只有对数据中心的危害了如指掌，才能避免将数据中心处于危险之中，一旦触发事故，给数据中心带来的影响将可能是致命的。那么如何对数据中心里的危险进行评估......

为什么备份问题一直没有得到解决？至少还有两个主要原因说明数据中心的数据保护问题仍在挑战IT：一个是恢复需求和保护机制的变化，还有一个是巨量的生产和保护所需要的存储空间。......

多个数据中心之间如何协调工作，才能达到“1+1大于2”的效果?这就涉及到数据中心之间的数据复制技术，必须学会用好复制技术，才能玩转多数据中心。......

在没有更多资金支持的情况下，依旧能让各系统高效运作，就需要对数据中心各个领域进行优化，包括硬件、软件的优化，以及规定、流程的优化。......

过去十几年企业不重视数据标准，而这些年的IT系统在经历了数据高速膨胀之后，不同标准、分散在不同角落的海量数据就导致了数据管理的复杂性，进而可能会引发其他的问题。......

为了满足自身业务要求、保证数据的稳定和可靠，很多互联网巨头都会建有自己的数据中心，比如国外的谷歌、Facebook、微软、亚马逊，国内的百度、阿里、腾讯。......

虽然可视化脱离不了各种图表类型，但并不意味着要以增加用户理解难度为代价去实现复杂的功能；或者为了看上去绚丽多彩而失去其最根本的意义：传达与沟通。......

谨以此文献给对数据有热情，想长期从事此行业的年轻人，希望对你们有所启发，并快速调整思路和方向，让自己的职业生涯有更好的发展。......

腾讯数据中心根据业务特性，提供垂直细分领域的解决方案，在保障安全性的同时，助力数字经济的多样化发展。......

“相比表格，利用数据图展现数据的方法有可观的优势。庞大的数据令人厌烦，普通人在其中根本获取不到有用的信息，就像从黄瓜里面汲取不到阳光一样。”......

做好数据分析需要考虑三个问题，数据从哪来，数据到哪去，数据怎么去？今天我们来讲讲数据怎么去的问题，也就是数据分析步骤。......

在数据化产品泛滥的今天，不少开发者都有这样的疑问：现阶段应该在哪些方面来关注数据的核心诉求？......

现代企业的信息技术领导们正遭受到各种难题的围困。企业其他相关业务部门期望其CIO不仅能够确保其业务系统的正常运行，同时还希望其能够帮助快速的追踪业务部门需求的变化，满足业务部门的技术......

尽管事实上我们在数字化转变的浪潮中花费了很多年，就演讲嘉宾和参会者之间的对话而言，事态很清晰：一切都在升级。而且这种状态会变得越快，改变的速度将超越以往......

企业的供应链管理模式可以从大数据中受益。然而，企业在其业务的其他方面(如营销和成本控制)中将大数据纳入其供应链管理策略的速度较慢。......

一个报告核心不是包含很多内容，让听众或者读者去花时间理解，核心是讲好一个简单的故事。咨询和投资机构做BP之前，会先花时间理清楚storyline。......

关于企业的大数据体系构建，可以分为4个层级，每个层级之间可以是递进的关系，虽然业务主导不同，但构建思路相通。......

本文的主要内容不是介绍现有的比较流行的主要行业的一些数据模型，而是将笔者在数据仓库建设项目中的一些经验，在这里分享给大家。希望帮助大家在数据仓库项目建设中总结出一套能够合乎目前业界......

现在让我们看看13个在真实世界情景下的例子，了解现代数据科学家可以帮助我们做些什么。这些例子将有助于你学习如何专注于一个问题和如何形式化一个问题，以及如何仔细评估所有潜在问题......

CRM系统，就是企业利用信息以及互联网技术协调企业与顾客、销售、营销、服务上的交互，其最终目的就是让企业能够最大程度的去适应以顾客、竞争变化的现代市场的经营环境......

据仓库更多代表的是一种对数据的管理和使用的方式，它是一整套包括了etl、调度、建模在内的完整的理论体系。现在所谓的大数据更多的是一种数据量级的增大和工具的上的更新。两者并无冲突，相反......

任何数据只要经过智能整合，都是有价值的。通过智能整合数据，可以建立起用户的消费历史轨迹和有效用户角色模型。......

为什么眼下大量企业的数据案例难以凸显价值？其中很重要的一点是，产品经理不懂数据。很多的产品经理还停留在以前做产品的阶段，靠感觉来做产品并不知道如何用数据来改善产品，更没意识到数据巳......

随着利率市场化进程加快、互联网金融业态的发展，传统银行与实体经济的业务横向联系与深度融合进展迅速，业务数据的内容不断丰富，数据规模也不断增长。伴随着商业银行业务的快速发展，传统数据......

从某种程度上讲，数据运营可视为商业分析师的一种，其在运营中心发挥着数据分析师的作用。回归到数据分析的环节中，数据运营更多的是在数据产品的使用方和数据需求的提供方。......

新的商业模式，虽然提高了门槛，却是有利于真正拥有大数据的企业发挥出优势的，它使得多方能各司其职，各归其位。如果企业拥有大数据，应致力于核心数据质量和开放能力提升，而不是勉为其难的去......

