-
编辑 删除
Lucidworks 报告剖析了在生成式AI领域成败的关键要素
报告建议采用双轨策略：在构建面向客户的生成式AI功能的同时，强化支撑这些功能的后端系统。领先企业不仅推出人工智能驱动的搜索或聊天功能，还在内容架构、系统集成和治理等幕后环节进行投资。正是这种协同方法，使生成式AI能够在现实中交付成果。
-
编辑 删除
6月数据库圈值得关注的事 | 2025
6月，IDC的报告介绍了Data+AI、中国关系型数据库、中国图数据库的发展动态;Snowflake 2.5 亿美元收购 Crunchy Data引发关注;国产数据库OceanBase正式启用中文品牌名“海扬数据库”;openGauss重磅发布 oGRAC ……
-
编辑 删除
普华永道研究发现AI正提升员工生产力
普华永道表示，由于其“力量倍增器”的能力，应优先考虑代理型人工智能(Agentic AI)。领导者还应专注于提升员工技能，以便他们能够使用人工智能。最后，信任对于释放人工智能的潜力至关重要。
-
编辑 删除
数据库系统中遇到空值时该怎么办?
每个DBMS都有自己对空值的支持实现，因此它用来向你传达“空值”的方式可能有所不同。在使用空值时要谨慎，尽可能避免使用，并确保数据使用者知道如何正确处理空值以满足其数据需求。
-
编辑 删除
GenAI时代，我们为什么需要AI知识库?
背后需要一个智能系统支撑AI的落地，其中比较关键的是AI知识库的支撑，知识不再仅仅是存储，它关乎智能访问、速度和准确性。AI知识库可以更高效地盘活企业的数据资产，提升模型效果，解决大模型“知识局限”和“幻觉”的问题，通过RAG技术将企业私有知识嵌入大模型知识图谱，提升问答质量和查询准确率。
-
编辑 删除
杂乱数据转化为竞争优势的四个步骤：自主AI与数据蓝图
我们正处于数字化转型的又一个关键节点，如今企业正淹没在数据洪流中。IDC估计，90%的企业数据是非结构化的，这使得数据散落在过时系统、不同云平台和全球数据中心中。如果没有合适的工具来利用和结构化这些数据，这种数据过剩将与数据短缺一样成为棘手的问题。
-
编辑 删除
盘点那些让信息部门崩溃与无语的瞬间
在企业数字化转型的浪潮中，信息部门的角色越来越重要，常被默认为“科技超人”——上能修电脑，下能调电梯，左手开发AI，右手搭建ERP，甚至还得精通智能马桶的维修，可以说是被要求的“无所不能”，陷入“什么都得干，什么都干不完”的困境，但这种“万能”标签背后，是无数崩溃的瞬间，甚至成为某些问题的“背锅侠”。今天老杨就来盘点一下那些让信息部门崩溃无语的场景。
-
编辑 删除
高流量场景数据库优化查询性能的6个技巧
在高流量场景，数据库查询性能可能直接影响用户体验的好坏。随着数据量的增长，优化数据库查询对于保持速度和效率至关重要。本文将探讨六种关键策略，以提升查询性能，确保数据库在应对不断增长的需求时仍能快速返回结果。
-
编辑 删除
从为产品付费到为结果付费
AI，特别是AGI则会给系统带来更大的灵活性以实现更加个性化的适配，这一点是以往的信息系统或者数字化系统所无法比拟的。在未来AI的能力进一步提升之后，AI模式的新的数字化系统将直击企业的痛点和需求，企业可能无需为定制化系统付费，仅仅为能力付费，并由大模型自动组装能力，直接为企业服务。
-
编辑 删除
AI时代，关系模型仍会胜出?
科技行业对“下一个大趋势”有着强烈的渴望。但有时，正是那些老技术最终成为了应对新任务的合适工具。这是RelationalAI创始人兼首席执行官Molham Aref的观点，他认为关系型数据库完全可以提供支持新型AI工作负载的图关系。
-
编辑 删除
缺乏AI领导力，任何AI项目都将沦为昙花一现的试验品
AI技术的潜力巨大，但如果企业缺乏真正的AI领导力，任何AI项目都难以持久。只有企业高层管理者具备战略思维、组织推动力和执行力，AI才能真正融入企业运营，创造长期价值。否则，再先进的AI技术，最终也只能是昙花一现。
-
编辑 删除
当我们还在考虑边缘化数据库的时候，O记们正在谋划把数据库变成数字化世界的大脑
这两年对数据库地位重定位的思考和论战到处都是，很多人的观点是，以后没有DBA了，数据库只是一个数据容器而已，应用自己来解决数据处理的问题，数据库和数据库运维变得十分简单。
-
编辑 删除
如何降低企业数字化探索期的试错成本
当前虽说数字化转型已经成为企业提升竞争力的关键路径，成为了企业发展的必答题，但仍有部分企业不敢转，最主要的原因就是那看似高昂的建设成本、技术专业性以及不确定性，据麦肯锡研究，70%的数字化项目未能达到预期目标，其中试错成本占比高达15%~25%，那么该如何系统性的降低试错成本?首先我们来分析一下企业数字化转型建设的成本构成。
-
编辑 删除
数据生产力跃升 10 倍的秘密：端到端DataOps重构企业竞争力
随着企业生成海量数据，采用端到端DataOps的企业将获得敏捷性，显著缩短价值实现时间，同时在每个环节提升数据质量。这还将实现数据工程团队的去中心化，赋能最了解数据的领域专属团队，更高效地交付高质量数据产品。
-
编辑 删除
Altman预测，AI Agent将在一年内推动科学发现
OpenAI首席执行官兼创始人Sam·Altman在旧金山举行的Snowflake Summit 25大会上表示，以当前人工智能发展的速度，人工智能代理(AI Agent)将在一年内具备推动科学发现并解决复杂技术与工程问题的能力。
-
编辑 删除
确定已识别的 AI 用例的优先级
一旦确定了一系列潜在的AI用例，下一个关键步骤就是有效地确定它们的优先级，以确保将资源分配给那些最具潜在价值且最有可能成功的项目。有几种框架可以指导这一优先级排序过程。
-
编辑 删除
知识图谱的挑战、缺点和陷阱
知识图谱虽然功能强大，但在实际场景中实现它们并非一帆风顺。我们必须意识到其中的挑战、局限性和潜在风险，包括技术问题，比如可扩展性、数据质量、模式复杂性、与非结构化或动态数据的集成障碍，以及偏见和隐私等道德问题。
-
编辑 删除
3 种有效管理数据库访问权限的策略
数据库安全是各类组织面临的关键问题。本文将探讨管理数据库访问权限的有效策略，并借鉴行业专家的实践经验。从实施基于角色的访问控制到平衡安全与易用性，读者将发现保护重要数据的实用方法。
-
编辑 删除
ClickHouse获得3.5亿美元融资，打造AI时代数据基础设施
日前，以高性能列式数据库技术著称的 ClickHouse 宣布完成 3.5 亿美元 C 轮融资，旨在满足人工智能时代对实时可扩展分析日益增长的需求。
-
编辑 删除
人工智能和知识图谱之知识图谱的行业用例
知识图谱已在众多行业中证明了其价值，它能够实现更智能的数据集成、更优化的搜索和发现，并增强决策支持。下面将重点介绍关键行业和具体案例研究，展示知识图谱的应用，例如医疗保健(药物研发)、金融(欺诈检测)、电子商务(语义产品搜索)等领域。针对每个行业，将分别阐述其带来的运营和决策效益。
