后使用快捷导航没有帐号？
按发布时间阅读主题
&&&&&&&&&&
今日: 45|昨日: 482|帖子: 1294917|会员: 306040|欢迎新会员:
抽样、估计、均值、方差分析，参数检验与非参数检验，贝叶斯等传统统计分析，相关分析与回归分析，聚类分析，判别分析，因子分析与主成分分析，可靠性分析，关联分析，孤立点，模式识别算法、神经网络，随机过程与时间序列分析版主: , , ,
SAS安装调试，BASE、STAT、EM、EG、ACCESS等各模块使用经验技巧交流，SAS编程语言与常用过程，数据装载与数据集管理，应用实例版主: , , , ,
R语言编程技术，建模和分析函数使用，R语言统计画图、报表开发与数据可视化，各种packages开发、安装、使用及功能讨论，R project，Revolution R，R studio，R+Hadoop，R大数据处理版主: , , , , ,
<span title="万
SPSS使用经验分享，Base、Categories、Trends、Advanced Models、Regression Models、Tables、Conjoint、Exact Tests、Missing Value Analysis和Maps等模块的讨论版主: ,
Mahout部署与配置，频繁模式挖掘、频繁子项挖掘，分类、聚类、推荐系统等场景应用，Mahout API版主:
Python网络编程，脚本开发，数据分析，文本挖掘，自然语言处理，django、twisted等热门框架使用等版主: ,
SQL语言书写与优化艺术。Oracle分析函数、统计包、数据挖掘包、olap扩展特性。Sybase IQ等列式数据库。IBM DB2 Data Warehouse、DB2 cube view等版主: , , , , ,
<span title="万
数据仓库平台设计、实现、管理、优化。建模过程与方法论。数据抽取、清洗、转换、装载等技术，ETL工具。数据治理版主: , , , , ,
数据可视化艺术探索。数据分析结果展现设计，Cognos、BO，BIEE、Crystal report，SSRS等各种BI报表工具与数据可视化软件使用讨论版主: , ,
各种大数据有关算法讨论。排序，顺序统计等基础算法，链表，队列，散列表，二叉树，B树，堆等数据结构，矩阵，线性规划，动态规划，最小生成树，最大流，字符串匹配等问题的算法，贪婪算法，分而治之，计算复杂度与NP完备性
Oracle数据库管理，架构设计，性能优化，内部机制探讨。RAC，Goldengate，Exadata等面向大数据的解决方案讨论版主: , , , , ,
<span title="万
DB2数据库管理，维护，容灾，pureScale集群，IBM数据仓库、大数据解决方案等
HANA内存计算，技术、平台、项目实施、最佳实践、模型构建、系统运维、数据流实时处理、高性能分析应用等专题的讨论。版主:
Hadoop项目分布式文件系统HDFS，Map-Reduce算法与编程技术，Hive、HBase、Pig、Sqoop等子项目，Hadoop流，与应用及其它系统集成等技术讨论版主: , , , , ,
<span title="万
分布式系统架构技术，解决新一代实时计算框架的编程思维与内存中的分布式数据处理技术，让我们一起打造分布式架构新定义版主: ,
Spark部署，编程模型，spark on hadoop，Spark生态圈，Shark、Streaming、Mllib、Graphx等讨论
Redis、MongoDB、Cassandra、Neo4J等NoSQL产品的原理、技术和应用讨论，非结构化数据，图数据处理，集群技术，与其它系统的集成等版主:
自己动手写数据库，C/C++语言骨灰级爱好者集散地，对数据库底层架构，算法，实现的讨论，源代码挑战者乐园版主:
Openstack云操作系统，Swift、Glance、NOVA、Dashboard等的实施与使用，云与数据中心管理，云计算和虚拟化的一般性讨论版主:
实时计算，流数据处理，分布式RPC，事务拓扑，Nimbus/Supervisor/Worker，Spout/Bolt等概念架构，Storm应用场景与案例，源代码版主:
