ITPub博客

PG数据库的很多企业级运维功能还不完备，这对于从ORACLE等企业级数据库转型过来的DBA感受到不适。因为PG的运维中还是有很多小地方需要注意的，对于大型的企业级系统来说，如果忽视了这些问题，可能会引发运维问题。

即使在 Hadoop 时代的传统数据质量记分卡的鼎盛时期，也很少取得巨大成功。在过去的几年里，云计算和元数据管理方面的进步使得组织大量数据成为可能。

一般情况下，大多数系统在刚刚开始的时候往往因为开发时索引设计不够合理而产生了大多数的性能问题，最初的优化工作可以基于慢SQL的处理，通过索引的优化可以度过你最初的具有挑战性的日子。

在启用SWAP的数据库系统中，swappiness建议设置小一些，低于10，甚至直接设置为0，这样SWAP的使用倾向会小一些。

最近给几位数据开发转数据产品经理的同学做相关辅导，发现研发转产品在需求挖掘和产品思维方面普遍是短板。对于研发转产品顺利上岸后，如何才能提升产品能力呢？

过去几年，人们越来越关注如何用数据计算投资回报率。也许是因为数百万元花在了无法解决业务需求的平台和管道上——它们整合了数据，但并没有让数据变得更有用或更易理解。

如何评定企业数字化系统的应用价值?一个很直观的评价标准就是系统有没有真正应用起来!但对于大部分传统企业而言系统应用注定在坎坷中进行。

在当今竞争激烈的市场环境中，企业要想实现可持续增长，就必须深入了解并精准把握其用户的价值。其中，LTV(Lifetime Value，用户终身价值)分析作为一种关键的数据分析工具，正逐渐成为企业制定市场策略、评估投资回报以及优化用户关系管理的核心依据。

当前大部分企业在数字化转型建设过程中对于软件公司特别是一些软件大厂的印象均是：以客户为中心都是伪命题，为什么?

本文提出了知识图谱微调方法(KGT)，一种基于符号知识编辑的大模型个性化方法。KGT的核心思想是基于用户的查询和反馈抽取个性化的事实知识三元组，并通过固定LLM参数优化知识图谱中个性化知识的方式实现LLM的实时个性化。

当前谈到数字化转型大家都会不约而同的想到：投入成本是多少?要花多少钱?所以信息部门成为企业内第一大成本部门也不意外，做数字化项目节省资金投入无可厚非，特别是在当前降本增效的模式下，但问题就在于节省要合理而不是给后期“挖坑”，今天老杨就来总结一下企业在数字化转型建设过程中那些所谓的“省钱”之道。

随着生成式人工智能(Generative AI)的兴起，企业正站在全新的技术前沿。AI不仅改变了我们处理数据的方式，也为业务创新提供了无限可能。但在拥抱未来之前，我们首先需要回答一个关键问题：我的数据准备好了吗?

我国对于公共服务类系统的业务连续性要求是十分高的，也许这场蓝屏风波，能够给我们的一些IT部门领导敲响警钟吧。是时候重新评估一下这些系统是否能够满足企业的对外业务承诺。

他一直把国产数据库厂商当成自己的合作伙伴，虽然有时候这个伙伴也不大靠谱，但是几年来大家相濡以沫，把这项工作持续推进下去了 。随着时间的推移，数据库产品也在他们这样的用户的支持下越做越好，他们对国产数据库的信心也越来越足。

2024年7月19日雷军举办了第五次演讲，主题是“勇气”，讲述了小米造车时的勇气决策。那么雷军的演讲对企业数字化转型有哪些启示呢?作为米粉的老杨整理如下

替代成本中最为明确的部分是数据库许可证的采购成本，对于一个 大企业来说，可能拥有上千甚至数千个数据库实例。虽然国产数据库的单价不贵，但是架不住数据库数量庞大。

国产数据库刚刚开始在广泛的业务场景中替代当前最牛的数据库产品，遇到各种问题是必然的，在性能、功能、可靠性等方面与Oracle的差距也是全方位的。我们不应该避讳这些问题，而是正确地应对这些问题，问题总是能被解决的，只有在实战中不断地解决问题，才会越做越好。

数据产品求职面试过程中，经常会被问到数据仓库相关的知识，尤其是对于数据资产管理与数据治理方向，可以说是必答题，其中一个高频的问题就是对数仓建模理论知识的了解，比如，数据仓库分层理论以及常用的建模方法，星型模型和雪花模型有什么区别，各种有何优劣势，适用场景是什么等。

去O的单位可以根据自己的实际情况来做选择。可以从自己总体成本考虑最佳的模式，部分使用开源数据库来降低成本，不过为了应对今后更加严格的行业监管要求，要考虑选择今后迁移成本更低的开源数据库产品。

数字化转型建设的迷局需要企业与软件公司共同来破解，任何一方的不给力都会加重迷雾的状态，因此双方急需转型，不仅急需转意识、转认知、转能力，更需要转模式、转策略、转路径。