首页  ·  知识库 ·  大数据
网格模式   列表模式
  • 在互联网工作,产品的指标组成了职场的工作成绩,由此在找到自己要关注的指标前,首先要区分自己的分工。
  • 在新经济的推动上需要每个人都参与其中,通过借助数据资源注入的方式来平衡与实现。企业建立数据中台目的是也一样,一定要先对企业的数据进行数据盘点,然后再去做数据资源规划。
  • 如从最初决策支持系统(DSS)到商业智能(BI)、数据仓库、数据湖、数据中台等,这些概念特别容易混淆,本文对这些名词术语及内涵进行系统的解析,便于读者对数据平台相关的概念有全面的认识。
  • 利用统计学,我们可以更深入、更细致地观察数据是如何进行精确组织的,并且基于这种组织结构确定数据分析的方法,来获取更多的信息。今天给大家介绍数据分析中常用的五个统计基本概念。
  • 本文将用较长篇幅,分上下两篇,从数据收集、数据处理、数据分析与管理、数据应用四大部分,来简要阐述一下构建企业级DMP系统的全生命周期流程,以及整理归纳出其中的知识要点。
  • 建设大数据平台的最终目的是服务于业务需求,解决现有业务问题或者创造新的机会。业务部门可能并不关心是采用大数据技术,还是传统的数据库技术,是否采用大数据技术的主要依据是数据量。
  • 对于产品来说,数据是很重要的。有了数据才能发现问题、提升留存、留住客户。那么,我们如何才能借助数据达成以上的目标呢?
  • 在产品精细化运营时代,经常会遇到产品增长问题:比如指标涨跌原因分析、版本迭代效果分析、运营活动效果分析等。这一类分析问题高频且具有较高时效性要求,然而在人力资源紧张情况,传统的数据
  • “没有最好的,只有最合适的”。如果是选择这些主流的产品的话,什么产品才是最合适自身企业的呢?
  • 企业用户BI产品选型应该把握以下几个关键环节,从自身需求、信息化建设阶段和产品功能、厂商服务等方面,综合规划与考量。
  • 数据湖的实现需要很多关键因素,其中涉及从技术到治理,组织需要评估其实施策略中最重要的因素。
  • 企业规模越大、业务形态越复杂、运维能力越高的企业,运维所纳管的数据越多,运维数据变现的效果越好,相对应的,运维数据建设的层次越高