ITPub博客

以规范的方式来管理企业的数据资产已经被广泛接受和认可，但还需要组织架构、原则、过程和规则，以确保数据管理的各项职能得到正确的履行。由于数据管理切入的视角和侧重点不同，业界常见的对数据治理的定义已经在几十种，到目前为止还未形成一个统一标准的定义。

根据我的经验来看，通常情况下，企业BI项目建设有两种情况，独立开发或者是乙方参与，具体选择哪一种主要看企业的IT部门是否具备了独立建设BI项目的能力，如果没有的话，那就要引入BI产品供应商，或者找外包项目团队，当然这种花的钱要更多。

先明确这里讲的 DBA 指的是专职负责数据库管理的人员，不算还身兼其他职责的人员，也不包括数据库内核开发人员。那么正常一个公司该养几个 DBA 比较合适呢?文章按照公司的发展阶段进行阐述。

2024 年的数据与人工智能的趋势与管道和激活有关，特别是对于关注数据质量、平台架构和治理的人工智能而言。服务于多种信息角色的自主代理和任务助理可以部分或完全自动化所需的活动。

HTAP数据库核心的技术评价主要包括处理混合负载的性能、OLAP与OLTP之间的数据同步延迟(数据新鲜度)两大方面。虽然目前针对HTAP型数据库，有CH-benCHmark、HTAPBench、OLXPBench、HATrick等测试基准，但这些测试基准在数据模型、工作负载、评测指标方面无法支撑对HTAP的核心技术进行评价。

每个企业的实际情况不同，其需求是不同的，作为一个用户你说不需要某个功能是完全没毛病的，不过作为数据库厂商，需要为各种各样的应用场景提供解决方案。

一个完备的数据底层建设可以为企业提供坚实的基础，确保数据中台的成功实施和运营。简单来说，数据底层建设包括数据采集、数据集成和数据治理三部分。

其实关于DBA团队规模的话题没有一个可以定量的结论。因为有的企业甚至没有这个岗位，更加别说相关的人了。

竞品分析是企业发展过程中绕不开的一个领域，对于数据分析相关岗位而言，类似战略分析师、商业分析师，都需要具备或多或少的竞品分析能力。本章，小火龙带大家了解一下竞品分析是如何做的，以及其中可用于度量的相关指标。

管理这些附加MetaData信息的目的，一方面是为了让用户能够更高效的挖掘和使用数据，另一方面是为了让平台管理人员能更加有效的做好系统的维护管理工作。

昨天一个网友问我一道关于PG的选择题：Postgresql数据库中哪些进程可以将shared buffers中的脏数据回写到数据文件?PG在刷脏块的算法方面的设计比较传统，这种设计是从90年代一脉相承的，改起来成本较大，所以就一直沿用下来了。

二十多年前，IT管理方面相对比较粗犷，到用户现场时候也没太多流程和管控措施，早期甚至把自己的笔记本电脑连到用户的网络上就开展工作了。自己带的各种工具用起来很方便。这种管理模式漏洞很多，不利于企业IT的安全管控，因此很快堡垒机、运维专区等纷纷建立。再去用户现场干活的时候只能用客户提供的运维终端了。

当前国内高度不确定的的市场环境迫使一些国内企业出海谋求发展，但异地管理又成为了企业的一大问题，特别是财务管控，出海前期需要大笔的资金投入，如何既能保障海外企业充足的现金流，又要保障资金使用的合理性、合法性、规范性

没有任何一个第三方比你们更清楚自己企业的业务，而业务对IT的成功是第一位的，但外力最缺的，往往就是业务能力

在携程，很早就有一些业务尝试了图技术，并将其运用到生产中，以Neo4j和JanusGraph为主。2021年开始，我们对图数据库进行集中的运维治理，期望规范业务的使用，并适配携程已有的各种系统，更好地服务业务方。经过调研，我们选择分布式图数据库Nebula Graph作为管理的对象

今天与大家分享的内容是GPU加速的基于矩阵运算操作的图分析框架的设计与实现。GPU加速的基于矩阵运算操作的图分析框架这一研究问题的兴起，与GPU硬件的广泛使用以及图计算的发展息息相关。

本文将主要介绍携程市场内容PGC团队采用低代码平台的背景、方案调研、落地过程中遇到的问题以及解决方案，同时也大致介绍了该低代码平台提供的能力。

如果没有强大的数据目录功能来搜索数据资产和执行数据发现，那么一个好的元数据平台是不完整的。从长远来看，数据目录反映了企业 IT 环境。它是企业数据发现的主要入口点。以此为背景，让我们深入探讨数据目录如何成为激活元数据平台的催化剂。

金融机构逐步完善数据治理和数字化转型的关键在于将数据“管”与“用”有机结合。数据管理为数据应用奠定坚实的基础，帮助数据资产价值实现，而数据应用则引导数据管理逐步成熟。两者相互依存，缺一不可。

石油和天然气行业是世界上最复杂、数据最密集的行业之一。该领域产生的数据量巨大，其正确的管理和架构对于成功至关重要。