技巧
-
建立良好的数据基础 避免人工智能分析偏差
2017-07-10有偏差的数据样本或模型开发实践可能会给对人工智能感兴趣的企业带来麻烦，并削弱该技术的投资回报。
-
停止数据混战 构建数据治理模型
2017-07-10由于一些公司选择从多个来源来收集数据，他们往往会失去了对数据质量和准确性的控制。不管你喜欢与否，现在该停止数据混战了，应用数据治理，这才是你要做的事。
-
SAP DCI：帮助葡萄酒专卖店探寻客户真相
2017-07-05许多企业发现通过大数据分析和数据治理，可以使他们以新颖的方式获得真知灼见。纽约的一家葡萄酒专卖店就通过SAP DCI数据即服务实现了利用大数据提升营收的愿望……
-
数据湖治理：大数据团队的必修课
2017-07-04数据湖中大量的原始数据可用于不受约束的探索和分析。但一切并非那么容易：为了避免信息混乱，所有数据需要编目和管理，而这项工作通常需要大数据团队手动完成。
-
Dr. Elephant：Hadoop和Spark的优化“神器”
2017-05-23美国加州软件公司Pepperdata的应用程序分析软件建立在Dr. Elephant开源项目上。主要目的是让更多的Hadoop和Spark应用程序投入生产。
-
美国商业分析软件公司Sisense：数据发现也智能
2017-05-22美国商业分析软件公司Sisense认为，机器学习算法可以提高数据发现体验，这一举措很快将成为自助服务分析的新标准。
-
关于认知计算系统 企业应该知道的二三事
2017-05-18如果企业想要从人工智能和认知计算中获取利益，就需要在部署漫长而昂贵的项目之前，制定一个切实可行的计划。
-
对于预测建模来说，数据集才是决定成败的关键
2017-05-16数据科学核心任务之一是利用数据挖掘和机器学习算法来开发预测模型。但是，如果在前期没有选择正确的数据挖掘数据集合，即使是最佳设计的模型也可能会误入歧途。
-
看学校如何进行自助式BI软件培训
2017-05-10学校的认证标准越来越苛刻，数据报道不尽如人意，没有一线老师在日常工作中收集和利用数据，他认为很难维持认证。教育标准和数据在教学中的使用是两条并行的路径，它们正在逐渐演变。
-
要拿认知计算“做文章” 是否为时尚早？
2017-05-09在过去的几年里，认知计算工具已经有了突飞猛进的发展，但围绕AI平台建立真正的认知业务还有很长的路要走。
分析 >更多
-
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 […]
-
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 […]
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。