ITPub博客

当前高度不确定的条件下，很多企业也在思想意识上开始重视数字化，而这种所谓的“重视”可能只是某些管理层为绩效难以实现找的一个借口

那些经常使用数据的人了解它对我们组织的价值以及利用它来提供更多有形价值的必要性。我们知道，要实现这一目标，应该有适当的工具和人员通过数据所有权和数据管理亲自负责数据。

在数据管理中，数据准确性是数据质量框架的首要组成部分和标准。杰克·奥尔森 (Jack Olson)撰写的一篇著作《数据质量：准确性维度》将形式和内容解释为数据准确性的两个最重要特征。

数据湖是近两年中比较新的技术在大数据领域中，对于一个真正的数据湖应该是什么样子，现在对数据湖认知还是处在探索的阶段，像现在代表的开源产品有iceberg、hudi、Delta Lake。

协同是数字时代企业打破内外部边界，全方位提升管理效率的最佳手段，从管理角度讲协同打破了组织边界，打破厚重的部门墙;从技术角度讲，协同打通了数据孤岛，让数据流动起来产生新的价值，所以，企业的数字化建设应从协同做起。

我们每天都会收到各种各样触达信息，就在这小小的信息里，蕴含了不少的智能技术。本篇文章介绍了严选触达场景下的智能化技术，包括人群、方式、创意、福利等因素的决策。

这些年里，互联网企业的技术输出十分猛烈，他们带来了一种新的思路，那就是我们不需要过多的依靠强大的数据库，而应该让复杂的业务逻辑回归于应用本身，让数据库回归到主要是持久化数据这条路上。

在三大银行倒闭、持续的技术裁员和对先进的人工智能(AI)越来越感兴趣的情况下，大多数接受调查的技术主管(94%)表示，整个公司的创新将帮助他们走出当前的经济衰退，成为一个比以前更强大的公司。

搜索，推荐，大多数的场景下都是面向C端的流量分发，那么B端能不能做搜索推荐策略呢?我之前是做B端产品经理能不能转去做搜索推荐策略产品经理呢?

其实大部分传统企业做数字化转型初期都会面临各种迷茫，不知道从何处下手，特别是数字化基础薄弱的公司，这个时候很多企业都想借助外力来实现弯道超车，比如想聘请专业的咨询团队，但在借助外力之前，企业必须考虑清楚需求、路径和目标

今天我要给大家分享的是部分索引和覆盖索引，实际上我们的很多应用系统中都可能会遇到类似的应用场景，而以习惯而言，我们会中规中矩的使用与Oracle类似的方法来创建索引，实际上在PG数据库里我们完全可以采用一种新的思路来建索引。

为业务词汇表、数据目录、数据沿袭工具或数据质量工具构建业务案例涉及确定数据治理工作将解决的具体问题或机会，然后量化实施解决方案的潜在财务和运营收益。

以往，数据部门只是一个纯粹的成本中心，通过系统建设和数据服务，为其他部门提供“数据类”后勤服务，而随着数字化浪潮袭来，产业端的数据价值不断被挖掘，给企业前端业务赋能。数据部门的地位也在这个变革中，逐步得到提升。

未来零售CIO需强化数字基础设施以支持零售业务全渠道体验。IDC研究表明，全球64%的零售商CIO制定了变革计划，以防在2023年经济突然发生变化时，能快速调整预算支出和分配。

CHATGPT的善解人意，行业应用还没有开展起来。我们一直是做运维知识自动化的，而大语言模型正好是知识的最佳载体

如果你问公司的数据团队：“你们最核心的能力是什么?” 答案就不那么显而易见了，数据能力是一个非常模棱两可的词，既包含技术能力，也包含业务能力，如果数据技术做到顶尖，似乎应该归属到技术团队去，如果业务能力顶尖，那业务团队才是归宿。

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。

通过应用修改去避开数据库的坑，或者使用群殴战术打群架，抑或是先用比较高配的硬件去顶一下，都是可行的方案。如果国产数据库的客户群体丰富了，那么再过上三五年，水平自然也就提上来了。

在当今成熟的传统数据仓库市场中，进步的、数据驱动的组织正在积极利用 Data Fabric 解决方案作为对现有数据仓库策略的补充。通过使用 Data Fabric，组织可以再次解放他们的数据——将其从聚合池中提取出来，并将其转化为情境化知识，以实现他们对高级分析的期望。

交易数据和分析数据之间的关系总是有点紧张。通常通过他们共同的朋友——数据管道进行交流。它至少稳定了二十年。但现在不安情绪正在增长。