搜索 | 会员  
  • 算法能让预测更准确,但也会带来风险,尤其是在我们不理解这些算法的情况下。一个例子是社交媒体。很多社交网站通过算法决定推送哪些广告和链接,如果设计算法时过于侧重点击量,“骗点击”的内
  • 在互联网行业,除了数据量大之外,越来越多的业务要求时效性,甚至很多是要求实时的,另外,互联网行业的业务变化非常快,不可能像传统行业一样,可以使用自顶向下的方法建立数据仓库
  • 这十几年的经历,有很多值得讨论的话题,今天我和大家聊一下数据商业化的实践和心得,我会分享四部分:对数据生意本质的认知数据行业产品化商业化的核心思考
  • 随着科技的发展,目前已经步入了大数据的时代,很多社交媒体和互联网公司也非常关注大数据这一行业。那么对于大数据而言,这里有五件事情是你应该了解的。
  • 由人工智能、大数据、云计算、5G通信、物联网等为代表的一系列技术簇将使未来的制造业从价值链、生产模式、商业模式、产品设计等多方面发生本质上的变化。
  • 大数据分析的使用者有大数据分析专家,同时还有普通用户,但是他们二者对于大数据分析最基本的要求就是可视化分析,因为可视化分析能够直观的呈现大数据特点,同时能够非常容易被读者所接受,就如同
  • 选择数据平台时该考虑什么?对于在组织的整个数据架构中构建更高效的数据平台来说,选择正确的数据存储类型至关重要。
  • 在企业数据建设过程中,大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量,到自服务和智能化的数据应用,大数据治理的内容在不断地发展和完善,其落地实施的过程中会遇到各种各
  • 在大数据时代,核心就是:如何用数据创造价值,如果你没有用数据创造价值的能力,那么就只能等着被数据淹没,被数据拍死在职场上,早早到达职业的天花板。体现数据价值的层面上,越往数据应用层
  • 很多人都看过不同类型的书,也接触过很多有关大数据方面的文章,但都是很零散不成系统,对自己也没有起到多大的作用,所以作者第一时间,带大家从整体体系思路上,了解大数据产品设计架构和技术
  • 大数据技术还不成熟,面对海量、异构、动态变化的数据,传统的数据处理和分析技术难以应对,现有的数据处理系统实现大数据应用的效率较低,成本和能耗较大,而且难以扩展。这些挑战大多来自数据
  • 我们生活在一个越来越依赖数据的社会,信息正变得和金钱一样。例如,许多消费者使用谷歌、Facebook、亚马逊、微软和苹果等互联网巨头提供的免费服务。作为服务的回报,这些公司可以追踪他们的在
  • 人与人交流的传统调研模式,不仅没有被所谓大数据掩埋,反而在大数据时代,被一个个数据又激发出来。
  • 当我进行以数据科学家进行自我介绍时,经常会被问道:“数据科学和机器学习有什么区别?”或者“这是不是意味着你在研究人工智能?”所以我将通过本文进行回答。
  • 某种程度上来说,大数据的真正机遇不一定是预测,而是用来解释。只有在充分调研、了解市场环境后,管理者才能够制定合适的战略,来应对可能出现的各种风险。
  • 地图
  • 本站
  • 我们
  • 服务
  • 版权
  • 联系
  • 回馈
  • 博客