58大数据平台目前的整体架构是怎么样的；最近一年半的时间内我们面临的问题、挑战以及技术演进过程；以及未来的规划。......

随着企业有了能够轻松访问和分析数据以提高性能的新机会，数据建模也是变形的。数据建模不仅仅是任意组织数据结构和关系，还必须与最终用户的需求和问题联系起来，并提供指导，帮助确保正确的数......

数据分析到底都包括些什么？从完成数据采集到做出数据产品，到底有多远的路程要走？笔者在工作的过程中碰到过很多企业老板、客户以及领导，他们对数据分析的理解之浅薄，让我觉得难以置信。......

每一个想要学习大数据的人问我的问题常常是，“我应该从Hadoop，还是分布式计算、Flink、Kafka、NoSQL还是Spark开始学起？”我往往这样回答:“这取决于你到底想做什么”。......

创建好的客户体验是区分市场领导者和平庸者的标杆。以下是帮你规划未来数字营销的12个观念，惯例，战略和忠告......

在竞争如此激烈的汽车市场，取得如此成绩不仅依靠优质的产品与出色的服务，吉利对新销售模式的思考与支撑，及其信息系统建设同样值得借鉴。......

数据驱动的安全是指途径和手段，而非目标。安全的目标从来也没有改变过。并且，数据驱动的安全也仅仅是众多安全方法论中的一种。......

数据分析中，虽然数据越多越齐越好，可是受限于各类因素的制约，我们并不能获取全部的数据。比如Excel的性能限制，比如数据库不支持大文件导出、或者是无法全量进行的用户调研等。......

众多的企业也开始了“企业+大数据”的脚步，他们在应用的过程中也有疑问，数据很重要，但是数据如何去产生更大的价值?这也是数据变现的难题......

数据中心布线系统无论按照何种方式去实施，对于数据中心而言，都有一些基本的原则或关注点，这是在每一个数据中心规划基础架构时都应该给于足够重视......

数字化转型的浪潮席卷全球，制造商不进则退。但任何变革都不可能是一蹴而就，制造商必须静下心来，认真面对转型带来的挑战，这包括人力、系统、运营和商业模式、物流供应链管理等各个方面。......

大数据洞察报告是一种典型大数据商业变现模式，当前网上充斥着乱花渐欲迷人眼的各类企业展示大数据肌肉的洞察报告，大众甚至有点审美疲劳了，但无论看起来多么美好，如果想变现，都需要经历市场......

大家看到大数据很热，以为自己在企业也搞数据，就认为很有竞争力，但仔细剖析一下，就会发现诸如BAT招聘的数据分析师根本不是你以为的数据分析师，大多企业搞数据的其实都不能胜任，因为混淆了......

对职场精英而言，「事实」永远比「主观判断」更重要。「数据分析」能力俨然已是当下各行各业精英的标配能力。那么，数据分析到底为何物？我们又该用数据之眼洞察真相，进而以「数据驱动增长」？......

链家网于2015年成立大数据部门，开始构建基于Hadoop的技术体系，初期大数据部门以运营数据报表需求、公司核心指标需求为主。随着2015年链家网发力线上业务，toB与toC业务齐头并进，数据需求量激......

本文下面分别讨论批处理、流计算、交互式分析三种类别的框架，然后简要介绍大数据计算框架的一些发展趋势。文章最后介绍这一领域的学习资料。......

性能指标关注的是并行数据库系统的处理能力，具体的表现可以统一总结为数据库系统处理事务的响应时间。并行数据库系统的高性能可以从两个方面理解，一个是速度提升，一个是范围提升。......

维度建模是一种十分优秀的建模方式，他有很多的优点，但是我们在实际工作中也很难完全按照它的方式来实现，都会有所取舍，比如说为了业务我们还是会需要一些宽表，有时候还会有很多的数据冗余。......

在汽车相关领域应用大数据由易到难有五个层次：①第一个层次：裸数据本地应用；②第二个层次：数据接口应用；③第三个层次：数据模型化应用；④第四个层次：数据Saas化应用；⑤第五个层次：商业......

主要分享内容第一，日志检索，日志全局检索。后面会展开，这个地方主要是以NginxPHP日志做事例。第二，实时CEP系统，类KV的处理系统。第三，实时流计算，流计算。......

制造业的飞速发展使产品数据数量不断增加，为顺应市场变化，多产品种类更使这一数量呈几何级数倍增，为手工管理产品数据、产品结构、产品文件及各类衍生信息带来了不便。......

当大家谈到提升数据中心带宽时，时间就是一切。面临的最大的挑战是如何应对未来发展，以及在不久的将来数据中心能够提供什么，并已经制定好未来发展方向与目标。......

数据挖掘则更偏向于“数据”而非算法，而且包括了很多数据的前期处理，用爬虫爬取数据，然后做数据的清洗，数据的整合，数据有效性检测，数据可视化（画图）等等......

从客户角度来看，选取一款BI和数据分析产品时，需要从哪几个方面考虑，怎样才算优秀的产品?有没有可以量化的公式?怎么考虑选型的性价比?......