技巧
-
基础篇:Hadoop组件与生态系统介绍
2014-10-22理解大数据很重要的一点在于它是一个“软件库”。大量的程序库补充了Hadoop基本框架,给予各个公司所需的特定工具,以获得期望的hadoop结果。
-
机器学习的基本原理
2014-10-22机器学习可能是现在收益最高,也是最受欢迎的一项技术之一。毫无疑问——作为开发人员,机器学习是一个能够大展身手的舞台。
-
如何应用社交媒体情感分析辅助决策
2014-10-19公司需要构建自己的系统来进行数据分析,因为没有其他市场可行的选择能够满足公司需求。
-
企业存储大数据的三种环境
2014-09-29实际上,企业大数据的存储处理可以用 “三只小猪盖房子”的故事来说明,这个故事能更形象地反映数据存储环境下与交付服务相对应的不同保护级别。
-
部署Hadoop的五大误区
2014-09-28在部署Hadoop技术时提出不切实际的预期需求或误入技术认知误区,将导致浪费时间,费用上涨,业绩乏善可陈。
-
为什么要计算BI项目的投资回报率?
2014-09-27ROI(投资回报率)是考量商务智能、客户服务和其他项目的重要指标。如果没有ROI,就很难了解项目的执行效果。但IT项目的ROI并不是那么容易的。
-
突破传统BI:应用“数据发现”的五项准则
2014-09-15企业需要思考怎样突破传统商务智能系统限制,从非结构化数据中发现有用信息。这里先从数据发现谈起。
-
医疗行业如何加快数据分析
2014-09-09和很多其他行业相比,医疗行业更需要快速数据分析。比如患者入院或离院时,医生通常只有很短的时间了解患者状况。整个医疗行业都在寻找加快数据分析的办法。
-
Hadoop和数据池可能颠覆传统技术
2014-08-25传统的数据仓库最大的问题就是数据孤岛问题,Hadoop系统克服了这一困难,因此受到越来越多的企业的青睐。
-
通过用户分类与认证提高BI项目普及率
2014-08-21活跃用户的普及率直接反映了BI项目的成功与否。普及率太低不仅意味着你拿到的预算将更少
分析 >更多
-
Test Post today
Test Post todayTest Post todayTest Post todayTest Post […]
-
Test Posts today
Test Posts today Test Posts today Test Posts today Test […]
-
Spark尚未“成熟” 用户仍需“专业”
虽然Spark的应用对企业而言已经并不陌生,但对于一些企业来说,这项技术可能还是比较“前沿”。
-
Watson 分析:让我们变得更好还是更懒?
Watson分析在很多领域表现出色,特别是在广告方面,包括Google和Adobe。但是IBM的AI驱动的分析技术还值得细细推敲。
电子杂志 >更多
-
《数据价值》2017年3月刊·当预测模型失败了
随着大数据环境的不断发展,集成和准备分析数据的工作正在发生显著的变化。
-
《数据价值》2016年10月刊·窥探未来的水晶球
企业可以利用Hadoop以及所有与它相关的技术设计大数据环境,以满足其特定的需求。但把所有的技术集成在一起并不是一件容易的事。