数据中心基础设施管理，从不间断电源系统的维护到计量电源效率，对IT团队来说这是不断发展的领域。举例而言，如电力使用效率的旧指标无法再衡量数据中心的效率，且增加功率密度可导致更具破坏性......

数据建模是一门复杂的科学，涉及组织企业的数据以适应业务流程的需求。它需要设计逻辑关系，以便数据可以相互关联，并支持业务。然后将逻辑设计转换成物理模型，该物理模型由存储数据的存储设备......

要能做用户行为的分析，就需要有一套用户行为数据采集、传输、处理、分析的基础设施，而埋点和分析平台就是在做这件事。业界大多产品都是通过嵌入到多个终端的SDK来采集用户行为数据，而后续的......

数据建模是一门复杂的科学，涉及组织企业的数据以适应业务流程的需求。它需要设计逻辑关系，以便数据可以相互关联，并支持业务。然后将逻辑设计转换成物理模型，该物理模型由存储数据的存储设备......

14年接触到“指标体系”这个词，一脸懵逼，当时还停留在离散的报表需求阶段，不能明确说出什么就是指标体系。发展到现在，做了几个产品的数据工作，对指标体系概念以及规划方法有一定的积累，总......

随着业务的快速发展以及移动互联网的到来，多屏（京东App、京东PC商城、M站、微信、手Q等）互通，推荐类型从传统的商品推荐，逐步扩展到其他类型的推荐，如活动、分类、优惠券、楼层、入口图、......

大数据是我们无法避免的流行语，但这是有充分的理由的：它正在改变很多企业的运营方式，并将继续改变，尤其是在供应链领域。......

传统的商业智能分析的最终产品通常是一个由文字和图表组成的PDF文件或者PPT文件。这种分析模式有两个缺陷：1)分析员的主观偏差，在这类静态报告中，通常只有部分数据被分析。......

大家最常挂在嘴边的一句话是“三分技术、七分管理、十二分数据”，以此来表达对数据的高度重视。企业在上ERP前数据准备步骤有哪些？......

数据科学家会通过数据来寻找并分析竞争优势，可能的突破点等等，因此，数据整合也变得越发重要。......

随着越来越多的集成进入数据中心，更多系统迁移到数据中心，基础设施最佳化已直接影响到高等级服务的交付，正因为如此，数据中心管理员都在不断努力寻找方法来提升性能，提高基础设施的密度，并......

数据治理(有时也称为IT治理)是存储管理的关键部分。显然，IT治理总体上与数据治理密切相关：IT是任何数据治理项目的组成部分。......

数据变现的能力，足以成为企业竞争优势的源泉。无论采用哪种途径，都需要实施组织变革。......

无论企业大小，在使用数据上都面临相似的数据挑战。企业越大，数据越多，而数据越多，越发需要制定一个有效的、正式的数据治理策略。......

在互联网的下半场，不断精细化运营的背景下，产品经理不再是单纯的靠感觉来做产品，更需要培养数据的意识，能以数据为依归，来不断改善产品。......

曾几何时，组织多半会选择以增量方式实现大数据解决方案。而并非每个分析和报告需求、大型数据集或来自多个数据源的临时报告执行并行处理的项目，都对大数据解决方案有着重要需求。......

网络本来是数据中心里最为稳定的一部分，技术几十年下来并未发生根本性的变化。然而，随着互联网的普及、云计算和大数据等新技术的兴起，网络成为了最大的一块阻碍数据中心发展的绊脚石......

无论何时数据处理在大数据的生态中始终处于不可缺少的地位，因为数据处理的时效性行，准确性直接影响数据的分析与挖掘，分析的最终结果影响业务的营销与收入。......

实现数据驱动有两个关键环节：一是数据采集，二是数据分析。对于传统企业来说，往往是这两点都不太具备条件。......

随着大数据信息时代的到来，任何行业的数据都是以暴涨的形式增长，让企业管理者对于数据的安全问题甚为担忧。尽管我们一再小心谨慎还是不可避免的出现各种各样的灾难。而这里的灾难主要是指自然......

在数据资产管理领域，有着许多相似的概念和词汇。譬如说“数据管理”和“数据治理”，像孪生兄弟一样让人纠结不已。......

企业数字化转型趋势是“数据”引领业务变革，数据集中管控成为大势所趋，如何做好数据共享和数据分析、如何发挥数据资产价值最大化是我们信息化工作首要目标......

