技巧
-
将数据治理工具渗透到企业中有多难？
2017-07-24对于主流大数据用户来说，数据治理是一个大问题。最近，IT供应商已经宣称使用开源以及商业数据治理工具来管理基于Hadoop的数据湖中的数据。
-
BI数据治理很重要 私营企业该如何下手？
2017-07-19关于商业智能数据的治理，私营企业可以从公共部门的数据管理实践中吸取宝贵的经验教训。
-
遇到Hadoop性能问题很头疼？监控集群很重要
2017-07-17大数据系统中，数据并非唯一需要管理的内容。数据科学家和其他用户所运行的查询也必须进行监控，以确保他们不会在Hadoop和Spark集群中陷入困境。
-
数据挖掘规则正在改变 人工智能技术更需信任
2017-07-12随着特朗普政府和国会与互联网服务供应商合作的展开，逐渐放宽了对用户搜索历史的管制，数据领域可能会进一步扩大。
-
客户数据治理策略：放弃追踪，聚焦销售
2017-07-11客户数据治理策略不同于传统的数据治理。首先要做的，是在建立客户信任和进行客户追踪二者之间找到一个明确的界限。
-
停止数据混战 构建数据治理模型
2017-07-10由于一些公司选择从多个来源来收集数据，他们往往会失去了对数据质量和准确性的控制。不管你喜欢与否，现在该停止数据混战了，应用数据治理，这才是你要做的事。
-
SAP DCI：帮助葡萄酒专卖店探寻客户真相
2017-07-05许多企业发现通过大数据分析和数据治理，可以使他们以新颖的方式获得真知灼见。纽约的一家葡萄酒专卖店就通过SAP DCI数据即服务实现了利用大数据提升营收的愿望……
-
数据湖治理：大数据团队的必修课
2017-07-04数据湖中大量的原始数据可用于不受约束的探索和分析。但一切并非那么容易：为了避免信息混乱，所有数据需要编目和管理，而这项工作通常需要大数据团队手动完成。
-
Dr. Elephant：Hadoop和Spark的优化“神器”
2017-05-23美国加州软件公司Pepperdata的应用程序分析软件建立在Dr. Elephant开源项目上。主要目的是让更多的Hadoop和Spark应用程序投入生产。
-
美国商业分析软件公司Sisense：数据发现也智能
2017-05-22美国商业分析软件公司Sisense认为，机器学习算法可以提高数据发现体验，这一举措很快将成为自助服务分析的新标准。
分析 >更多
-
GDPR即将正式实施 跨国公司何去何从？
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
Facebook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”
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？
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。
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。