并行计算，GPU计算，集群计算，网格，互联网计算，CUDA、MPI、PVM等计算框架，超级计算机架构，性能基准测试等版主:
国产化运动，去IOE的话题，国内厂商的数据库和大数据产品，及其它与信息化、云计算方向有关的产品
Web挖掘、日志分析，全文检索技术，用户访问路径分析，关联推荐，用户流失分析等等各种案例讨论版主: ,
证券定价，资本资产定价模型，期权定价模型，套利定价模型，多因子定价模型，保险精算模型版主: , ,
信令监测，呼叫质量分析，网络优化，3G与WAP业务分析，话单结算，用户行为分析，漫游分析，流量流向分析，沙盘推演，社交分析等版主: , ,
优惠策略沙盘推演，竞争对手分析，货架摆放设计，关联销售，交叉销售，客户类别销售分析，库存预测，产品销量关键因素分析，物流与供应链优化版主: ,
派系团体分析，中心性分析，角色分析，社区结构分析，交往圈分析，调研方法，网络动态学，网络可视化，社交网站数据分析，Ucinet、Pajek、NetMiner等社会网络分析软件，复杂网络有关算法与应用案例。版主:
序列数据库、结构数据库、序列比对与分析、蛋白质结构预测、基因组信息分析、蛋白质组信息分析，生物统计、医学与卫生信息统计版主: ,
SAP R/3财务模块，Oracle EBS财务模块，财务流程与数据管理，用友、金蝶等国内ERP软件财务模块相关讨论版主:
Raspberry Pi玩家讨论版。配件攻略，软件安装、配置及管理，家庭影院、媒体中心、家居智能化等数字家庭应用，创意开发，Python编程，GPIO接口
Arduino开发套件及各种模块（电机驱动、显示、语音、遥感、摄像、蓝牙、wifi、GPS、指纹等）和传感器（声音、压力、光线、陀螺仪、温湿度、震动、辐射等）使用、开发应用的讨论。各种机器人制作。
安卓系统级开发，应用软件开发，各种安卓设备，智能手机，平板，嵌入式设备等的架构、设计与开发
四轴/多轴飞行器，飞控软硬件开发升级，传感器，机架、电机、电调等装备，航拍，监控，传输等应用场景讨论
C/C++语言技巧，编译器使用，系统级开发等场景讨论
Java语言技巧，J2EE，应用服务器（Weblogic、Websphere、JBoss）技术，设计模式，Struts、Webwork、Tapestry、Spring、Hibernate等框架。JVM优化技术版主: ,
Scala、Clojure、Groovy、Jython、JRuby等流行JVM语言开发技术
Linux服务器部署，管理，维护，高可用等方面的讨论版主:
炼数成金网站会所，培训课程同学会，职业生涯讨论，各种联谊活动，人脉开发，出版与知识传播等，无限制讨论版版主: , , , ,
收集课程需求，发布新课程需求调查，征集会员课程建议版主: ,
这是全民创业的新时代，让我们分享创业的经历，点子，寻找合作伙伴，投资者，一起迈向美好未来
日常外语、专业外语学习，留学、移民信息，海外生活分享。外文资讯，图书翻译出版版主:
TeX科学论文排版。Plain TeX、AMS-TeX、latex等软件包和发行版安装和使用，代码用法分享与讨论。本站latex支持功能讨论等。
商务信息发布，人才招聘，猎头版主: ,
文档、图书、资料、软件等交换与分享专版版主:
<span title="万
各种数据原材料集散地，为数据分析提供素材版主: , , , , ,
站务，地面及在线交流活动，投诉与建议版主: ,
- 总计 1938 人在线
- 最高记录是 4797 于 .I2软件基础培训_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
文档贡献者
软件工程师
评价文档：
I2软件基础培训
可&#8203;视&#8203;化&#8203;分&#8203;析&#8203;I&#03;基&#8203;础&#8203;培&#8203;训
大小：1.40MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢利用d3.js对大数据资料进行可视化分析 | WooYun知识库
利用d3.js对大数据资料进行可视化分析
作者: Anthr@X
