数据人员如何破解“被动”和“低价值”的“魔咒”
综上,破解“被动”和“低价值”的“魔咒”,宏观层面,在于企业架构的良好设计和不同架构之前的润滑衔接;微观层面,在于数据人员和数据团队的“软硬双升”。
数据治理的兴与衰,如何进行数据治理?
数据治理在炒作周期中迎来翻转。90年代末,元数据管理作为使数据可操作和可信赖的银弹,突然乍现。十几年后,这个行业充斥着失败的、由高层领导推动的计划
数据驱动业务的18个有效策略
你老想着数据驱动业务,但发现有力无处使,或者没人鸟你,大鱼也有同样的经历,下面有18条策略锦囊,望你笑纳。
再谈:数据治理的长效运营机制!
企业数据治理是一项连续性的工作,需要有长效运营的机制来支撑,不断巩固和加强数据治理效能,助力企业数字化业务的深入发展。建立企业数据治理长效运营机制的关键在于分工清晰,领导支持,标准明确,流程规范,奖罚分明,持续优化。
数仓建设:数据域和主题域是什么关系?
首先来看看数据仓库的定义吧,数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。
数据领域,甲方和乙方分工的18个原则
对于不同类的数据工作,甲方和乙方的擅长程度是不同的,相互之间只有取长补短才能创造更高价值,今天就来谈谈甲乙方分工的18个原则。
数据库圈周盘点:报告称多源数据整合成IT领导痛点;腾讯云发布KeeWiDB
全国政协召开“推动数字经济持续健康发展”专题协商会;腾讯发布2022年Q1财报,金融科技及企业服务业务实现营收428亿元;Confluent报告指出,多源数据整合成IT领导一大痛点……
Confluent报告:多源数据整合成IT领导一大痛点
随着越来越多的企业将其内部数据转移到云端,产生了更多的数据同步、访问和治理问题。跨多个来源的数据整合成为了IT领导者的另一个痛点,这一挑战背后的关键驱动力是数据源数量和种类的激增。
人人都想做模型而非数据工作,这很危险
为什么数据质量如此重要,却不被重视?为什么大家都不想从事数据质量相关的工作,个个都想去做模型?
Lakehouse是否会导致数据仓库式的数据锁定?
作为在云中进行大数据分析的首选方法, Lakehouse架构正获得越来越多的关注,因为它们将传统的数据仓库概念与当今的云技术相融合。但是,Lakehouse最终会不会像上一代专用数据仓库那样,把客户困在有限的专有建设中?
人机合作新建构:数智时代职场生存观
窥一斑而见全豹,可以说,目前很多职场人士的诉求集中在:2022年,别人无法轻易取代的职业在哪里?
到底什么样的数据才有资格成为资产?
在未理解清楚数据资源和数据资产本质区别之前,就把企业的所有数据资源都列入企业的数据资产目录,那对于企业来讲就是一场灾难,因为这种“资产”不仅没有价值,而且大多是负的。
企业IT规划|数据治理该归哪个部门管?
企业的数据治理不存在一种“one mode fits all”的模式,不同行业差别很大,要结合下面这类治理原则,从企业信息系统基本原理、行业惯例、企业业务重点等角度去综合考虑。
金融业分布式数据库选型及HTAP场景实践
本文从金融用户角度入手,对如何选择分布式数据库及选型后的最优实践进行阐述。
数据资产管理:数据发现,发现什么,怎么发现?
如果我们将大数据比作石油的话,数据发现就是勘探、采集、处理和炼化石油的过程,它能够更加自动化的识别数据资产,对数据进行迁移、清洗、标记、编目和可视化,从而最大化的释放数据价值。
数字经济对于制造业数字化转型影响的思考
制造行业在信息化和数字化建设领域,应该说是起了个大早,在九十年代国家七五和八五计划期间,就强调把计算机辅助设计(CAD/CAE)和计算机编程控制技术应用到企业产品开发设计和加工设备中去
Data Fabric:数据管理的未来已来
由于数据编织描述的是一套集成的数据管理技术,这意味着它可以以各种方式构建。然而,语义知识图谱、主动元数据管理和嵌入式机器学习(ML)等能力是确保数据编织设计成功的必要组成部分。
谈一谈数据挖掘的军规
数据挖掘工作定义的六个阶段,业务理解、数据理解、数据准备、模型构建、模型评估、模型部署,被大家简单的理解为纯粹的技术步骤,从来没想过这些阶段跟管理有什么关系。
什么是数据编织"Data Fabric "?
“Data Fabric”究竟是什么?这又是一场概念的炒作,还是真正的技术革新?
数据库圈周盘点:中国软件增资易鲸捷;TiDB Cloud 全球范围正式商用
日前,沙利文联合头豹发布《2021年中国分布式数据库市场报告》,指出中国已经成为了全球分布式数据库的技术创新中心;百度宣布将自研图数据库 HugeGraph 捐赠给 Apache 软件基金会孵化……