首页 　· 　知识库　· 　大数据
网格模式　　 列表模式
  • 在机器学习方面跃跃欲试的IT项目
    随着人工智能迅速成为具有战略意义的事物，你就要寻找可以让你快速赢得业务的项目，并帮助你获得更广泛地应用机器学习的技能。机器学习正在迅速成为前瞻性组织的现实。但对于大多数企业而言，利......
  • 如何整合复杂技术,打造数据分析平台
    对大数据、人工智能、可视化的最新进展和应用案例做个总结，重点讨论大数据平台云部署运维、交互批处理与实时流处理的关系、有监督学习解决的安全问题和大数据可视化这四个细分领域......
  • 我们为什么要认识数据的本质
    一切应该以产品为中心，从数据获取、数据清洗、搭建和管理数据设施、原型开发、产品设计等方面，去实践数据的价值。我在阿里就经历了从“数据产品”到“数据作为产品”的阶段，后者其实才是大数......
  • 应该尽力避免的 4 个大数据管理错误
    尽管您的业务部门需要数据才能制定明智的决策，但业务部门常常会犯一些错误，导致数据收集、数据存储和数据管理成为业务运营的障碍。......
  • 人工智能时代下物流企业的变革发展
    人工智能最终会走到何种高度还不得而知，但有三个影响已经明显可见的：（1）智能设备重组物流生产要素；（2）智能计算重构物流运作流程；（3）区块链技术改变物流契约规则......
  • 分析「产品数据」,可以从哪些方面入手？
    数据虽不能说明全部问题，却是你做决策的重要支撑以及评估功能好坏的重要指标。数据分析的类型很多，与不同场景下的同一个产品需求类似。......
  • 如何设计企业级大数据分析平台？
    传统企业的OLAP几乎都是基于关系型数据库，在面临“大数据”分析瓶颈，甚至实时数据分析的挑战时，在架构上如何应对?本文试拟出几个大数据OLAP平台的设计要点，意在抛砖引玉。......
  • 如何才能发挥大数据的价值?
    大数据，数据科学，以及分析的发展与演变在今年的Strata数据会议上得到全面展示，其中包含了一个重要的信息：人们需要获取大数据的价值。......
  • 大数据的三大困境
    大数据，作为一套技术、一种经营战略是相对成熟的。这种成熟带来的好处是更先进的工具、更顺畅的部署和新的商业机会。不利的一面是，如果公司想要在实现数字化转型目标方面取得真正成功，新挑战......
  • 大数据并非万灵药
    机器分析做得好的公司，不代表数据分析做得好；非结构性数据处理得好的公司，不代表结构性数据也能处理很好；数据分析做得好的公司，不代表商业智能做得好；而商业智能做得好的公司，不代表生意......
  • 如何用数据驱动产品决策
    我们这个峰会的主题是改变，一个是需求的改变，还有一个是自身的改变。我们的能力是需要改变的，数据分析的能力我认为是大家应该具备的。......
  • 大数据驱动企业的创新发展与管理变革
    大数据时代的到来，带给了每一个行业实实在在的冲击和挑战。大数据就像蒸汽时代和电力时代蒸汽和电一样，不仅仅是一次简单的技术和生产力的创新，而是引发了整个生产模式的变革。而处于大数据时......
  • 如何从0到1搭建数据运营体系
    随着移动互联网的快速发展，大数据的概念也越来越火，很多公司都在提数据化管理。那么我们今天就聊一下数据化管理这个话题。先来看下数据化管理的误区......
  • BI工具与数据可视化如何选型
    许多公司深刻地理解了在没有合适的BI工具和数据可视化系统的情况下，纷繁复杂的数据集如何能变成有用的(或者如何会阻碍)商业智能流程。......
  • 数据集市的挑战是识别和处理数据安全
    于企业数据可见性的增强和数据安全团队的要求，数据集市团队面临的挑战是确保某些客户属性被识别和“处理”。要求技术提供商演示对潜在敏感数据的自动识别和操作，以此来解决这个问题。......
  • 市场“退烧”后,大数据如何破局
    五年来，人们对大数据的认识更加具体化，数据无所谓大不大，有用最重要，数据是基础，而分析挖掘和应用才是根本。......
  • 大数据在云计算中转换的4个步骤
    如今的企业必须向顾客提供始终如一的高价值体验，否则会失去顾客。他们正在求助于大数据技术。通过大数据分析，组织可以更好地了解他们的客户，了解他们的习惯，并预测他们的需求，以提供更好的......
  • 从行业到产业,数据价值的20年变迁
    今天，情形已经大不一样。有了云，警方只需要把这些视频数据放在云上，所有干警就可以同时来看。另外，随着人脸识别技术的进步，警方将逐步告别原始的人工识别，解放疲劳的双眼。......
大家在关注
我们的推荐