2017 年 9 月
-
数据科学和分析并不完美 但一定很有用
2017-09-28 | 作者：Ed Burns | 翻译：乔俊婧实现业务交付的数据科学和分析并不一定是完美的，专注于实际分析可以为企业带来很大的收益。
-
和首席技术官面对面 聊聊Kafka流数据处理
2017-09-26 | 作者：Jack Vaughan | 翻译：杨宏玉Kafka最初是一种消息传递总线，处理LinkedIn的大数据。现在，Kafka支撑着更广泛的功能。Confluent CTO Neha Narkhede将Kafaka归类为一种数据流处理平台。
-
由守转攻 来自首席数据官的数据文化“反击战”
2017-09-25 | 作者：Jack Vaughan | 翻译：杨宏玉在许多企业中，过去以预防风险为己任的首席数据官们正在逐渐强调创新。麻省理工学院研究小组的一位成员表示，要完成创新，CDO们必须在企业内部培养一种良好的数据文化。
-
数据准备工作还在亲力亲为？是时候交给大数据团队了
2017-09-22 | 作者：Craig Stedman数据科学家和其他用户在使用数据前，无需自己完成数据准备工作，这些数据准备任务应由具备大数据环境的企业来完成。
-
特玛捷票务：在云端利用运营成本、绩效和分析及数据获得洞察
2017-09-21 | 作者：Teradata你听说过云吗？如果你从事于数据和数据分析领域，云就是最近人们经常谈论的话题。但是谁把云使用地很好呢？他们正在如何使用云呢？从本地软件转换到云容易吗？
-
汉莎集团：连接欧洲和世界，以客户为业务中心
2017-09-21 | 作者：Teradata“大数据花钱。大数据分析赚钱。”你听说过比这更真实的陈述吗？那深刻的至理名言出自汉莎集团全球销售商业智能应用主管Heiko Merten。
-
小型企业如何为数据主宰的未来做准备
2017-09-20 | 作者：Tableau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。
-
赛诺菲：促进医学进步和突破以帮助人们拥有更健康的身体
2017-09-20 | 作者：Teradata在任何行业，更快的上市时间都是至关重要的，但在生物制药行业，不仅仅是这样，更快的上市时间可以改善病人护理，甚至改变病人救治的结果。
-
丹斯克银行：应用人工智能和深度学习创新侦测复杂欺诈
2017-09-20 | 作者：Teradata丹斯克银行正在利用人工智能和深度学习在多个领域来侦测和预防复杂的欺诈，因为这个模式正在不断地学习，所以它的效果越来越好。
-
通过刨根问底驱动数据科学结果
2017-09-19 | 作者：Ryan Garrett虽然经常有满含激情的数据科学的态度“上限”，然而产品化的数据分析为在可理解的架构内迅速解决问题提供了一种手段。
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。