话题： 数据质量与治理
-
将数据治理工具渗透到企业中有多难？
2017-07-24 | 作者：Adam Hughes | 翻译：乔俊婧对于主流大数据用户来说，数据治理是一个大问题。最近，IT供应商已经宣称使用开源以及商业数据治理工具来管理基于Hadoop的数据湖中的数据。
-
BI数据治理很重要 私营企业该如何下手？
2017-07-19 | 作者：Scott Robinson | 翻译：乔俊婧关于商业智能数据的治理，私营企业可以从公共部门的数据管理实践中吸取宝贵的经验教训。
-
客户数据治理策略：放弃追踪，聚焦销售
2017-07-11 | 作者：Don Fluckinger | 翻译：杨宏玉客户数据治理策略不同于传统的数据治理。首先要做的，是在建立客户信任和进行客户追踪二者之间找到一个明确的界限。
-
建立良好的数据基础 避免人工智能分析偏差
2017-07-10 | 作者：Ed Burns | 翻译：乔俊婧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 | 作者：Bridget Botelho | 翻译：杨宏玉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。
-
数据湖治理：大数据团队的必修课
2017-07-04 | 作者：Craig Stedman | 翻译：张亮亮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。
-
企业的数据科学团队如何挖掘数据价值
2017-03-23 | 作者：Ed Burns | 翻译：乔俊婧单纯地雇用数据科学家并不意味着企业能够充分利用数据科学带来的优势。来看看这些企业如何通过数据科学团队让数据价值最大化。
-
2017年分析型数据管理解决方案（DMSA）魔力象限（上）
2017-03-14 | 作者：乔俊婧分析型数据管理解决方案（DMSA）市场不断需要更多创新技术和更强的执行能力，以满足云端和本地部署以及云端与大数据产品组合的各种需求。
-
实现“数据货币化” 打出战略“组合拳”
2017-02-07 | 作者：Craig Stedman | 翻译：乔俊婧专家说，大多数公司都有可能利用的数据货币化机会。但是明确的战略和长期计划对于获得所需的利益至关重要。
-
机器学习项目面临哪些障碍？听听IT经理怎么说
2016-12-07 | 作者：Craig Stedman | 翻译：乔俊婧几十年来，机器学习已经成为高级分析场景的一部分，但是大数据平台和创建自动分析算法工具的出现使得机器学习变得更加重要。
共111条记录