-
编辑 删除
AI时代DBA的变与不变
随着AI的快速发展，知识学习也有了更好的工具和方法，传统的买本实体书来死啃的方法已经不太合适了。充分利用AI技术来帮你学习新知识，阅读新书，整理知识，总结经验，可以让你的学习过程效率倍增。花点时间去打造你自己的AI知识体系就像是二十多年前花钱去买别人写的工具脚本一样，是未来DBA能够在同行中鹤立鸡群的一种有效的方法。
-
编辑 删除
2024年全球高温超导材料市场洞察与展望：商业进展加速，应用进入新阶段
2020年以来，随着以REBCO为代表的二代高温超导带材的发展，部分技术领先公司大规模制备工艺逐步成熟，产品良率明显提升，成本快速下降，逐步在应用领域打开空间。二代高温超导带材在磁约束可控核聚变、电力超导电缆及电力应用、高温超导电磁感应加热等下游领域的商业化进程正在加速推进。
-
编辑 删除
DBA学习数据库知识的渠道
如果不借助AI知识库，把电子书籍拆解后，一段段地交给DeepSeek这样能力比较强的AI大模型，让它帮你提炼总结，某些知识点。通过DS的联网搜索能力和强大推理能力加持，学习效率会有很大的提高。
-
编辑 删除
数据库的易用性是多维度的
提高国产数据库的易用性，并不见得非得和Oracle去做更高的兼容性，而是要让自己变得公开透明，让更多的用户了解自己的产品的基本概念和内在原理。
-
编辑 删除
狂欢过后，企业将如何选择：是深入应用Deepseek技术，还是让其逐渐淡出视野？
DeepSeek 在企业应用的道路上，正面临着严峻的抉择：是突破重重困境，走向深度应用，还是在诸多阻碍下，陷入沉寂，最终逐渐淡出视野?
-
编辑 删除
国产数据库的生态
因此国产数据库的良好生态的形成，还得等几年，等到大家都不亏钱了，才能形成良性循环的国产数据库生态圈。而在这个圈子里打拼的生态参与者，活下来可能是最好的选择。
-
编辑 删除
企业数字化选型全攻略，一文带你看明白！
企业数字化选型是一项系统而复杂的工程，需要 CIO 从多个维度进行全面考量与精准把控。只有充分识别潜在风险，并采取切实有效的规避措施，才能确保数字化选型项目成功落地，记住，选型不是“一锤子买卖”，而是企业数字化转型的第一步。选对了系统，才能为未来的数字化之路打下坚实基础!
-
编辑 删除
大厂青睐的数据思维，该如何修炼
数据思维，是很多大厂面试考察要点，也是很多公司领导挂在嘴边的东西。但什么是数据思维?既然名叫“思维”，那指的就是一种思考方式，而不是机械背诵某段代码或者公式。有很多题目，能测试出数据思维。今天就通过一个简单的小题目，带大家体验下
-
编辑 删除
企业如何部署并深度应用 DeepSeek？
AI深度应用的基础就是数据，一些传统企业数字化建设较早，因此数据量庞大且架构复杂，比如某制造企业，光是清理近十年积累的订单数据就花了三个月。这还算快的，前期是业务部门还得积极配合。
-
编辑 删除
数据团队在构建符合道德的人工智能中会起到什么关键作用
在这篇文章中，我们将探讨人工智能中的三个道德问题、数据团队如何参与其中，以及作为数据领导者今天可以做些什么来为未来提供更符合道德和更可靠的人工智能。
-
编辑 删除
尊敬的 IT 部门，请停止尝试构建自己的 RAG
上周，我观看了一支技术实力很强的工程师团队演示他们崭新的 RAG 管道。全部由内部开发。他们感到自豪。他们很兴奋。他们有向量嵌入!他们有快速的工程设计!他们……不知道接下来会发生什么。
-
编辑 删除
传统企业在 DeepSeek 认知与应用方面剖析
