技巧
-
数据准备工作还在亲力亲为？是时候交给大数据团队了
2017-09-22数据科学家和其他用户在使用数据前，无需自己完成数据准备工作，这些数据准备任务应由具备大数据环境的企业来完成。
-
特玛捷票务：在云端利用运营成本、绩效和分析及数据获得洞察
2017-09-21你听说过云吗？如果你从事于数据和数据分析领域，云就是最近人们经常谈论的话题。但是谁把云使用地很好呢？他们正在如何使用云呢？从本地软件转换到云容易吗？
-
汉莎集团：连接欧洲和世界，以客户为业务中心
2017-09-21“大数据花钱。大数据分析赚钱。”你听说过比这更真实的陈述吗？那深刻的至理名言出自汉莎集团全球销售商业智能应用主管Heiko Merten。
-
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。
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。