分析學(xué)的世界正在發(fā)生變化。 自助服務(wù)分析工具，如Tableau、Qlik和Power BI，使企業(yè)用戶能夠在幾乎沒有IT組織支持的情況下，自行執(zhí)行報告和分析。為了使IT商業(yè)智能團隊能夠從提供商品報告到業(yè)務(wù)驅(qū)動分析的價值鏈上移，建議添加四個組件。

2020-12-29 13:20:11.130 88

這個基本的自助式商業(yè)智能能力清單不僅僅是報表創(chuàng)建工具，還包括提供和分發(fā)預(yù)制資產(chǎn)的手段。盡管自助式商業(yè)智能蓬勃發(fā)展，但它仍然招致大量批評。雖然其中大部分批評都是圍繞著軟件的銷售方式和不當(dāng)?shù)膶嵤灿幸恍┡u牽涉到技術(shù)本身。

2020-12-28 10:18:04.730 194

大數(shù)據(jù)將改變商業(yè)智能(BI)的布局，并為企業(yè)提供一種有價值的數(shù)據(jù)源。首席信息官(CIO)應(yīng)遵行以下的步驟才能成功地將大數(shù)據(jù)融合在他們的商業(yè)智能 (BI)程序中。

2020-12-25 13:53:49.487 165

研究表明，大數(shù)據(jù)分析正在重新定義人們在21世紀(jì)的零售供應(yīng)鏈管理方法。

2020-12-25 10:27:18.487 186

主數(shù)據(jù)是系統(tǒng)間共享數(shù)據(jù)，它是系統(tǒng)間信息交換的基準(zhǔn)。主數(shù)據(jù)管理目標(biāo)是使各系統(tǒng)在獲取基準(zhǔn)數(shù)據(jù)時，能夠保證數(shù)據(jù)是最新的、一致的、準(zhǔn)確的，能夠?qū)崟r進行各系統(tǒng)間數(shù)據(jù)驗證。 根據(jù)主數(shù)據(jù)管理實施的復(fù)雜程度，大體可以把主數(shù)據(jù)管理可以分為六個層次，從低到高反映了主數(shù)據(jù)管理的不同成熟度。并非層級越高的主數(shù)據(jù)管理方式就是最好的，應(yīng)當(dāng)根據(jù)數(shù)據(jù)本身的質(zhì)量與現(xiàn)有體系情況，選擇合適的治理層級。

2020-12-23 14:07:42.100 119

每一個企業(yè)組織，無論大小，都需要有價值的數(shù)據(jù)和洞察力。當(dāng)涉及到了解你的目標(biāo)受眾和客戶的喜好時，大數(shù)據(jù)扮演著非常重要的角色。它甚至可以幫助你預(yù)測他們的需求。正確的數(shù)據(jù)需要得到有效的呈現(xiàn)和正確的分析，它可以幫助企業(yè)組織實現(xiàn)各種目標(biāo)。

2020-12-23 10:25:36.623 130

按照傳統(tǒng)的定義，元數(shù)據(jù)（Metadata）是關(guān)于數(shù)據(jù)的數(shù)據(jù)。在數(shù)據(jù)倉庫系統(tǒng)中，元數(shù)據(jù)可以幫助數(shù)據(jù)倉庫管理員和數(shù)據(jù)倉庫的開發(fā)人員非常方便地找到他們所關(guān)心的數(shù)據(jù)；元數(shù)據(jù)是描述數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)，可將其按用途的不同分為兩類：技術(shù)元數(shù)據(jù)（Technical Metadata）和業(yè)務(wù)元數(shù)據(jù)（Business Metadata）。

2020-12-22 12:03:12.600 333

每個從事數(shù)據(jù)工作的人都有不同的檢索數(shù)據(jù)的方法，這取決于他們想如何使用數(shù)據(jù)。SQL旨在為我們提供一種借助工具提取任何格式數(shù)據(jù)的方法，比如SQL子串函數(shù)。這個函數(shù)使我們能夠從一個字符串中提取特定的字符。

2020-12-21 10:25:08.917 173

隨著大數(shù)據(jù)在越來越多的企業(yè)當(dāng)中落地，企業(yè)要開展大數(shù)據(jù)相關(guān)的業(yè)務(wù)，那么首先要搭建起自身的數(shù)據(jù)平臺。而企業(yè)搭建大數(shù)據(jù)平臺，往往需要結(jié)合成本、業(yè)務(wù)、人員等各方面的因素，來規(guī)劃數(shù)據(jù)平臺建設(shè)方案。今天我們就來聊聊數(shù)據(jù)平臺建設(shè)的幾種方案。

2020-12-18 11:30:23.580 250

據(jù)一些人估計，訓(xùn)練一個人工智能模型所產(chǎn)生的碳排放，相當(dāng)于制造和駕駛五輛汽車在其一生中所需要的碳排放。本文作者是一名研究和開發(fā)AI模型的研究人員，對AI研究中暴漲的能源和財務(wù)成本非常熟悉。為什么AI模型會變得如此耗電，與傳統(tǒng)的數(shù)據(jù)中心計算有什么不同？本文將會探討一下。

2020-12-17 15:28:31.300 226