大数据已经渗透到各行各业中，通过各种数据分析工具和方法释放着越来越重要的价值。大数据影响着企业的战略决策，是当今企业实现数字化转型的关键。企业在面对海量数据时，首先应该知道如何对待它。
惊险的游戏——如果大数据已经有了答案，你会问些什么问题？
在外行看来，假设是一个尚未被证明的但已经为人所熟知的想法。那么多种假设就意味着很多尚未被证明和测试的想法。
关于深度学习必须了解的3件事情
深度不仅仅与深海潜水有关，它对于数据分析和机器智能越来越重要的。人工神经网络，相互连接的处理元件的计算模型——人工神经元——松散地受到人脑的启发，并且已经存在了几十年。
数据并非越多越好，卓越业务才是王道
关于大数据的应用前景，大部分问题通常涉及如何尽快实现大数据的价值。从这个意义上说，通过切实可行的洞见和契合机会的行动挖掘数据价值，对企业而言意义重大。
不以提升业务价值为目的的数据科学模型都是“耍流氓”
如果模型没有帮助提升业务效益的话，数据科学家建立分析模型对组织来说就没有多大帮助。本文将提供一些方法帮助企业有效应用数据科学模型。
毫无疑问，对海量的数据进行精准高效的挖掘与分析，是企业迈向成功的一个重要过程。通过更加清晰地了解到目标用户的行为习惯等，大数据分析为企业提供了制定正确策略和解决具体问题的方法。
借助商业化分析，快速获得分析结果
“大”经常是数据分析，例如大数据、大项目、大见识、大动作中的可操作词。虽然也可以假设企业希望看到大的结果，但我们并不总是需要大的努力和大的实验。
好的医疗保健服务离不开预测性分析
无论国内还是国外，医疗保险都是关乎百姓民生的话题。在大数据时代，医疗保险行业是否也在随机而动，利用数据分析，创造业务价值？
构造可扩展的数据分析的简单三步
可扩展的数据分析的案例涉及到转换流程甚至转换产品。我们重新配置操作或供应链，使分析架构产业化，并采取其他措施使整个企业更加依托数据驱动。
通过刨根问底驱动数据科学结果
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。
无论是金融、医疗、航空还是零售行业，都属于非常典型的数据驱动型行业。只有经历了大数据和大数据分析两个层面的成功，才能达到最终获取数据价值的目的，从而实现数字化转型，成为市场赢家。
丹斯克银行：应用人工智能和深度学习创新侦测复杂欺诈
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。
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
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。
汉莎集团：连接欧洲和世界，以客户为业务中心
“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。
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
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？