目前大多数传统企业在运用DeepSeek或AI工具时，除了在一些简单场景中能够应用外，更多则是困惑。企业不清楚如何将 DeepSeek 等 AI 技术与自身的业务战略相结合，缺乏明确的 AI 应用战略规划。这种战略上的迷茫，使得企业在 AI 应用过程中缺乏方向，盲目跟风，难以取得实质性的成果。
-
编辑 删除
互联网 VS 传统企业，数据分析的“代沟”有多大？
虽然名为互联网/传统企业，可在互联网+的大趋势下，有越来越多的场景是相通的。想要找到更高薪资，更合适自己的机会，不是简单分成互联网/传统，而是结合自己的经验，在某个领域多积累经验，才能拿到高P岗位。不认真研究场景，单纯刷SQL题，背诵AARRR，不但体现不出优势，还会因为竞争力差，被各路人马排挤。
-
编辑 删除
高水平的推理的基础是高质量的知识工程
现阶段，想依靠deepseek的能力完全替代专家，和当年AIOPS替代专家一样遥不可及。哪怕是满血的deepseek 671b模型，里面的数据库领域知识恐怕都还是不足以匹敌真正的专家的。更何况在deepseek里，国产数据库的运维知识更加缺乏，哪怕在Oracle、MySQL上有一定的效果，到了国产数据库领域，可能还是需要大规模的知识工程才行。
-
编辑 删除
对于企业而言DeepSeek还是热情来学习，理性去落地，小心被割了韭菜！
对于企业来说，DeepSeek值得热情学习，但需理性落地，谨防被割韭菜!现在很多企业老板都盼着马上引入 DeepSeek，在工作场景落地，实现裁员、降本增效。想法很正常，谁不想花小钱办大事?但这真的可行吗?
-
编辑 删除
工具是DBA思想的延伸
有句老话说“磨刀不误砍柴工”，这句话对于DBA来说，也是十分有意义的。很多DBA都会把大多数的时间用在学习数据库的技术方面，而很少去关注其他方面的东西，比如操作系统、网络、存储、主机等，理由是数据库的知识已经学不过来了，哪还有精力去学这些东西。实际上，作为DBA应该了解一些数据库之外的知识，特别是中间件、存储、网络。
-
编辑 删除
AI+BI | 浅谈大模型技术如何助力BI3.0的发展
随着大语言模型(LLM)技术的快速发展，其在BI领域的应用已成为必然趋势，推动着BI2.0向BI3.0快速演进。AI+BI的融合发展将助力企业以更低的成本和更高的效率获得更有价值的洞察，从而推动更加精准的业务决策。
-
编辑 删除
DeepSeek等AI产品如何重塑数据分析师的工作
近年来，以ChatGPT为代表的AI产品正在深刻改变数据分析领域的工作方式。这个春节又被DeepSeek刷屏，这些智能工具不仅能够自动化处理海量数据，还能通过机器学习算法发现数据中的潜在规律，为决策提供支持。
-
编辑 删除
CIO如何面对部门人员被优化后留下的烂摊子
在当前高度不确定的市场环境下，大部分传统企业的生存都面临着严峻的考验，于是人员优化已成常态，信息部门正是首当其冲，由于信息技术的专业性，往往一个岗位的人员变动会留下诸多棘手的问题，如何妥善应对这些遗留难题，成为 CIO 展现领导力与管理能力的关键考验。
-
编辑 删除
领域大模型+专业经验+推理能力构筑DBAIOPS的基石
其实两年前我曾经尝试用大模型构建AIOPS的模块，但是最后还是放弃了。虽然大模型推理在SQL优化，执行计划分析等方面取得了不错的效果，但是在其他领域的效果一般，只能作为一个玩具玩玩，无法实现商业价值。DeepSeeK的出现改变了大模型在数据库智能化运维领域的态势，因此我必须重新思考一下如何利用生成式AI来进一步发展我们正在做的DBAIOPS了。
