-
从0到1创建智能灰度数据体系 以vivo游戏中心为例
所属栏目：[大数据] 日期：2022-08-23 热度：162
本文介绍了vivo游戏中心在灰度数据分析体系上的实践经验，从实验思想-数学方法-数据模型-产品方案四个层面提供了一套较为完整的智能灰度数据解决方案，以保障版本评估的科学性、项目进度以及灰度验证环节的快速闭环。该方案的亮点在于，指标异动根因分析方[详细]
-
两种主流大数据系统架构的差异 终于有人讲明白了
所属栏目：[大数据] 日期：2022-08-23 热度：79
同样都可以处理大规模数据的MPP数据库架构与Hadoop体系架构属于不同的技术体系，二者没有直接的相关性，却常常被放在一起进行比较。特别是在企业数据仓库建设中，MPP架构与Hadoop架构代表两类典型的技术路线选型，事实上，在2015年左右甚至有人认为基于Had[详细]
-
一文看清楚 数据指标体系的几大类别
所属栏目：[大数据] 日期：2022-08-23 热度：74
很多同学问：有没有普遍的、一般的指标体系梳理方法？网上常见的指标体系分享，大多是互联网的AARRR一类，现实中情况却很复杂。普遍的方法当然有，就是基于业务逻辑，梳理指标体系。从本质上看，数据指标体系有4大类型，针对四个不同的业务逻辑。今天来系[详细]
-
Python实行数据可视化 你会用什么库来做呢
所属栏目：[大数据] 日期：2022-08-23 热度：106
用Python进行数据可视化你会用什么库来做呢？ 今天就来和大家分享Python数据可视化库中的一员猛将Altair！ 借助Altair，我们可以将更多的精力和时间放在理解数据本身及数据意义上，从复杂的数据可视化过程中解脱出来。 简单来说，Altair是一种可视化语法，[详细]
-
如何策划数据可视化平台
所属栏目：[大数据] 日期：2022-08-23 热度：197
最近在项目上常常听到这样的话：我想要一个酷炫的数据大屏，设计一定要有科技感，这个可视化设计没有重点每当听到这些需求，作为设计师一般都是欲哭无泪的。到底什么叫酷炫有科技感？客户理解的数据大屏什么样？是数据还是可视化出了问题？？ 这篇文章将会[详细]
-
未来已来 Cloudera拥抱混合数据年代
所属栏目：[大数据] 日期：2022-08-23 热度：194
我们生活在一个混合数据的世界中。在过去十年间，世界创建、捕获、复制和使用的结构化数据量已从2011年的不到 1ZB 增长到 2020 年的近 14ZB，这已经很惊人了，但还有另外更巨大的 50ZB数据非结构化数据、云数据和机器数据。 对于Cloudera来说，这是一个回[详细]
-
浅析大数据的数据灾备建设
所属栏目：[大数据] 日期：2022-08-23 热度：130
大数据时代，数据呈爆炸趋势增长，很多企业都从大数据中获得了利益，推动各自的业务上升了一个台阶。通过大数据技术的完善尤其是大数据和云容器技术相结合，各个企业已经把自己的重要业务迁移到了大数据平台。与此同时企业对数据可靠性和业务连续性保证的[详细]
-
怎样用好数据科学
所属栏目：[大数据] 日期：2022-08-23 热度：120
很长一段时间以来，数据科学一直被视为科技和商业领域的下一次重大革命。最近几年增加了不少使用数据科学应用的企业。根据Statista的数据，截至2021年，近60%的公司在其团队中拥有至少50名数据科学家。 然而，如果客观地看待，数据科学提供的结果与它的期[详细]
-
交通领域的物联网如何使大数据之于企业产生价值
所属栏目：[大数据] 日期：2022-08-23 热度：51
全球物流市场不断增长，科技正成为发展的主要触发器。 企业正在寻找用于运输的物联网解决方案，以帮助他们提高供应链的可见性、改善物流各个阶段的运营并节省资源。 这可以通过使用物联网设备收集有关物流过程的数据并将其转换为有价值的业务信息来实现。[详细]
-
终于有人把Hadoop大数据系统架构讲清楚了
所属栏目：[大数据] 日期：2022-08-23 热度：156
传统的系统已无法处理结构多变的大数据，而高性能硬件和专用服务器价格昂贵且不灵活，Hadoop因此应运而生。Hadoop使用互连的廉价商业硬件，通过数百甚至数千个低成本服务器协同工作，可有效存储和处理大量数据。 1.Hadoop生态体系 Google通过三篇重量级论[详细]
-
Kafka 万亿级消息实践之资源组流量掉零故障排查分析
所属栏目：[大数据] 日期：2022-06-27 热度：55
Kafka 万亿级消息实践之资源组流量掉零故障排查分析： 一、Kafka 集群部署架构 为了让读者能与小编在后续的问题分析中有更好的共鸣，小编先与各位读者朋友对齐一下我们 Kafka 集群的部署架构及服务接入 Kafka 集群的流程。 为了避免超大集群我们按照业务维[详细]
-
用Elastic Block Store EBS 改善性能和数据可用性
所属栏目：[大数据] 日期：2022-06-27 热度：157
如今，许多数据库即服务（DBaaS）解决方案将计算层和存储层分开来，比如包括Amazon Aurora和Google BigQuery。由于数据存储和数据复制可以由现有服务来处理，DBaaS无需担心这种复杂性，这种解决方案很有吸引力。然而，这种设计的性能有时可能不如传统方式[详细]
-
大数据依赖不可取
