构建大数据架构:核心组件、最佳做法
通过机器学习将数据转化为可操作见解
新冠疫情提升分析在企业中的作用
学习Python:脑筋急转弯和其他有趣技巧
克服3大分析部署挑战
担忧非结构化数据存储问题?并非只有你如此
麦当劳订餐客户服务分析撼动快餐行业
有效挖掘客户数据的6个技巧
不只是情绪分析:如何让NLP技术发挥作用
专家敦促数据专业人员加强数据科学技能
如何顺利转向云端数据分析
5个技巧迁移BI到云端而无需额外付费
如何减少部署自助BI工具的痛苦
针对较大企业的5个自助BI最佳做法
部署自助BI工具的10个注意事项
实现大数据可视化的10个技巧
采矿设备制造商利用BI on Hadoop来挖掘数据
成功预测分析模型面临四大挑战
攻关克难:大数据系统中的预测技术
CardinalCommerce如何满足用户日益增长的数据分析需求?
看烧烤店如何使用Alexa强化后厨BI指示器
传感器+大数据:解锁物流预测ETA新技术
大数据定义业务新规则,企业准备好了吗?
AI就是“大数据+机器学习”?答案是否定的
突破传统CDO职责 美国电信公司CDO涉足AI有“想法”
避开数据分析的那些坑 可视化数据分析必不可少
实施Tableau数据治理策略 抵御自助服务软件部署风险
能用BI解决的问题 就别去蹭“人工智能”的热度了
十大步骤帮你有效使用预测分析算法
消费软件公司瞄准企业业务分析 扮演角色举足轻重
用了多年的数据指示器软件,可能真的用错了
举一反三,大数据算法正在谨慎前行
是时候重新审视BI仪表盘的用法了
由守转攻 来自首席数据官的数据文化“反击战”
数据准备工作还在亲力亲为?是时候交给大数据团队了
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
汉莎集团:连接欧洲和世界,以客户为业务中心
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
丹斯克银行:应用人工智能和深度学习创新侦测复杂欺诈
通过刨根问底驱动数据科学结果
构造可扩展的数据分析的简单三步
关于深度学习必须了解的3件事情
借助商业化分析,快速获得分析结果
惊险的游戏——如果大数据已经有了答案,你会问些什么问题?
寻找外星生命和人力资源招聘过程 竟有异曲同工之妙?
采用移动人力资源 重视员工需求和MDM政策缺一不可
人力资源分析 需要的不仅仅是数据
当人力资源遇到人工智能 你的面试官可能是个机器人
云端健康管理软件是新型人力资源技术的基础
人力资源指标和分析:实现劳动力价值最大化
使用人力资源软件 实现持续绩效管理
云端健康管理软件是新型人力资源技术的基础
饱受诟病的ERP还有救吗?
Databricks通过自动配置选项来简化Spark计算
BI和AI是两个独立的概念?是时候改变这种想法了
手把手教你如何避免BI报告系统使用陷阱
不以提升业务价值为目的的数据科学模型都是“耍流氓”
人工智能取代人类工作?这个说法有点片面
人工智能可以“复制”人类创造力?先从音乐合成说起……
人工智能项目需要建立在良好的数据基础之上
数据太多Hold不住?Hadoop数据治理来“救场”
数据治理为什么要“秘密”进行?
将数据治理工具渗透到企业中有多难?
BI数据治理很重要 私营企业该如何下手?
遇到Hadoop性能问题很头疼?监控集群很重要
数据挖掘规则正在改变 人工智能技术更需信任
客户数据治理策略:放弃追踪,聚焦销售
建立良好的数据基础 避免人工智能分析偏差
停止数据混战 构建数据治理模型
SAP DCI:帮助葡萄酒专卖店探寻客户真相
数据湖治理:大数据团队的必修课
Dr. Elephant:Hadoop和Spark的优化“神器”
美国商业分析软件公司Sisense:数据发现也智能
关于认知计算系统 企业应该知道的二三事
对于预测建模来说,数据集才是决定成败的关键
看学校如何进行自助式BI软件培训
要拿认知计算“做文章” 是否为时尚早?
聊天机器人技术引发的一系列道德问题
企业AI之旅 从转变思维方式开始
将数据科学和AI“拒之门外” 寻求数字化变革只能是空谈
人工智能:让优秀人才脱颖而出
从AI技术中获利 你准备好了吗?
数据和分析带来五大积极业务成果
数据科学DevOps:为什么说分析操作是实现业务价值的关键?
AI也要“接地气”
构建AI应用程序你需要了解的三件事
作为HR 这些和AI相关的术语你了解多少?
处理大数据 现有的数据集成框架还远远不够
数据科学工具:激发企业潜能的标配
是时候聊聊“黑暗数据”了
拥抱开源 DevOps引领大数据生态系统
Spark和Hadoop分析遇障碍?可以试试容器啊
创建数据流应用程序 不要被数据“牵着鼻子走”
珠宝销售的“后实体时代” 拼的是预测分析模型
不服来辩:数据驱动的商业模式引领未来
搞定预测分析 你需要在数据准备上“做文章”
球队的自我修养:如何挖掘被淹没的球迷数据
做好预测分析 将数据在模型上运行就万事大吉了?
大数据时代 是什么让你的数据准备跑偏了?
没有好数据 再先进的预测分析工具也爱莫能助


tips Page
tips Page 2
tips Page 3
tips Page 4
tips Page 5
tips Page 6