ITPub博客

一直以来企业的数字化转型建设总是在争议与质疑声中进行，企业引进了各种系统应用的效果到底如何，是否真正达到了立项时所说的降本增效，领导提出了此类问题，而大部分的企业CIO此时却只能抓耳挠腮一时间不知如何应对。

当前大部分的传统企业都在说自己在做数字化转型，但其实都是在做数字化建设。这两个词看似简单，仅有两字之差，但实际成果却是有着本质的区别。

目前大部份行业分析还聚焦在Open AI，Langchain这些和Generative AI直接相关的企业和产品上。实际上，企业软件市场的感知和行动已经非常迅速。在此项技术进入公众视野18个月后，我们来盘点一下领先的企业软件应用是如何利用Gen AI技术的。

紧急故障发生的时候，及时止损是首要考虑的问题，不过很多朋友都会选择较为完美地解决问题，或者说在选择策略的时候忽略了某些方案的风险。一旦意识到风险存在，可能已经悔之晚矣。

在数字化转型这件事上，大部分企业管理者认为非常的容易，无非就是各种系统买买买，其实老杨认为这只是一种战术上的勤奋，企业真正做数字化需要的是战略。

机器学习、深度学习和大模型，经常傻傻的分不清，这里将结合图文跟大家讲清楚。假设我们有一个文本情感分析的任务,需要判断一段文本的情感是正面、负面还是中性。本文分别介绍了机器学习、深度学习和大模型的实现方式。

我觉得只有国产数据库也像Oracle那样，在自己的官网上公布上百万个BUG和补丁，那么我们的国产数据库才算真的成熟了，用户可以放心大胆地去购买了。Oracle上千万的BUG报告，是它最好的勋章。

用户已经习惯了低价高质量的服务。那么国产数据库厂商就卖不出高价格的服务，而没有高收入，真的会有大量的高水平DBA愿意投入到国产数据库服务中去吗?这个课题已经摆在了国产数据库厂商和正准备从事国产数据库第三方服务的厂商面前了。

信息部门首先做的是对内服务的工作，面对、连接的是企业的员工、领导，因此每一位成员的工作态度、处事风格、技术能力等等都可直接影响部门的形象，因此信息部门要学会如何维护自身的形象，如经营品牌一样经营自身的形象？

在近一个小时的直播中，胡总以本企业AI应用案例为基础从四个方面深入浅出的进行了分享：当前可应用的AI产品、企业该如何选择AI产品、工作场景应用AI的技巧以及如何避免踩坑降低试错。

提到国产数据库，大家的态度惊人相似，引用其中一位运维部门负责人的话就是：“一声叹息”。某个数据库用起来挺简单的，也挺稳定，就是性能不行，跑个负载高点的，业务复杂点的业务就撑不住了。

2024年的企业数字化转型建设对于甲方企业的信息部门而言可以说是异常的艰难，每天打开网站看到的新闻不是某某互联网企业开启广进计划，就是某某大厂启动毕业典礼，对于大部分的传统企业而言受高度不确定的市场影响裁员是风暴一波接一波，理由很简单那就是降本增效，其中在裁员风暴中受伤最深的可能非信息部门莫属

分布式数据库的复杂度远远高于集中式数据库，其最关键的一点就是节点和组件众多，精细化管理众多的节点会带来很多问题，其中一个比较麻烦的问题就是参数管理。

​在当今的数字时代，数据仓库和数据湖已成为存储和分析大量数据的核心，为各种数据管理挑战提供可扩展的解决方案。探索数据仓库和数据库的多样化世界，比较AmazonRedshift和MySQL等主要参与者，以确定最适合您的数据管理需求的解决方案。

除了企业战略问题、资金问题、企业领导人的意识问题、运营管理问题等等，还有一条原因是极易忽视的，那就是信息部门本身的问题，比如最常见的沟通问题，考验的是信息部门人员的情商，而非技术能力

当前谈到数字化转型，大家可能都会不约而同的想到用什么样的系统来实现，于是我们看到在企业里每一个数字化项目在立项、选型阶段都会被众多的软件公司所包围，在众多的方案面前企业也是挑花了眼

今天分享一点Oracle故障诊断时用得着的知识，不需要完整地阅读后面的内容，可以收藏起来。不过一些常见的三字缩略语，最好还是能够记住，对于你分析问题的时候初步确定思路十分有帮助。

当前一提到中小企业数字化转型，在很多人的认知里就是缺资金，其实认知远比资金更重要，当前大部分的中小企业还在意识与认知的过渡期中徘徊不前，虽说应用了一些数字化工具，但由于缺乏数字化的应用方法与能力导致效果平平，更不要再提所谓的价值了。

Oracle与DB2的这种从基本产品理念上的差异使Oracle DBA和DB2 DBA之间也形成了两个相互隔离的群体，因为二者在运维理念上存在巨大的差异。

不断地前瞻性地预测行业发展的未来，不断优化与提升自己的基本技术能力，是在这种疯卷的行业里生存的一种模式。虽然这种模式无法把企业做得很大，不过如果你是对技术有爱好的，那么你可以在这个行业里过得比较滋润。破解“卷”的世界，可能最有效的方法还是努力提升自己。