ITPub博客

其实大部分传统企业做数字化转型初期都会面临各种迷茫，不知道从何处下手，特别是数字化基础薄弱的公司，这个时候很多企业都想借助外力来实现弯道超车，比如想聘请专业的咨询团队，但在借助外力之前，企业必须考虑清楚需求、路径和目标

今天我要给大家分享的是部分索引和覆盖索引，实际上我们的很多应用系统中都可能会遇到类似的应用场景，而以习惯而言，我们会中规中矩的使用与Oracle类似的方法来创建索引，实际上在PG数据库里我们完全可以采用一种新的思路来建索引。

为业务词汇表、数据目录、数据沿袭工具或数据质量工具构建业务案例涉及确定数据治理工作将解决的具体问题或机会，然后量化实施解决方案的潜在财务和运营收益。

以往，数据部门只是一个纯粹的成本中心，通过系统建设和数据服务，为其他部门提供“数据类”后勤服务，而随着数字化浪潮袭来，产业端的数据价值不断被挖掘，给企业前端业务赋能。数据部门的地位也在这个变革中，逐步得到提升。

未来零售CIO需强化数字基础设施以支持零售业务全渠道体验。IDC研究表明，全球64%的零售商CIO制定了变革计划，以防在2023年经济突然发生变化时，能快速调整预算支出和分配。

CHATGPT的善解人意，行业应用还没有开展起来。我们一直是做运维知识自动化的，而大语言模型正好是知识的最佳载体

如果你问公司的数据团队：“你们最核心的能力是什么?” 答案就不那么显而易见了，数据能力是一个非常模棱两可的词，既包含技术能力，也包含业务能力，如果数据技术做到顶尖，似乎应该归属到技术团队去，如果业务能力顶尖，那业务团队才是归宿。

商业智能(BI)的发展阶段，当前能达成共识的是分为三代技术，每一代由解决方案提供的可访问性、速度、数据集大小和洞察质量来定义。

通过应用修改去避开数据库的坑，或者使用群殴战术打群架，抑或是先用比较高配的硬件去顶一下，都是可行的方案。如果国产数据库的客户群体丰富了，那么再过上三五年，水平自然也就提上来了。

在当今成熟的传统数据仓库市场中，进步的、数据驱动的组织正在积极利用 Data Fabric 解决方案作为对现有数据仓库策略的补充。通过使用 Data Fabric，组织可以再次解放他们的数据——将其从聚合池中提取出来，并将其转化为情境化知识，以实现他们对高级分析的期望。

交易数据和分析数据之间的关系总是有点紧张。通常通过他们共同的朋友——数据管道进行交流。它至少稳定了二十年。但现在不安情绪正在增长。

产品规划是每个产品在开头的时候就要做的事情，有的地方也会叫做「产品概要设计」或是「项目立项」。but不重要，都是一件事情，就是prd的前奏，拉齐大家的认知，告诉协作方：我预计需要多少资源做哪些事情，以及为什么这些事情是重要的。

ChatGPT这样的大语言模型是基于概率以及语料库给出回答，回答结果受限于语料库的丰富程度。只要有足够且相对准确的语料训练，大语言模型可以在智能运维中发挥很大的作用。起码在日志分析方面，目前ChatGPT在基础能力上已经相当不错。

在网易公司内部，低代码已经在游戏、电商、传媒等各个业务部门广泛使用，涉及人力资源与组织绩效管理、技术保障与业务增长等多个环节。以网易互娱为例，用低代码搭建运营活动管理系统，开发效率提升100%，可快速支撑多个私域流量转化。

做一个成功的产品非常难，除了有资源、时机等问题以外，更大因素在产品经理自己。好的产品经理能协调资源，能把握时机。但产品经理自己也经常犯错误。

我并不反对国产数据库基于开源代码构建，因为利用开源代码可以缩短国产数据库研发与上市的时间，缩短国产数据库与国外商用数据库的技术差距。数据库是在应用中不断磨合出来，而不是简单的研发出来的。

当下，图数据库还处在起步阶段，仍是小众，但是竞争已经比较激烈。谈论市场是蓝海还是红海，还要看水够不够大。该专家认为，图数据库市场是一个细分的小而美的市场，虽然未来的使用会越来越广泛，但其市场规模和用户需求，很难支撑起一个独立公司大规模运营。

最近我经常听说某些客户把数据库从Oracle迁移到国产数据库上后，一些关键业务忽快忽慢，检查执行计划也没啥问题，操作系统层面也没有明显的瓶颈或者慢的因素。实际上这与数据库没有使用DIO有很大的关系。

什么是图数据库?有人可能会认为是存储图片的数据库，几年前图数据库初创公司在接触部分投资人时也要解释一番。虽然近几年图数据库受到开发者的关注，被资本热捧，但是图数据库仍然相对小众，很多人可能对其还不是很了解，有图数据库厂商反映他们在向客户推荐使用图数据库产品时，客户还会以“我们不需要存储图片的数据库”为由而拒绝。

甲骨文日前发布的《全球决策困境研究报告》发现，对于企业来说，做出正确决策绝非易事，有92%的中国企业领导者表示他们面临决策困境。