这篇文章将给大家介绍下大数据项目中用到的各技术框架知识，并通过一个实际项目的分布式集群部署和实际业务应用来详细讲述大数据架构是如何构建的，供大家参考。......

每一个大数据平台都不是凭空而起的，每个企业刚刚开始数据分析的时候，也不是上来就是一个大数据开源平台Hadoop、Spark这样一个存储的。本文中易观CTO郭炜将为大家分享人员和从0到N建立高性价比......

人工智能是近年来科技发展的重要方向，在大数据时代，对数据采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据的开发过程中，有哪些特别需要注意的要点?......

本文针对研究人员(非技术人员)的实际情况，介绍当前大数据研究涉及的一些主要工具软件(因为相关软件众多，只介绍常用的)，并进一步阐述其应用特点和适合的场景，以便于研究人员能有的放矢的学习......

我们都知道一句话“巧妇难为无米之炊”，数据源就是让数据产生价值中的那些大米。那大数据时代企业需要哪些数据呢?......

针对于大数据平台对于数据脱敏的需求，本文分析了数据泄露可能带来的风险，介绍了数据脱敏技术的理论基础与实现方式，同时简单分析了大数据平台的隐私数据脱敏技术方向。本文讨论的均是基于离线......

每一个消费者通过手机和设备，成为了一个巨大的数字化网络的一个节点，每时每刻，我们从云端获取各种信息，各种状态，浏览各种商品，从而实时的决定我们的决策和行动。......

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......

所以对于一家公司而言，要想实现企业的数据转型，一定需要经历五个必要的阶段：数据发现，数据识别，数据收集，数据分析和结果使用。......

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......

所谓数字化，就是将许许多多复杂的、我们难以估计的信息通过一定的方式变成计算机能处理的0和1的二进制码。......

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。......

一般谈云计算的时候会提到大数据、谈人工智能的时候会提大数据、谈人工智能的时候会提云计算……感觉三者之间相辅相成又不可分割。......

信息化就是将企业的生产过程、物料移动、事物处理、现金流动、客户交互等业务过程数字化.所谓数字化，就是将许许多多复杂的、我们难以估计的信息通过一定的方式变成计算机能处理的0和1的二进制......

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。......

由于越来越多地使用云计算灾难恢复解决方案(灾难恢复即服务)，这种情况得到了显著改善，越来越多的灾难恢复提供商提供了稳定和优化的平台。因此，即使是中小型组织也能负担得起这样的实施和使用......

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......

随着越来越多的企业建立并广泛应用BI系统，数据治理的话题也在最近被越来越多地提及和讨论。有专家表示，只有建立了一定的数据治理体系，用户才会真正进入商业智能的时代。而数据治理能够在短期......

数据治理是对数据资产的管理行使权力和控制的活动集合（规划、监控和执行），数据治理职能指导其他数据管理职能如何执行。......

数据资产管理是业务部门和IT部门的共同职责，需要由业务部门和IT部门分别或共同制定相关决策，如业务运营模型、数据治理模型、企业信息模型、业务规范、信息规范、数据库架构、数据仓库/商务智......

当我们谈数据资产管理时，我们究竟在谈什么？就目前而言，我们谈论得最多的非数据管理和数据治理这两个概念莫属。但是对于这两个概念，两者的准确定义是什么，具体区别又是什么，仍是困扰着许多......

服务器是现代计算能力的核心，但是有很多眼花缭乱的方法可以选择服务器来承载工作负载。尽管可以用相同的虚拟化和集群化的具备管理能力的白盒系统填充数据中心，随着越来越多的公司在云端部署工......

如何利用这些数据，从数据中挖掘金矿，很值得每个商家去思考。尽管目前零售商有不少的IT系统去支撑企业常规的分析（如销售量、销售额、热销SKU等），但实际上还是未能从数据角度深入挖掘客户的......

数据分析的出路在哪里？类似问题出现在很多场景下：有的是面试的时候被问到：你觉得这个职位长期发展的前景如何有的是在各种群里的讨论：DataScientist的出路在哪里？为什么做Analytics的活titl......

数据是人类的发明。人类定义了他们想要测量的现象，设计系统收集数据，在分析之前进行清理和预处理，最后选择如何解释结果。即使使用相同的数据集，两个人也可以得出截然不同的结论。这是因为数......

在运维自动化体系里面，数据是一个非常核心且是承上启下的重要元素，它既可以反映运维服务的效率、故障比例、可用性，也可以衡量业务运维状态的质量、稳定性、成本、速度等。......