-
大数据分析的益处以及如何分析大数据
所属栏目：[大数据] 日期：2022-04-11 热度：197
大数据分析是分析大量数据以发现诸如隐藏模式、相关性、市场趋势和消费者偏好等信息的一个复杂过程，这些信息有助于企业做出更好的决策。 数据分析工具和方法为企业提供了一种评估数据集和大规模获取新信息的方法。有关业务运营和绩效的基本问题由商业智能查[详细]
-
因职业角色而异的十大数据科学本领
所属栏目：[大数据] 日期：2022-01-03 热度：153
数据科学的实践需要三个一般领域的技能：商业洞察、计算机技术/编程和统计学/数学。与询问对象有关，具体的重要技能集合总是在变化。Dave Holts描述了得到数据科学家工作所需要的技能，Ferris Jumah通过检查带有数据科学家称号的LinkedIn个人资料识别10项技[详细]
-
数据中心上下走线的优劣介绍
所属栏目：[大数据] 日期：2022-01-03 热度：92
数据中心是一个庞大的系统工程，在施工前要详细规划设计，也要对数据中心的应用情况要有整体的了解，也要总体考虑数据中心整体的运行环境。重视研究布线方式的各种条件和影响因素，不仅有利于综合布线系统的安装维护，更使得整个数据中心规划与后期运维管理[详细]
-
分析之大数据篇：大数据的黄金时代
所属栏目：[大数据] 日期：2022-01-03 热度：149
2015年，整个IT技术领域发生了许多深刻而又复杂的变化，InfoQ策划了解读2015年终技术盘点系列文章，希望能够给读者清晰地梳理出技术领域在这一年的发展变化，回顾过去，继续前行。 大数据 本文是大数据解读篇，在这篇文章里我们将回顾2015展望2016，看看过去[详细]
-
数据可视化的五个流程
所属栏目：[大数据] 日期：2022-01-03 热度：182
数据被称作是最新的商业原材料「21世纪的石油」。商业领域、研究领域、技术发展领域使用的数据总量非常巨大，并持续增长。就Elsevier而言，每年从ScienceDirect下载的文章有7亿篇，Scopus 上的机构档案有8万个、研究人员档案有 1 千 3 百万，Mendeley上的研[详细]
-
介绍自然语言处理：持续探索，稳中前行
所属栏目：[大数据] 日期：2022-01-03 热度：110
2015年，整个IT技术领域发生了许多深刻而又复杂的变化，InfoQ策划了解读2015年终技术盘点系列文章，希望能够给读者清晰地梳理出技术领域在这一年的发展变化，回顾过去，继续前行。 自然语言处理 2015年，借助移动互联网技术、机器学习领域深度学习技术的发展[详细]
-
干货：创业对待数据挖掘要谨慎这5点
所属栏目：[大数据] 日期：2022-01-03 热度：132
互联网+大数据已离不开我们的生活，在企业运作中也是同理。要想让企业快速发展起来，学会利用数据是必备基础之一。本文来源于科技博客VentureBeat，作者是游戏开发平台GameSalad CEO Stephen Nichols，通过分享自己的企业在数据利用上的经验，提醒众多的创业[详细]
-
聚焦爬虫原理及其在互联网金融领域应用前景畅聊
所属栏目：[大数据] 日期：2022-01-03 热度：104
爬虫已经成为数据的一个重要来源，作为社会主义接班人的数据分析师们，怎么能不关注数说君推荐的这篇爬虫好文章? 导读 马云说，大数据时代来了。现在太多互联网公司都在做大数据，每个公司的数据来源都不止一个，其中占比重较大的一个数据源非网络爬虫莫属。[详细]
-
研究大数据的商业价值
所属栏目：[大数据] 日期：2022-01-03 热度：159
想像一下当你在线购物时，从你打开网页开始浏览的那一刻起，该门户网站就能根据你的点击精确判断你对哪一类商品感兴趣，然后对你感兴趣的商品进行智能化推荐，并把正确的商品摆放在你的个人页面上。通过对历史订单、商品搜索记录、愿望清单、购物车，鼠标在[详细]
-
吴甘沙：大数据的六大AI变现方式
所属栏目：[大数据] 日期：2022-01-03 热度：172
大数据技术与移动互联技术和云计算技术一样，都属于颠覆性的信息技术。但是，大数据并非是高纯度的石油而是含金量非常低的矿石，数据量大、种类繁杂、价值密度低、以及时时刻刻都在瞬息万变的特点，使得存储、统计、分类以及调用都困难异常，而其中隐藏的发[详细]
-
6个用好大数据的方法
所属栏目：[大数据] 日期：2022-01-03 热度：52
秘诀一：目标要明确 就算一个公司拥有再多的数据，也不能代表它就一定会获得商业上的成功。只有真正懂得如何利用大数据，了解到公司利用大数据可以达到什么目标，公司最终才有可能真正成功。在公司在发展过程中往往也会面临诸多选择，也只有目标设定明确了，[详细]
-
干货：SaaS领域如何分析收入提升?