所属栏目：[大数据] 日期：2022-06-27 热度：166
当下没有人会忽视大数据的重要作用。在生活的一切方面，大数据都潜在地发生着作用，特别是在管理层面，大数据已经成为重要的辅助工具。站在当前的角度来看，没有大数据，经济社会管理工作几乎就没有办法正常进行。 对传统统计数据的依靠和对现代大数据的依[详细]
-
区块链为大数据分析提供机会
所属栏目：[大数据] 日期：2022-06-27 热度：161
大数据能够获得实践应用并被各行各业青睐，最重要的原因还是大数据分析得出的结论具有指导意义，能够为行业决策提供数据统计基[详细]
-
技术迷途者指南 我有问题 你有解吗
所属栏目：[大数据] 日期：2022-06-27 热度：154
在日常工作中，我们可能会遇到各种技术问题，比如运维、开发、框架、操作系统等领域，不同的技术人，碰到的难题也不尽相同。为了帮助大家更好的解决问题，51CTO技术交流群针对一些技术问题展开了深入的讨论交流。51CTO对其中精彩问答进行了整理，并通过文[详细]
-
挖掘互联网开放数据可带来巨大商业价值
所属栏目：[大数据] 日期：2022-06-27 热度：66
星巴克的门店选址方法 20世纪80年代末，美国星巴克公司董事会名誉主席霍华德舒尔茨(Howard Schultz)曾经在西雅图总部组建地产团队，专门研究咖啡门店的选址。 他们除了有着专业的地产团队外，还有地理信息系统进行数据化分析，从而决定开店位置和营销方式[详细]
-
2022年优秀预测分析工具和软件
所属栏目：[大数据] 日期：2022-06-27 热度：88
数据管理一直是企业面临的挑战。随着新的数据源不断涌入，使用合适的工具比以往任何时候都更为关键。预测分析工具和软件是完成这项任务的最佳解决方案。数据专家和商业管理者必须能够组织和清理数据，以启动这一进程。随后是对数据进行分析，并与同事分享[详细]
-
使用替代数据的五个隐性成本
所属栏目：[大数据] 日期：2022-06-27 热度：176
如今，替代数据源已嵌入到各个行业的企业业务流程中。根据Lowenstein Sandler 律师事务所2022 年的一项调查，92% 的投资机构(从对冲基金、私募股权到风险投资)都在以中等或很大的程度使用替代数据来为决策提供依据。受访者还预计，他们在 2022 年对替代数[详细]
-
具备可视化的数据不仅可以节流 还可以开源
所属栏目：[大数据] 日期：2022-06-27 热度：142
当数据团队在谈论具备可视化的数据和数据质量高的好处时，通常只会涉及数据不完整带来的负面影响：决策不力、收入流失，甚至降低客户的信任度。 Gartner预测，糟糕的数据质量使企业每年损失1290万美元，因此具备可视化的数据成为非常重要的选择。 如果公司[详细]
-
详解元宇宙的七层产业链
所属栏目：[大数据] 日期：2022-06-27 热度：119
详解元宇宙的七层产业链： 1. 体验层映射现实世界的生活场景 元宇宙中的体验并不是打造简单的立体空间中的沉浸感，它可以把人类生活场景的方方面面映射进数字世界。当物理世界数字化之后，体验可以变得更加丰富。元宇宙可以帮助人类拓展边界，在虚拟世界中[详细]
-
用 Spark SQL 实行结构化数据处理
所属栏目：[大数据] 日期：2022-06-27 热度：69
Spark SQL 是 Spark 生态系统中处理结构化格式数据的模块。它在内部使用 Spark Core API 进行处理，但对用户的使用进行了抽象。这篇文章深入浅出地告诉你 Spark SQL 3.x 的新内容。 有了 Spark SQL，用户可以编写 SQL 风格的查询。这对于精通结构化查询语[详细]
-
数据驱动业务的18个有效战略
所属栏目：[大数据] 日期：2022-06-27 热度：177
你老想着数据驱动业务，但发现有力无处使，或者没人鸟你，我也有同样的经历，下面有18条策略锦囊，望你笑纳。 第一条 数据驱动业务中的数据广义来讲不仅仅是指存储在大数据平台的那堆数据(反映客观事实)，也包括战略、组织、机制、流程、人性、认知、客户[详细]
-
实施合理的数据收集策略的关键性
所属栏目：[大数据] 日期：2022-06-27 热度：74
数据已经成为企业最宝贵的资产之一，而一些企业仍然否认它的重要性，但他们对接受它的犹豫正在消退。一项民意调查发现，36%的企业认为大数据对他们的成功至关重要。 然而，许多企业仍在努力制定持久的数据战略。最主要的一个问题是他们没有可靠的数据收集[详细]
-
大数据能为建筑能源管理做些啥
所属栏目：[大数据] 日期：2022-06-27 热度：133
近年来，对降低碳排放水平和提高能源效率的兴趣导致智能建筑技术呈指数级增长。 最重要的是，物联网扩大了互连设备和建筑管理系统的可能性，以实现更好的能源管理。然而，真正实现其潜力需要组织和分析楼宇自动化系统生成的大型数据集。 实时管理和维护大[详细]
-
为啥不能忽视建筑物中的数据解析
所属栏目：[大数据] 日期：2022-06-27 热度：94
想象一栋建筑，其中创新的管理系统不断提供有关内部情况的简单而有意义的信息。 这些数据可用于提高效率、开发更智能的设备维护协议、创建更健康的建筑环境，并最终让使用者更快乐。 现在，考虑一个没有用于监控其系统的分析的建筑物。设备出现故障，存在[详细]
