技巧
-
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。
-
构造可扩展的数据分析的简单三步
2017-09-19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。
-
关于深度学习必须了解的3件事情
2017-09-18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。
-
借助商业化分析，快速获得分析结果
2017-09-18“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。
-
惊险的游戏——如果大数据已经有了答案，你会问些什么问题？
2017-09-15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。
-
寻找外星生命和人力资源招聘过程 竟有异曲同工之妙？
2017-09-12人力资源管理与在其他行星上发现生命看似风牛马不相及，但它们之间可能确实存在一些联系。
-
采用移动人力资源 重视员工需求和MDM政策缺一不可
2017-09-07很多因素都在影响采用移动人力资源的政策。员工在移动设备上访问人力资源功能时，需要考虑以下三个方面的内容。
-
人力资源分析 需要的不仅仅是数据
2017-09-06数据并不能直观显示员工的工作表现和员工留存率，更多的公司计划使用员工分析工具来帮助员工做出决策。
分析 >更多
-
数据分析 让零售业再现生机
进入数字时代，技术和数据的有效使用成为帮助企业颠覆传统的动力，也势必将改变零售业的格局。近年来，“全渠道零售”成为了热门词汇，因而了解客户及其需求变得尤为重要。
-
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”。
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。