对于前段时间流出的QQ群数据大家想必已经有所了解了，处理后大小将近100G，多达15亿条关系数据（QQ号，群内昵称，群号，群内权限，群内性别和年龄）和将近9000万条群信息（群号，群名，创建时间，群介绍），这些数据都是扁平化的2维表格结构，直接查询不能直接体现出用户和群之间的直接或者间接关系。通过数据可视化，可以把扁平结构的数据作为点和线连接起来，从而更加直观的显示出来从而进行分析。
d3.js是一个近年来推出的基于javascript的数据展示库，全称为Data Driven Document， 在浏览器数据展示领域的地位类似于通用js框架里的jQuery。d3.js的官网是d3js.org，大家可以在上面看到很多例子和应用。d3.js也是图形数据库neo4j所内置的数据展示工具。
说到图形数据库，其实正确的翻译应该是图数据库，图即所谓的Graph，来自于数学里的图论，比如四色定理和推销员过桥的问题（著名的NP问题之一）。图数据库着重于数据之间的关联和属性，对于关系错综复杂的关系分析效率很高。例如，我想知道谁是我朋友的朋友，并且他们有哪些朋友也认识我。对于这种问题，普通关系型数据库的计算复杂度是O(N^c)左右或者更高，N为选择范围的数据集合大小，你好友数量加上好友的好友的数量等，c为关系层数。图数据库的计算复杂度在O(N^2)左右或者更低，但是基本不会超过O(N^2)。图数据库对于复杂关系数据查询起来效率高的主要原因是在数据输入的时候就已经对关系进行了处理和索引，这样做在查询的时候具有很高的效率，但是在数据导入的时候会很慢。QQ群的15亿个关系在向图数据库neo4j里导入的时候花了3天都没弄完，也没有进度提示，所以后来我直接放弃了。
0x01 数据处理
在QQ群和群成员关系里面，对于层数我是这么定义的：
第1层：目标QQ加入的所有群
第2层：目标QQ加入的所有群的所有成员
第3层：目标QQ加入的所有群的所有成员加入的所有群
大家可以看出这样的查询是可以递归的，假设每个QQ号所加入的群数量和每个群的成员数量为N，那么查询3层数据时总计算量为N*N*N=n^3，所以当查询层数为c层的时候，计算复杂度是N^c。
前面说过，图数据库的计算复杂度一般在N^2以下，所以当使用普通的关系型数据库的时候，如果查询的层数不多，效率和图数据库比起来差不多，加上关系数据库自带的便于管理和导入导出的属性，所以我还是选择了mysql数据库。
对于QQ和QQ群之间的关系，每个QQ号都能加入群，一个群里也有很多QQ，基本都在几十到几百人，所以两个QQ号在同一个群里不一定代表他们的关系很紧密，换句话说QQ和QQ群之间的关系相对于QQ好友而言相对较弱。但是这并不代表我们从中不能分析出有用的资料，俗话说的好，大数据就像一座金矿，只有用力挖才能挖到金子。
d3.js支持多种数据格式，比如JSON,XML,CSV,HTML等，因为PHP的数组可以很简单的转换为JSON格式，所以我选择用PHP写API来获取JSON数据。QQ和QQ群是一种典型的图数据的应用，QQ和QQ群作为节点(node)，QQ加入了哪些群作为关系(link)，d3.js内置了一个功能很强大的内建布局，叫做Force-Directed Graph（受力导向图），后面简称为force。force布局模拟了一些基本的物理粒子原理，比如引力和斥力（确切的说是模拟了电磁力和引力，在离的远的时候会互相吸引，在离的近的时候斥力急剧增加），并且可以调节力的大小和受力距离等等，可以说是自由度相当高。关于d3.js的force布局，在官网有详细的API和不少例子，这里我就不贴代码了。
在force布局里面，数据源的JSON可以有很多种不同的格式和属性，但是基本格式如下:
{"nodes":[{"num":10001,type:"qq"},{"num":,type:"qun"}],"links":[{"source":"10001","target":"","auth":1,"nick":"pony"}]}
其中nodes数组对应的是节点列表，links对应的是关系列表。
每个节点可以有很多自定义属性，在d3.js可以针对每个节点存取节点的属性，比如我定义num是QQ号或者群号，type代表节点是QQ还是群，另外我在js里设定在type==‘qun’的时候显示群的图标，是qq的时候显示qq的图标。关系里面默认的属性有source和target，分别对应一个关系的两头，默认情况下关系里面的source和target对应的数字是节点在节点数组里面的位置index。但是我自定义成了qq号和群号。另外你也可以定义其他属性，比如auth代表这个QQ号在群里的权限，nick是群昵称。
