分析
-
数据分析 让零售业再现生机
2017-08-24进入数字时代，技术和数据的有效使用成为帮助企业颠覆传统的动力，也势必将改变零售业的格局。近年来，“全渠道零售”成为了热门词汇，因而了解客户及其需求变得尤为重要。
-
GDPR即将正式实施 跨国公司何去何从？
2017-07-18欧洲联盟通过《全球数据保护法规》已经有四年的时间，尽管严格的法律不会直接影响美国企业，但是在2018年5月正式颁布时，可能会带来相当大的间接影响。
-
看Facebook如何使用深度学习模式提升用户参与度
2017-06-15Facebook通过运用贴近用户的商业模式，为他们量身打造内容和广告。随着社交网络公司的发展，其强大的网络优势很大程度上依赖于深度学习模式。
-
Spark尚未“成熟” 用户仍需“专业”
2017-06-02虽然Spark的应用对企业而言已经并不陌生，但对于一些企业来说，这项技术可能还是比较“前沿”。
-
Watson 分析：让我们变得更好还是更懒？
2017-04-26Watson分析在很多领域表现出色，特别是在广告方面，包括Google和Adobe。但是IBM的AI驱动的分析技术还值得细细推敲。
-
大数据时代 隐私注定“裸奔”？
2017-02-12随着日常生活中数据生成设备的数量不断增长，关于“是否应该将数据公开，以及何时应将个人数据视为私有”的争论也在不断增加。
-
实现Spark部署 依赖供应商还是”自力更生”？
2017-02-06Apache Spark用户经常面临一个困境：继续获取来自供应商的支持还是更新版本，使用具有更新功能的快速移动的开源软件？
-
公共部门需要高效的数据分析基础设施
2016-12-29公共部门的IT支出与日俱增，但大部分投资用于内部部署的大数据基础设施，是时候做出改变了。
-
机器学习将“吞噬”软件行业 细思极恐还是大有可为？
2016-12-21科技界的热度仍然集中在软件领域，但如今，机器学习是迄今为止最热门的领域。如果你的软件没有嵌入机器学习，那就真的out了。
-
分析技术盛行的当下 数据科学家为啥最“抢手”？
2016-11-28高级分析软件提供了很多功能，但是找到合适的数据科学家可以有效地使用工具是许多分析经理的一个挑战。
新闻 >更多
-
小型企业如何为数据主宰的未来做准备
小型企业坐拥着一座尚未开发的“金矿”。这些企业拥有的数据和信息，仅从数量而言就十分惊人。而且这些数据的价值难以估量。
-
深度学习模型扩展性能不佳？IBM独辟蹊径积极应对
在训练深度学习模型时使用更多的GPU并不总是能带来更快的结果，但是IBM的新软件表明可以做到这一点。
-
持续的绩效管理帮助员工聚焦于业务目标
持续的绩效管理工具正在变得越来越普遍，因为人力资源开发人员在现有软件和中添加功能，这些产品可帮助管理人员跟踪员工实现目标的进度，并提供定期的反馈。
-
数据素养决定你的未来
就像阅读和写作对学者来说是尤为重要的技能一样，数据素养或者能够利用数据分析工具读懂数据的能力，也会成为对于企业中的任何员工来说既重要又普遍的能力。
电子杂志 >更多
-
《数据价值》2017年3月刊·当预测模型失败了
随着大数据环境的不断发展，集成和准备分析数据的工作正在发生显著的变化。
-
《数据价值》2016年10月刊·窥探未来的水晶球
企业可以利用Hadoop以及所有与它相关的技术设计大数据环境，以满足其特定的需求。但把所有的技术集成在一起并不是一件容易的事。