也会从可视化和报告解决方案中删除。Python和R通常需要在多个工具之间移动才能使用。事实上，我们已经看到，当涉及Python或R时，分析人员常常不得不使用三个或更多的工具来完成一个分析这导致了无数的挑战。预测性分析完成速度慢，很难保持更新，而且一旦结果产生，往往无法推动分析师想象的业务影响新范式缺少的是一种将Python和R与数据分析堆栈的其余部分本机集成的方法。SQL中的数据库访问和数据建模应该在Python和R使用的同一个平台中进行，这样分析人员就可以同时对数据集和模型进行快速迭代。数据可视化应该是简单和灵活的，允许分析员以思维的速度探索他们的数据一个集成的过程应该是这样的：直接在SQL中转换数据，使用本机跨数据库联接合并来自整个公司的数据。结果会自动进行版本控制并保持最新。自动将新数据集作为数据帧导入到本机Python和R编辑器中。不再需要数据工程！使用您已经知道的库和包为数据建模。你的工作是自动版本控制的，并且可以与你的团队共享。立即在小部件中可视化Python和R的结果，并与同事共享结果这种新型的分析工作流程意味着高级分析可以更快地进行，并提供准确和最新的数据。企业将能够将预测分析直接集成到他们的指标、KPI和仪表板中，并且不仅能够更好地了解他们的业务发展状况，而且能够更好地了解业务的发展方向。此外，它还将分析合并到一个可以维护安全性、自动进行版本控制以及其他分析人员可以轻松找到工作的位置针对云数据团队的Sisense上的SQL、Python和RSisense for Cloud Data Teams支持Python和R。我们已经在我们的本地数据仓库中通过版本控制的ETL管道直接通过数据可视化和可共享的报告来覆盖您，现在我们还引入了高级分析。控制你的分析堆栈，做得更多，更快一旦您将这些功能集成到您的分析中，您将能够将业务决策提升到下一个级别，不再对事情的原样做出反应，而是对未来将发生的事情做出响应。Scott Castle是Sisense云数据团队的副总裁兼总经理。他在Adobe、Electric Cloud和FileNet等领先技术公司拥有超过25年的软件开发和产品管理经验。Scott是all things data的多产作家和演讲者，出席过Gartner Enterprise data Conference、data Champions和Strata data NYC等活动。标记：data science | SQL