所属栏目：[大数据] 日期：2022-01-03 热度：90
今天我们试着将其模式运用到收入增长上进行分析。这对常规收入的计算会极有帮助，例如企业级应用软件(SaaS)或消费者订阅业务。 列举某公司通过月度订阅获得营收为例，为了更细化一些，假设这是一家B2B SaaS公司。对这样的公司而言，月活跃用户(MAU)增长和月[详细]
-
使用Docker时需要关注的五项安全隐患
所属栏目：[大数据] 日期：2022-01-03 热度：127
在利用Docker承载大家的关键性任务应用程序时，我们必须对五项重要安全问题加以关注。 通过阅读网上帖子以及浏览相关新闻，大家可能会产生一种先入为主的印象，即Docker天生安全性薄弱且尚不足以被直接引入生产环境。不过实际情况是，虽然我们需要对容器安全[详细]
-
借助数据分析推进银行IT风险管理标准化
所属栏目：[大数据] 日期：2022-01-03 热度：70
如何利用数据这一商业银行最重要的资产之一，来开展有效的分析和挖掘，从而促进管理并提升企业价值，是目前大多数商业银行所面临的重要挑战之一。本文将从数据资产管理及数据分析的角度，阐述如何建立科学的数据管理体系和如何通过数据分析实现IT风险管理的[详细]
-
影响大数据项目实施的四大绊脚石
所属栏目：[大数据] 日期：2022-01-03 热度：157
有调查表明，实现大数据的障碍按比例从大到小排列如下： 如何解决在实施大数据过程中出现的如上障碍?本文提到的4大战略可以助你将走向大数据之路的绊脚石们一扫而光! 1. 缺乏商业嗅觉 首先是缺乏商业嗅觉。部分公司或机构领导者有时缺乏足够的商业嗅觉，以致[详细]
-
大数据和数据可视化的关键性
所属栏目：[大数据] 日期：2022-01-03 热度：75
什么是大数据?数据可视化如何帮助企业更好地利用数据资源?一些人知道大数据的真正含义，然而其他人声称自己懂大数据，只是为了让他们看起来并不低人一等。尽管大数据是一个热门话题，但是对许多企业和数据专业人员来说，它仍然很难理解。Kimberly-Clark的全[详细]
-
基于日志文件的数据挖掘机理分析与详解
所属栏目：[大数据] 日期：2022-01-03 热度：166
引言 所谓数据挖掘(也叫知识发现[1])，是指发现大量数据中有趣及有用模式和关系的过程，该领域结合了统计、人工智能和数据库管理等知识，以方便对大数据进行分析。该定义可从如下4个方面进行理解：(1)数据挖掘处理的数据量非常大;(2)这些数据在计算机系统上[详细]
-
CCF大数据专家委员会： 大数据发展趋势预测分析与行动建议
所属栏目：[大数据] 日期：2022-01-03 热度：123
1.引言 2015中国大数据技术大会(BDTC)于2015年12月10日在北京召开，会上中国计算机学会(CCF)大数据专家委员会(task force on big data，TFBD，以下简称大专委)发布了中国大数据技术与产业发展报告(2015)，并对2016年大数据发展趋势进行了展望。 自2012年10月[详细]
-
大数据发展呈现七大走向
所属栏目：[大数据] 日期：2022-01-03 热度：159
近几年，我国对大数据发展高度重视。刚刚过去的2015年，国务院明确了关于促进大数据发展的总体战略，国家相关部门积极推进有关工作。2016年，大数据产业整体发展如何走向？以下是总结出的七大趋势。 国家战略引领各地加快落实推进大数据行动 我国对大数据[详细]
-
这些数据科学本领，才是老板们最想要的
所属栏目：[大数据] 日期：2022-01-03 热度：186
这是一个好消息，如果你希望在2016年找一份数据科学的工作在该领域职位空缺的数量正在不断增加，企业希望利用大数据来获得竞争优势。但事实上，找一份梦寐以求的数据科学工作就意味着你要具备一些技能的组合，你可能会惊讶学习哪些技能是雇主所最需要的。 [详细]
-
做好数据挖掘模型的9条经验概括
所属栏目：[大数据] 日期：2022-01-03 热度：52
数据挖掘是利用业务知识从数据中发现和解释知识(或称为模式)的过程，这种知识是以自然或者人工形式创造的新知识。 当前的数据挖掘形式，是在20世纪90年代实践领域诞生的，是在集成数据挖掘算法平台发展的支撑下适合商业分析的一种形式。也许是因为数据挖掘[详细]
-
数据分析工作常见的七种错误及规避方法
所属栏目：[大数据] 日期：2022-01-03 热度：126
商业领域的数据科学家和侦探类似:去探索未知的事物。不过,当他们在这个旅程中冒险的时候，他们很容易落入陷阱。所以要明白,这些错误是如何造成的,以及如何避免。 错误是发现的入口。James Joyce (着名的爱尔兰小说家)。 这在大多数情况下是正确的,但是对于数[详细]
-
数据分析工作的思考与概括
所属栏目：[大数据] 日期：2022-01-03 热度：126
1.什么是数据分析? 基于现有的业务知识和统计学基础知识及基本思想的理解与掌握，通过数据库及统计分析工具对数据的调取与处理、分析，达到对现有问题or主题的探索与剖析，最终实现业务问题的解决or优化。 2.数据分析需要的知识、技能及工具? 业务知识：最重[详细]
-
美国数据科学家带你看看大数据的前景
所属栏目：[大数据] 日期：2022-01-03 热度：59
从SGI的首席科学家John R. Masey在1998年提出大数据概念，到大数据分析技术广泛应用于社会的各个领域，已经走过了17年的时间。现在再也没有企业怀疑大数据分析的力量，并且都在竞相利用大数据来增强自己企业的业务竞争力。但是，即使17年过去，大数据分析行[详细]
-
数据中心托管行业中几个顶级市场重要因素
所属栏目：[大数据] 日期：2022-01-03 热度：69
人们可能最近看到了一些文章在谈论二级市场在数据中心托管行业的崛起。而美国的明尼阿波利斯、堪萨斯、杰克逊维尔、密尔沃基、克利夫兰、纳什维尔和匹兹堡等是二级数据中心市场上经常提到的城市。 对于数据中心行业的供应商还是用户来说，考虑二级市场是其数[详细]
