技巧
-
是时候聊聊“黑暗数据”了
2017-03-28根据Deloitte集团的一份新报告，非结构化数据和其他所谓的黑暗数据类型的分析可以提供重要的业务价值。
-
Spark和Hadoop分析遇障碍？可以试试容器啊
2017-03-27将定制的Spark和Hadoop试点项目转移到生产中是一项艰巨的任务，但容器技术缓解了这种艰难的过渡。
-
拥抱开源 DevOps引领大数据生态系统
2017-03-27为了继续推进大数据工程，团队需要非常认真地追求DevOps的信条，尤其是要求数据工程师和IT架构师负责将创新思想运用到生产过程中。
-
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。
分析 >更多
-
企业商业智能的10大好处
商业智能（BI）软件的起源可以追溯到20世纪60年代基于大型机的决策支持系统，随后BI技术在不断发展，以应对数 […]
-
生成式AI会取代数据分析师吗
生成式AI不会取代数据分析师的工作。在很多领域，人工智能都无法取代人类，特别是那些需要人类同理心和洞察力的领域 […]
-
数据分析中的9种偏见以及如何避免
偏见会通过多种方式出现在分析中，从如何假设和探索问题到如何采样和整理数据。对于任何处理数据的人来说，解决偏见应 […]
-
数据即产品：提供分析使用率的方法
企业正在寻求新方法以让更多员工开始使用分析工具，其中数据即产品的方法开始快速兴起。 研究表明，企业内使用数据的 […]
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。