2017 年 4 月
-
企业AI之旅 从转变思维方式开始
2017-04-27 | 翻译：杨宏玉许多企业尝试过在其业务流程中使用人工智能工具，但过多的数据以及企业内部的阻碍，往往会导致尝试以失败告终。
-
Watson 分析：让我们变得更好还是更懒？
2017-04-26 | 作者：Scott Robinson | 翻译：乔俊婧Watson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。
-
将数据科学和AI“拒之门外” 寻求数字化变革只能是空谈
2017-04-25 | 作者：Valerie Silverthorne | 翻译：冯昀晖这是一个快速变化的世界，我们拥有太多的信息。Soasta公司CEO Tom Lounibos给寻求数字变革的客户提供了“接地气”的方案：实践。
-
人工智能：让优秀人才脱颖而出
2017-04-24 | 作者：David Essex | 翻译：张亮亮越来越多的公司正在利用人力资源应用中大量涌入的AI，并且在今年某个时候计划部署测试版，而Expedia正是这些公司中的一员。
-
从AI技术中获利 你准备好了吗？
2017-04-20 | 翻译：冯昀晖人工智能似乎无处不在。我们在谷歌搜索框中输入内容的时候，它好像知道我们在想什么；亚马逊有自己的推荐引擎，它知道你想买什么……
-
将分析成果转换为企业成功的五大步骤
2017-04-18人们对分析能力是否是企业正面资产的问题并没有真正的疑问。然而，仍然存在的巨大挑战是如何弥合数据科学家在实验室中取得成果与能够实际应用到企业当中的成果之间的鸿沟。
-
数字化转型的分析和领导授权
2017-04-18IDG InfoWorld执行编辑Galen Gruman指出，现今“数字化转型”是一个“热门词汇”；然而，虽然提起这个词的人很多，但理解这个词的人却很少。
-
数据和分析带来五大积极业务成果
2017-04-17通过部署先进的分析技术，可以提高现场运营活动的生产力和效率。数据和分析的最佳化使用可以带来端对端的视图，并能够对关键运营指标进行衡量，从而确保持续不断的改进。
-
缓慢的数字化转型带来的现实挑战
2017-04-17无论是著名的摩尔定律，还是我们自己用于大规模分析的感知型企业成熟度模型——都具有无数的框架，以便理解创新和突破是如何相辅相成，推动数字化的快速增长。
-
数据科学DevOps：为什么说分析操作是实现业务价值的关键？
2017-04-16按照目前的现状，以数据为中心的企业将努力跨越一个鸿沟——这个鸿沟存在于目前被认为是有效的数据科学，以及分析成为不断优化的业务运营的基本框架的内在组成部分的主观感觉之间。
文章存档
深度专题 >更多
-
聊聊人工智能那些事儿
分析师们预测，到2020年，人工智能技术将出现在发布的几乎每一款新软件和新服务中……
技术手册 >更多
-
技术指南：从大数据到快数据
NoSQL数据库公司VoltDB副总裁John Piekos结合多年技术经验，论述了快数据给现代企业架构带来的挑战，他认为，相比于数据规模的爆炸式增长而言，数据速度的快速变化和增长才是数据分析行业面临的主要挑战。