技巧
-
非结构化数据处理：为什么要文本的ETL？
2012-08-21直到近十年来，企业依靠旧系统、企业应用程序和分析师所收集的市场数据为业务做出决策。要承担任何具体的分析和报表，就实施数据仓库和数据集市。
-
商务智能和数据分析：一个都不能少
2012-08-21BI现在虽然是企业的宠儿，但是“分析”更加后劲十足。今天的业务已经卷入数据浪潮之中，企业并不是因为有能力才去竞争分析领域，而是他们应该这么做。
-
针对大数据的数据治理流程：不可能的任务？
2012-08-20大数据是一个新领域，还没有人开发出治理流程和策略。现在这个领域的许多问题还没有得到解决。
-
如何使用LinkedIn进行数据挖掘
2012-08-19LinkedIn帐号是可以链接到你的微博页面的，继续在你的摘要中添加合适的关键词，这样其他数据挖掘者就能很容易地找到你。
-
实时Oracle数据集成需要深谋远虑
2012-08-19要实现更快的商业智能，需要强大的数据仓库以及与分析框架的结合。今天，数据仓库依赖于通过各种各样活动收集商业元素数据。
-
业务人员需重视内部数据质量标准
2012-08-16在提高数据质量的过程中，首要的推动力来自组织领导层。但是，保证业务用户遵守内部数据质量标准的日常过程最终也会影响质量改进措施的成功。
-
数据集成：手工编码与自动化软件的取舍
2012-08-13Athena咨询公司的创始人Rick Sherman认为，数据集成目前仍处于手工操作阶段，主要通过SQL编码与存储过程来实现，但它很可能已不再是数据集成的最佳方式。
-
协同BI与移动BI的交互应用
2012-08-02目前，协作BI与移动BI对企业来讲都不陌生。那么，如果把两者合一会出现什么情况呢？美国Intelligent Solutions公司的总裁兼创始人Claudia Imhoff作出了解答。
-
星形架构与雪花型架构：哪一个更好？
2012-08-01星形架构（Star Schema）和雪花架构（Snowflake Schema）是数据仓库中常用到的两种方式，而它们之间的对比要从四个角度来进行讨论。
-
EMA分析师：从数据仓库到“混合数据生态系统”
2012-08-01今天，数据的实时分析已经实现，从文本之类的数据结构中提取数值也能做到，因此，企业开始逐渐摒弃集中化的数据仓库。
分析 >更多
-
5个分析趋势：代理AI、数据作为产品等
代理AI，即自主使用AI来执行特定任务，去年成为数据管理和分析领域的主要趋势。 元数据管理专家Collibra […]
-
2024年6个趋势影响数据管理、分析
在过去的12个月里，影响数据管理和分析的顶级趋势是生成式AI代理的兴起。 另一个趋势是数据平台（包括数据库、数 […]
-
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 […]
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。