技巧
-
创建数据流应用程序 不要被数据“牵着鼻子走”
2017-03-22如果应用程序开发人员不关注数据准确性和一致性，使用Hadoop，Spark和其他大数据技术的数据收集过程虽然要快得多，但效果并不一定很理想。
-
珠宝销售的“后实体时代” 拼的是预测分析模型
2017-03-21预测模型竟然可以帮助美国电视台Jewelry Television的主持人销售商品？这得益于将数据集成到分析应用程序中的数据集成和准备流程。
-
不服来辩：数据驱动的商业模式引领未来
2017-03-20如今，越来越多的公司采用数据驱动的商业模式，这样可以充分利用公司收集的大量数据来获得竞争优势。
-
搞定预测分析 你需要在数据准备上“做文章”
2017-03-19比起传统分析应用程序，建立预测模型和机器学习算法的数据科学家通常需要完成更多的数据准备工作。
-
球队的自我修养：如何挖掘被淹没的球迷数据
2017-03-12美国NBA夏洛特黄蜂队有许多关于球迷的数据，但是这些数据都是杂乱无章、缺少关联的，无法为球队提供更多的价值。
-
做好预测分析 将数据在模型上运行就万事大吉了？
2017-03-07我们常常认为组织应该由数据驱动决策，基于数据分析做决策的企业要比其它企业做的更好。
-
大数据时代 是什么让你的数据准备跑偏了？
2017-03-06数据准备过程可能是企业从高级分析技术获得商业利益的绊脚石。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。
-
没有好数据 再先进的预测分析工具也爱莫能助
2017-03-02虽然对预测分析工具的价值进行了宣扬，但对它们的过度依赖同样也是有害的，分析工具的洞察力是否足够好，与提供给它们的数据好坏息息相关。
-
相比预测分析和描述性分析 规范模型亮点在哪儿？
2017-03-01规范性模型不只是给参与决策过程的人提供信息，它本身就属于决策过程。它能够阐明最好的结果，对于那些不愿意将决策行为交给机器的人来说，这样的结果将更具有说服力。
-
流数据分析带来的“速度与激情”
2017-02-28和构建大数据架构类似，支撑实时分析架构的软件种类繁多，这对于用户来说有利有弊。找到合适的技术，并把这些技术整合成一个有效的分析框架将是一个十分冒险的过程，一着不慎，满盘皆输。
分析 >更多
-
数据科学、机器学习与AI：如何协同工作
现在企业都拥有海量数据。就在十年前，千兆字节的数据似乎还很庞大。而如今，有些大型企业已经在管理泽字节数据。为了 […]
-
新年值得关注的分析趋势
在2020年，COVID-19疫情让各种规模的企业都意识到数据驱动型决策的重要性，而在2021年，预计将推动市 […]
-
DataOps架构助力分析策略
根据最近Forrester Research的博客文章显示，只有20%的原始业务和运营数据进入到分析数据库和应 […]
-
建立数据驱动文化始于赋权
企业必须建立数据驱动文化。 数据使很多企业能够推动企业发展，并度过COVID-19疫情带来的经济危机；数据还可 […]
电子杂志 >更多
-
《数据价值》2017年9月刊·HR也搭上AI这班“顺风车”
人工智能应用程序为一系列业务流程提供了宝贵的洞察力和帮助，而今天的应用只是冰山一角。而且AI不是人的替代品，AI将补充人类的工作或接管不需要复杂决策技能的重复性任务。
-
《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。