对于QQ群这样的关系来说，基本上在第4层和以上的QQ和群的关系就比较弱了，所以为了提高查询速度和减少节点数量，我只查询2层关系（少么？不少，要想想有些群有超过500人……）。
首先，d3.js需要在浏览器里面运行，我的首选是Google Chrome，V8引擎的效率果然不错，在节点和关系不多的时候基本感觉不到延迟，后来在FF和IE11里面测试了一次，FF比Chrome卡一半左右，IE的话我只能呵呵了……
先拿小马哥做个测试，QQ号是霸气的10001。当d3.js导入完数据JSON的时候，各种节点会在屏幕上乱飞几秒钟，直到他们的力达到一个稳定的平衡点。结果如下:
企鹅图标的节点代表QQ，群图标的节点是群(废话么)。
每条线代表一个关系，一个QQ可以加入N个群，一个群也可以有N个QQ加入。
线的颜色分别代表：
土豪金：群主
狗腿绿：群管理员
屌丝蓝：群成员
大家也可以看到，群主和管理员的关系线也比普通的群成员长一些，这是为了突出群内的重要成员的关系。
图标旁边自动标注了QQ号和群号，如果有的话还有群名。没有在QQ号旁边标注昵称是因为很多人加入不同的群使用的是不同昵称，所以把昵称放到了其他的地方显示。
在下图中大家可以隐约的看到，所有的关系都是以QQ 10001为起点的。
在图上节点是可以拖拽的，拖拽后会固定在你释放的地方。我们把几个群稍微拖的分开一点，关系就一目了然了
这个时候我们可以看到在目标的QQ群里也有很多共同QQ号，比如有些QQ号同时加入了2，3个群。群名显示的都是各种产品开发讨论群，这些同时加入2，3个产品群的人估计不是产品经理就是主管吧……
鼠标悬停到群图标上可以看到群的详细信息(如果有的话)
因为很多人在不同群里的昵称不一样，所以群内昵称等信息就只能放到link上面了，因为线比较细，所以鼠标比较难对准，这个功能还待修改。
这个家伙和小马哥一起同时在3个群里，好基友？
小马哥的QQ群信息展示完了，下面我们来看看更加实际的应用，比如把某圈子里的人找出来。我们先从某土豪大黑阔大牛的QQ号入手：
初始数据好多……此大黑阔加入的群够杂的，不过就是因为杂所以才能更深入的了解一个人的所有喜好。看看群名神马的，我好像看到了dota，XX国际俱乐部，web技术交流，XXsec等群……充分说明了此人……是个屌丝技术宅大黑阔，XX国际俱乐部又似乎带着那么种高大上的感觉……
图中错综复杂的各种关系组成了一朵朵盛开的菊花，向我们诉说着他的历史……
为了理清他那不堪回首的过去和关系网，我特地把浏览器窗口拖到第二个屏幕上，然后把群挨个分开。为了保护当事人的隐私，这张图我打码了。
这张图比较宽，建议大家下载下来放大看
假如把层数扩展到4层，不知能否筛选出中国所有黑阔的QQ号呢？至少我已经在这张图里看到了很多熟悉的名字和号码。
腾讯总是说漏洞早已修复，不存在问题了，广大网民放心，但实际上信息泄露这种事情，岂是你漏洞修复好了就结束了的事情？
源码我这边有就是没有查询语句
求个代码呗，大神！我在做大数据力导向图时，点数有3千，图半天都稳定不下来！
哥们源码能分享下吗
这几天开发正好做类似的东西 帮助很大 非常感谢！
我买了一份盗版的，过一阵把加密狗复制一个给你，i2 很nb的
IBM i2 Analyst's Notebook
一个情报分析系统
CIA FBI等都在用
有没有一种被人扒掉衣服的感觉呢？？？
I2是什么？
我能说真的不错么~
6度人脉。。
真不错 你和A 是一个人么
加了个新功能，去掉只有单一连接的节点。可以用来区分一个圈子内的核心节点，比如同时加了很多群的QQ。
密密麻麻……好恐怖……
密集恐惧。。。
好厉害，学习了#
不要在意那些细节
推销员过桥的问题（著名的NP问题之一）
作为一个学理论计算机科学的表示正确的描述是....
旅行推销员问题（著名的NPC问题之一）
完全不知道过桥哪来的....
一款收费的可视化情报分析产品，现在被IBM收购了
I2是神马？
有点意思，前阵子数据入库后在I2中展示，感觉效果比这个要好点
数据可视化，和二哥的《安全圈有多大？也许就这么大！》有一拼啊
我勒个去，壮观啊，寻找嫖客群中
密密麻麻，情何以堪.....
