-
数据管理的现实和商业智能的将来
所属栏目：[大数据] 日期：2022-05-23 热度：92
无论企业在哪个行业工作，拥有多少员工，或者是否面向消费者、企业、私营部门或公共部门进行营销，都不再重要。无论来自哪里，数据和分析都是日常现实。大多数企业定期收到的数据量是天文数字。全球的IT部门都在努力实施工具和实践，对他们收到的信息进行优[详细]
-
数据剖析的几个误区
所属栏目：[大数据] 日期：2022-05-23 热度：160
在IT领域，炒作越大，误解越多，数据分析也不例外。分析是当今信息技术最热门的方面之一，可以带来巨大的商业收益，但错误的观念可能会阻碍分析能力顺利和及时的流转，从而使商业用户和最终客户受益。当企业创建或扩大他们的分析战略时，以下是他们可能要记[详细]
-
终于有人把元数据说明白了
所属栏目：[大数据] 日期：2022-05-23 热度：72
元数据管理工具是企业数据治理的重要抓手，它可以帮助企业解决数据查找难、理解难等问题，促进数据的集成和共享。 一、系统架构 从应用角度看，元数据管理平台可分为数据源层、元数据采集层、元数据管理层、元数据应用层四层架构，如图1所示。 1. 数据源层[详细]
-
谈谈大数据技术现状和分类
所属栏目：[大数据] 日期：2022-05-23 热度：101
随着社交媒体、物联网和多媒体应用等各种来源产生的海量数据的诞生，大数据已经成为一个重要的研究领域。大数据在许多决策和预测领域发挥了关键作用，如推荐系统、商业分析、医疗保[详细]
-
大数据在智慧城市建设中有什么应用
所属栏目：[大数据] 日期：2022-05-23 热度：158
智慧城市是以为民服务全程全时、城市治理高效有序、数据开放共融共享、经济发展绿色开源、网络空间安全清朗为主要目标，通过体系规划、信息主导、改革创新，推进新一代信息技术与城市现代化深度融合、迭代演进，实现国家与城市协调发展的新生态。 智慧能源[详细]
-
数据分析和数据科学的几大不一样之处
所属栏目：[大数据] 日期：2022-05-22 热度：112
在大数据的世界里，您可能会经常听到两个词语：数据科学(Data Science)和数据分析(Data Analytics)。它们虽然从字面上有些相似，但是在大数据的背景下它们强调的是不同的能力和技能方面。下面，我将从职业决策与规划的角度，和您讨论两者之间的差异。 一、知[详细]
-
2022年企业必须关注的几个大数据应用战略
所属栏目：[大数据] 日期：2022-05-22 热度：94
大数据是一个通用术语，指的是结构化和非结构化数据集合，它们对于典型的数据处理工具和系统来说过于庞大和复杂，因此难以处理。预测分析、用户行为分析以及其他从大数据中提取价值的高级数据分析方法，通常由大数据解决方案提供支持，并且很少局限于特定数[详细]
-
您是不是在楼宇安全中使用大数据？
所属栏目：[大数据] 日期：2022-05-22 热度：81
谈到大数据，物理安全有点姗姗来迟。企业已将各种数据源用于多种目的，例如向消费者进行营销(如谷歌、亚马逊和 Facebook)、提高运输效率(如包裹跟踪、航班调度和自动驾驶汽车)，以及改善医疗保健服务(如、病历管理、人工智能辅助药物开发和患者健康风险评分)[详细]
-
2022年企业需要关注的12项数据和分析趋向
所属栏目：[大数据] 日期：2022-05-22 热度：153
数据和分析领导者需要在自适应人工智能(AI)系统、数据共享和数据编织等趋势的基础上推动新增长、韧性和创新。 趋势一：自适应AI系统(Adaptive AI systems) 同时，构建和管理自适应AI系统需要采用AI工程实践。AI工程能够通过编排和优化应用来适应、抵御或吸收[详细]
-
Gartner公布2022年数据分析十二大趋势
所属栏目：[大数据] 日期：2022-05-22 热度：71
关于数据的几项事实是：如今国内数据利用率仍然很低，企业数据孤岛问题显著，但数据分享成为更加主流的趋势，数据外泄的风险性愈发低于分享赢得的价值...... 对于企业来说，四种趋势和数据息息相关，发挥数据的潜在价值将带来新机会。 AI工程化是Gartner在近[详细]
-
终于有人将数据 信息 知识讲明白了
所属栏目：[大数据] 日期：2022-05-22 热度：168
数据无处不在，只是它们没有实体。 过去，人们习惯把数字的组合称为数据。但在今天，这样的理解显然不够全面。那么是否可以把数字、字符、字母的集合称为数据？也不准确。 在今天大数据的语境中，数据是可以被记录和识别的一组有意义的符号，一般可通过原始[详细]
-
数据映射优秀实践 类型 办法和工具的简要指南
所属栏目：[大数据] 日期：2022-05-22 热度：139
在任何应用程序集成、数据迁移以及一般的数据管理计划中，数据映射都是最关键的步骤之一。甚至可以这么认为：集成项目的成功在很大程度上取决于源数据到目标数据的正确映射。 本文将探讨有关数据映射的优秀实践，包括类型、常用方法以及一些有用的数据映射工[详细]
-
数据即服务 供给即时数据的顶级供应商
所属栏目：[大数据] 日期：2022-05-22 热度：196
并非所有可能使企业受益的数据都可以通过内部方式轻松生成、清理和分析。数据即服务提供商则是可以为企业提供数据即用型数据使用的实体。 云计算提供商 所有主要的云计算公司都为其客户维护大量开放数据集。在许多情况下，数据是免费的，并作为使用本地计算[详细]
