搜索　｜　会员
你所在的位置:资讯 / 大数据 /实践应用
  • 元数据驱动的大数据服务平台
    使用元数据,能够对工业数据进行目录化管理,实现数据服务,这类技术能够弥补传统数据集中中的缺陷,特别是数据集成不完善问题。从而能使工业大数据能得到更好的存储和共享。
  • 如何搭建数据指标体系
    指标体系可以建立业务量化衡量的标准，数据分析的目的就是说明、衡量、预测业务的发展。
  • 数据指标体系建设
    数据的本质是利用数学观察、记录、理解世界；数据分析的过程就是人类从定性到定量、模糊到精准过程；
  • 数据中台最接地气的教程
    要建设数据中台，我们首先需要明确什么是数据中台，以及数据中台能为企业带来什么价值。
  • 通俗易懂的知识图谱技术与应用指南
    从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识
  • 大数据仓库架构设计实践
    未来的数据和数据平台就如同业务系统一样，都会在云端（可能是公有云，也可能是专有云）。随需随用，所以基于云的数据平台解决方案势必会成为主流。
  • 数据标准体系建设的实践之路
    商业银行数据标准体系的建立过程一般有两种路径。一种选择借助新一代信息系统建设的契机，统一规划、统一实施。
  • 零售行业数据分析指标体系及方法论
    从传统的线下零售（百货商店-连锁商店-超级市场），到前几年火热的线上电商零售（综合、垂直电商-社交电商），再到这几年线上线下结合的新零售模式，零售行业的运营模式发生了巨大的变化。
  • 最全的零售行业指标体系详解
    如果要问数据分析哪个行业的需求最大，估计所有人都会说是零售行业。但是该如何分析零售行业的数据业务场景，就需要一些技巧和方法了，下面总结一些我在零售电商行业的经验
  • 用户画像的技术和方法论
    用户画像也是近几年比较热的一个词，不过很多小伙伴对于画像的认知还只是「标签化」的层面，或者是只是利用其做一些简单的「分群分析」；如何全面地认知并做系统性地尝试，背后有非常多的点需要
  • 数据分析基础指标体系搭建和方法入门
    没有任何一个指标体系是放之四海而皆准的，我们只有不断地理解业务、接触业务、熟悉业务，才能建立起最适合自身的指标体系。
  • 如何建立业务数据分析指标体系？
    指标体系的建立也是一样，可以先从其他企业借鉴过来，刚开始未必很合适，但能让业务更快地走上正轨。随着业务的发展，再根据实际情况，不断进行优化调整。
  • 华为数据治理实践
    2017年华为提出了企业的新愿景："把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界"。同时，华为公司董事、CIO陶景文提出了"实现全联接的智能华为，成为行业标杆"的数字化转
  • 企业如何去做数据标准建设和应用
    由于数据标准不统一造成的数据使用问题越来越多。特别是对于企业而言，如果没有进行数据标准体系的建设，不同人员对于数据的理解很难达到完全一致，导致工作中经常出现数据统计口径偏差，系统开
  • 一分钟了解企业主数据系统建设
    一切有组织、合理有效的信息化规划手段，都是只有一个目的，打破企业数据孤岛，将碎片数据资产化。数据既是一切业务模式的产物，也是源头，做好数据治理提升企业价值的根基，而主数据管理是这其
相关主题
大家在关注
我们的推荐
最新的干货