技巧
-
大数据理论遇上新兴分析工具 挑战无处不在
2016-11-10物联网（IoT）分析和认知计算这对大数据的流行观点带来了挑战，而且这也要求那些分析专家重新对他们的做法进行评估。
-
Hadoop工具让数据仓库迁移更轻松
2016-11-08即便进入Hadoop时代已经有些年头了，但将任务迁移至分布式平台并非易事。能够找出哪些任务在不给大量开发人员带来麻烦的情况下进行迁移，有助于数据管理人员做出最佳选择。
-
Informatica软件：实现定制化的主数据管理
2016-11-06Informatica主数据管理软件是Informatica公司智能数据平台的一部分，可以帮助创建集中式数据管理，确保来自各种应用程序、业务单元和第三方系统的业务数据保持版本唯一化。
-
eBay用机器学习翻译商品列表 打造全球购物平台
2016-11-02为了使不同国家的用户轻松购物并消除语言障碍，eBay正在使用机器学习工具自动翻译商品列表。
-
TT百科：A/B 测试（分离测试）
2016-11-01A/B测试常用于web开发，以确保更改网页或页面组件是由数据驱动的，而不是由个人观点决定的。
-
四个步骤 帮你成功实现数据可视化项目
2016-11-01在波士顿举办的2016 TDWI Accelerate会议上，首席数据科学家Jennifer Shin提出可以帮你成功实现数据可视化项目的四个要点。
-
大数据架构面临技术集成的巨大障碍
2016-10-31IT团队寻求构建大数据架构时有大量的技术可供选择，他们可以混合搭配各种技术以满足数据处理和分析需求。但是要把所有需要的技术框架组合到一起是一项艰巨的任务。
-
先进的分析工具从大数据中提取业务价值
2016-10-25大数据环境下，基于Hadoop和Spark等技术的部署更加广泛。在许多情况下，部署先进的分析软件来支持大数据应用程序这件事并不能一蹴而就。
-
大数据分析 让开源代码安全无处不在
2016-10-23可以迅速且安全地构建软件吗?创业公司CEO Mark Curphey的答案是肯定的, 他使用大数据分析使开发者的开源代码安全无处不在。
-
开启云端分析项目 请谨记这三点
2016-10-20在外行人眼中，分析似乎无所不能。开始第一个云端分析项目时，你所采用方法非常重要，方法得当，则成果颇丰；方法不当，则前功尽弃。想要取得成功，必须从小事做起。
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。