-
调整数组元素顺序 你明白几分？
所属栏目：[大数据] 日期：2022-05-22 热度：117
有一个整数数组，我们想按照特定规则对数组中的元素进行排序，比如：数组中的所有奇数位于数组的前半部分。 实现思路 我们通过一个实例来分析下：假设有这样一个数组：[2, 4, 5, 6, 7, 8, 9, 11]，将奇数移动到最前面后，就是：[11, 9, 5, 7, 6, 8, 4, 2]。[详细]
-
Spark SQL 字段血缘在 vivo 互联网的践行
所属栏目：[大数据] 日期：2022-05-21 热度：153
字段血缘是在表处理的过程中将字段的处理过程保留下来。为什么会需要字段血缘呢? 有了字段间的血缘关系，便可以知道数据的来源去处，以及字段之间的转换关系，这样对数据的质量，治理有很大的帮助。 Spark SQL 相对于 Hive 来说通常情况下效率会比较高，对于[详细]
-
帮你看明白Zookeeper如何实现服务注册发现
所属栏目：[大数据] 日期：2022-05-21 热度：100
对微服务稍有了解的小伙伴应该都听说过 Zookeeper，我们来看看在官网上是如何介绍的： Zookeeper 是一个分布式的、开源的分布式应用程序协调服务。 作为一个协调服务，常常用来配合其他中间件来用，比如：Dubbo + Zookeeper，Hadoop + Zookeeper等，Zookeepe[详细]
-
大数据分析如何发挥重要的作用
所属栏目：[大数据] 日期：2022-05-20 热度：165
在人们的工作和生活中，都会产生大量数据。人们每次打开电子邮件、在线联系他人、使用智能手机应用程序、与任何客户支持代表交谈、进行在线购买或联系虚拟助手时，服务提供商和开发商都会收集这些原始数据。这些庞大的、无组织的数据集群被称为大数据。 简单[详细]
-
大数据时代个人隐私数据保护的挑战与思考
所属栏目：[大数据] 日期：2022-05-20 热度：105
大数据时代个人隐私数据保护的挑战与思考： 一、大数据时代个人隐私数据泄露已成为全球重大的社会问题 随着信息技术的飞速发展，数据化生存已逐渐成为人类社会运行的常态，数据在公共管理、科学研究、企业营销等领域发挥着重要作用。 疫情发生以来，利用大数[详细]
-
数据管理战略 企业可实施的六个方面
所属栏目：[大数据] 日期：2022-05-20 热度：58
数据战略为更好的数据管理和治理奠定了基础，但仍有改进的空间。为了让数据管理走向现代化，企业需要正确的工具、环境、资源和权限来建立数据驱动的项目，并建立指导方针和边界，以确保成本、敏感信息的保护和法律合规性得到有效管理。 以下是企业在实施数据[详细]
-
阿里巴巴云原生大数据运维平台 SREWorks 正式开源
所属栏目：[大数据] 日期：2022-05-20 热度：104
随着行业不断发展，大数据AI也逐渐呈现云原生化的趋势。复杂的业务场景及其背后涉及到的不同技术方向的开源和自研，使得产品运维面临技术复杂度高、规模大、场景多等挑战。 阿里巴巴云原生大数据运维平台 SREWorks，沉淀了团队近10年经过内部业务锤炼的 SRE[详细]
-
现代数据栈是如何走向实时化的?
所属栏目：[大数据] 日期：2022-05-20 热度：53
时代已经变了，企业对传统的数据基础设施越来越厌烦，这些基础设施对关键的商业智能问题回答得很慢，而且经常过时，与当前的业务现实不同步，通常是一天或更长时间。 现代企业的需求和要求正在以戏剧性的方式转变。因此，旧的批处理模式(每天一次大的更新，[详细]
-
从 垃圾 数据到数据完整性的转变
所属栏目：[大数据] 日期：2022-05-20 热度：129
数据产生的速度越来越快，这已经不是什么秘密。根据IDC的数据，由于在家里工作、学习和做事的人数突然增加，2020年产生和复制了更多的数据。此外，据预测，未来5年创造的数字数据量将是数字存储出现以来所创造数据量的两倍以上。 但这引出了一个问题，这些数[详细]
-
50%企业数据治理失败！这九大要素才是成功关键
所属栏目：[大数据] 日期：2022-05-20 热度：169
知名咨询公司Gartner的调研显示，在实施数据治理的企业中，有34%的企业数据治理处于良性建设阶段，有近50%的企业数据治理并未取得理想的效果，仅有16%的企业数据治理效果显著，处于行业领先水平。 1.数据战略 很多企业都说自己重视数据，但是能规划出明确的[详细]
-
大数据时代下如何保障信息安全？
所属栏目：[大数据] 日期：2022-05-20 热度：127
大数据时代下如何保障信息安全？ 1.大数据时代已来 随着网络时代日益信息化，移动互联网、社交网络、电子商务大大拓展了互联网的疆土与应用领域，我们正处在一个数据爆炸性增长的 大数据时代，大数据对社会经济、政治、文化，生活等方面产生深远的影响，大数[详细]
-
为什么成功的数据网格实施需要数据虚拟化？
所属栏目：[大数据] 日期：2022-05-20 热度：145
组织多年来的一贯做法是将所有数据整合到单一位置，例如数据仓库或近年来兴起的数据湖。但是，集中式数据基础架构的一些弊端已初现端倪： 1. 集中式数据团队对数据的了解程度无法与只专注于全部数据中特定部分的具体业务团队相提并论。 2. 集中式数据基础架[详细]