感谢知乎授权页面模版IBM Bluemix
点击按钮，开始云上的开发！
developerWorks 社区
本文主要介绍了 IBM i2 产品的作用、发展历史、主要功能和产品系列。通过本文的介绍，读者可以基本了解 IBM i2 产品在可视化分析方面的主要功能——链接分析、路径分析、群集分析和社会网络分析；了解 IBM i2 产品系列——分析师系列、COPLINK 系列；了解 IBM i2 系列产品在 IBM 智慧城市体系中的定位——平安城市。
, 资深架构师, IBM
王海波先生在商业分析领域具有十多年的从业经历，具备丰富的可视化分析、商业智能和数据挖掘经验。从 2005 年开始为 IBM i2 产品提供技术和分析服务，现为 IBM i2 资深架构师，主要服务客户包括执法部门、金融机构、反腐反贪和零售制造等行业。
1.1 功能简介IBM&#174;i2&#174;系列产品是一款专门为调查、分析、办案人员设计的可视化数据分析软件，可以将结构化、半结构化和非结构化数据转化为图形，为分析员提供一个直观的实体关系图，并提供了丰富的可视化分析算法和分析工具，帮助分析人员快速找到破案线索和有价值的情报，提高工作效率并帮助识别、预测和阻止犯罪、恐怖主义、洗钱和欺诈等活动。图 1 展示了用 IBM i2 Analyst's Notebook&#174;层次布局功能制作的红楼梦中宁国府和荣国府的家谱图。图 1. 宁国府和荣国府家谱图IBM
i2 还提供了大量的可视化分析算法和分析工具，包括链接分析、路径分析、群集分析、社会网络分析等，帮助分析人员进一步分析图形中数据之间显式的和隐含的关联关系、时间关系和空间关系，找到可以指导下一步行动的线索和情报。图 2 展示了使用 Analyst's Notebook 路径分析功能找到贾惜春和贾探春之间的 4 代血缘关系。图 2. 贾惜春和贾探春血缘路径分析目前，IBM i2 主要应用在公安、国防、安全、银行、保险、纪检委、海关、工商税务等组织机构，为案件分析、反洗钱、反欺诈、反腐反贪、关联交易等调查分析提供有力支持。1.2 历史与发展IBM i2 产品由英国剑桥的 i2 公司面向英国的警察部门研发，于 1990 年上市，并迅速推广到英国所有的警察部门。随着 IBM i2 产品在实际案件调查中展现出无与伦比的情报调查能力，国际刑警组织也采用了 IBM i2 产品，并向全世界的警察组织推荐。2009 年，英国 i2 公司收购了美国的 COPLINK&#174;软件公司，将情报分析产品线与警务综合系统、情报分析平台整合，为警务机构和办案机构提供了端到端的整体解决方案。2011 年，美国 IBM 收购了 i2 公司，将其作为 IBM"智慧城市"框架中平安城市解决方案的重要组成部分，并于 2012 年陆续推出了增强版本 IBM i2 Analyst's Notebook Premium 和基于 Web Service 的新型数据访问平台 IBM i2 Intelligent Analysis Platform（IAP），另外还有与 IBM 其它解决方案整合的反欺诈分析平台、面部识别方案包等。图 3. 智慧城市框架中的平安城市经过 20 多年的发展，i2 产品目前已拥有了超过 150 多个国家的 35 万多用户，主要分布在执法、国防、安全、金融、政府等行业，并屡获行业大奖。图 4. IBM i2 获 2010 英国女王创新大奖图 5. IBM i2 获 2011 SC Magazine 五星评级1.3 主要功能IBM i2 基于实体 - 链接二元理论，将现实世界中的人、案、物等概念抽象为实体（图标），实体之间的关系抽象为链接（连线），将数据直观地展现在图表中。建模根据业务分析目标，IBM i2 提供了灵活地建模向导和建模工具来构建数据文件或数据库中的数据模型，可以对同一数据从不同角度进行建模，帮助分析员建立网络、时间、空间和统计等多个视图。布局自动布局一直是可视化分析的难点和重点，20 几年来，IBM i2 产品一直在改进自动布局算法，力求提供最适合分析目的的布局方式，目前提供了网络布局（Peacock Layout）、紧凑网络布局（Peacock Compact Layout）、层次布局（Hierarchy Layout）、组织布局（Organization Layout）、分组布局（Grouped Layout）、最小交叉布局（Minimize Cross Links）、环形布局（Circle Layout）、主题行布局（Themeline）、时间序列布局（Ordered）、时间比例布局（Proportional）、时间分组布局（Grouped by Time）等数种布局方式。图 6. 自动布局可视化分析IBM i2 提供了多种可视化分析方法，主要包括可视化查询 (Visual Search)、链接分析（Find Linked）、路径分析（Find Path）、群集分析（Find Clusters）、社会网络分析（SNA）等分析算法与分析工具。