ITPub博客

在这篇文章中，我们将从数据可视化在教育场景中的应用、教育场景下数据可视化系统的设计原则、实现步骤以及未来的发展趋势等方面进行探讨。

经历过了几年疫情，行业内都普遍认为企业领导对于数字化的重视程度在提高，毕竟数字化的技术能力及所取得的成果在这两年是有目共睹的，于是从今年年初到当前各大数字化会议、高峰论坛在线上线下是一场接一场

一个仅仅知道写SQL的用户是不会去关注SQL执行引擎里是否使用了向量计算，他们只会关心自己的SQL是不是能够又快又准确的获得结果。在最近这两年的数据库产品的发布会上，我很少看到某个数据库厂商宣称更好的支撑了某些用户应用场景，而都是介绍一些用户都不大明白的高大上的技术。

在一般人看来数字化属技术使然，相对单纯，所以在数字化建设过程中如果项目失败了，大部分人都会认为是系统的错，或者说是信息部门的技术能力不足，但拨开数字转型失败的层层迷雾，认真分析一下其中原因，就会发现其实真相只有一个：江湖凶险。

人们对数据产品的含义都有不同的看法。我认为，如果数据产品要取得成功，就必须清楚、明确地了解它是什么，同样重要的是，必须了解它不是什么。

业务方成天提一些很“奇葩”的报表需求，啥啥说不清，数据没来源，还张嘴马上要;我们费九牛二虎之力做出来，业务又不怎么用!想知道怎么破局?

数据资产生命周期通常包括数据产生采集、数据转换、数据存储、数据分发、数据使用和数据存档及销毁等阶段。

数据驱动的企业是那些使用数据和分析做出决策的企业。如果使用数据来推动企业想要的结果，那么导致这些结果的决策将根据事实而不是直觉做出。

商业智能(BI)的发展阶段，当前能达成共识的是分为三代技术，每一代由解决方案提供的可访问性、速度、数据集大小和洞察质量来定义。

结合我自己在带新人中的体会是，需要先锻炼好自己的职场技能，这样有助于专业技能的成长。下面我列出来几个非常基本，又非常重要的职场技能。

在本文中，我们将通过概述数据仓库设计和数据仓库开发步骤的两种基本方法来深入探讨数据仓库实现的细节。

实际上数据库应用场景的复杂性决定了不同的用户对自己的数据库选型都有一套自己的看法，可能对别人来说，不一定合适，不过可能只有自己会知道，这种选择是合适的。鞋是不是合适，只有脚知道。

首先简要看看系统集成时接口应用的一类典型场景，例如以ERP系统(财务、供应链、生产等)为核心的系统集成，可能包括主数据管理系统、报销管理系统、司库系统、OA、HR、CRM、MES、PLM等系统，系统较多时也可以使用企业服务总线(ESB)或者接口管理平台更好的管理数据包的收发。

本期我们邀请到了创邻科技创始人&CEO张晨，他认为在越来越广泛关联的世界，图数据库的理想状态是做一个中间连接器。目前图数据库还处于非常早期的发展阶段，很多论断现在都言之尚早，底层技术需要更多时间去培育。

数据库管理员DBA和数据架构师在管理具有不同要求和行为模式的系统时可能会遇到一些挑战。Pure Storage的首席解决方案经理Andrew Sillifant阐述了六种最常见的数据库挑战以及应对这些挑战的解决方案。

无论做搜索，还是推荐，都绕不开一个重要的概念：标签。今天我们来聊一聊搜索、推荐当中的标签到底是怎么做的。

本文为数仓扫盲系列第二篇文章，介绍了数仓的MPP架构和分布式架构等不同架构的优缺点和特性。

本文是数仓扫盲系列文章的第一篇，介绍了数据仓库的基本概述，包括数仓的诞生原因、数仓的基本特点等

在通向数字化企业的路上，经历了三两年的建设尝试，不妨重新审视一下自身的数字化战略定位。只有把战略定位搞清楚了，才能真正明白通过数字化转型达到什么目的。本文总结了三种典型的战略定位，供朋友们参考。

HR SaaS领域的大模型产品来了，6月28日，HR SaaS厂商Moka发布了基于大语言模型的AI原生HR SaaS产品Moka Eva。