可视化查询 (Visual Search)：按照用户设定的任意多个层次的关联关系，找到符合这些关联关系的全部或部分实体；链接分析（Find Linked）：找到与某实体有关系的其它实体；路径分析（Find Path）：找到任意 2 个实体间的关系路径；群集分析（Find Clusters）：找到众多实体中有可能是核心团体的部分；社会网络分析（SNA）：根据不同的参数设置，找到大量实体中，有关键意义的实体。功能定制针对分析人员常用的分析方法和分析步骤，IBM i2 提供了桌面版和网络版两种二次开发工具包（SDK），用户可以按照业务需求，对桌面版和网络版产品进行定制，如将常用功能和和分析步骤定义为新的菜单或按钮。另外，模板文件和导入规范文件也可以在分析人员间分享，大大提高工作效率和积累核心知识。1.4 产品系列IBM i2 主要分为分析师系列和 COPLINK 系列。分析师系列包括 Analyst's Notebook 及其周边数据接口产品；COPLINK 系列包括 COPLINK 标准功能及其周边扩展模块。下表简要列出了分析师系列产品。表 1. IBM i2 分析师系列产品
Analyst's Notebook
桌面版分析工具，简称 ANB，提供可视化分析的主要功能，如获取数据、布局展现、高级分析等。
Analyst's Notebook Premium
旗舰版桌面分析工具，增加了本地数据库，可以将大数据保存在本地，仅在分析时调用；可以将分析结果保存在本地库供下次调用。
通过 ODBC 方式连接第 3 方数据库， ANB 按照 iBridge 设计的模型访问第 3 方数据库。
将外部数据文件、第 3 方数据库的数据按照 i2 的数据模型抽取到 iBase 中，ANB 直接访问 iBase。
类似 iBridge，但通过 Web-Service 的方式连接第 3 方数据库。
Intelligent Analysis Platform
简称 IAP，类似 iBase，但是通过 Web-Service 的方式连接第 3 方数据库，但可以将外部数据文件、第 3 方数据库的数据按照 i2 的数据模型抽取到 IAP 自带的 DB2 中。
GIS Interface
GIS 接口，连接 ArcGIS, MapInfo 等主流 GIS 产品
Text Chart
将文本文件、卷宗等非结构化数据 (txt, word, pdf) 转化为 ANB 格式的图表
iBase Intellishare
基于 iBase 的网络版分析工具，通过浏览器访问 iBase 中的数据并制作图表
COPLINK 系列产品包括底层数据获取工具、数据仓库及数据服务器、应用服务器、前端访问工具（桌面、手持设备）等。它是美国警察的警务综合平台和情报分析平台，目前在美国已经部署了 28 个州，并已在各类案件中发挥了重要作用。具体情况会在另外一篇专门介绍 COPLINK 的文章中介绍，敬请关注。
查看 IBM developerWorks : 了解更多关于 IBM 智能城市的解决方案。: 搜索 Transportation 相关的文章，可以对 IBM 智能交通方案有更多，更全面的了解。
: 客户交换信息、经验和最佳实践的社区 , 旨在为关键合作伙伴和客户提供长期成功的智慧城市解决方案。
developerWorks: 登录
标有星（*）号的字段是必填字段。
保持登录。
单击提交则表示您同意developerWorks 的条款和条件。 查看条款和条件。
在您首次登录 developerWorks 时，会为您创建一份个人概要。您的个人概要中的信息（您的姓名、国家/地区，以及公司名称）是公开显示的，而且会随着您发布的任何内容一起显示，除非您选择隐藏您的公司名称。您可以随时更新您的 IBM 帐户。
所有提交的信息确保安全。
选择您的昵称
当您初次登录到 developerWorks 时，将会为您创建一份概要信息，您需要指定一个昵称。您的昵称将和您在 developerWorks 发布的内容显示在一起。昵称长度在 3 至 31 个字符之间。
您的昵称在 developerWorks 社区中必须是唯一的，并且出于隐私保护的原因，不能是您的电子邮件地址。
标有星（*）号的字段是必填字段。
(昵称长度在 3 至 31 个字符之间)
单击提交则表示您同意developerWorks 的条款和条件。 .
所有提交的信息确保安全。
IBM PureSystems(TM) 系列解决方案是一个专家集成系统
通过学习路线图系统掌握软件开发技能
软件下载、试用版及云计算
static.content.url=/developerworks/js/artrating/SITE_ID=10Zone=IndustriesArticleID=870987ArticleTitle=IBM i2 可视化分析产品概述publish-date=}