自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

WOT技術(shù)大會(huì)

公眾號(hào)矩陣

移動(dòng)端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項(xiàng)目管理免費(fèi)題庫

在線學(xué)習(xí)

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營

鴻蒙開發(fā)者社區(qū)訂閱號(hào)

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號(hào)

51CTO軟考題庫

賬號(hào)設(shè)置退出

大數(shù)據(jù)

9161內(nèi)容??

關(guān)注

大數(shù)據(jù)話題包括大數(shù)據(jù)相關(guān)的最新資訊、前沿技術(shù)、使用技巧、應(yīng)用案例等內(nèi)容，涉及數(shù)據(jù)分析、數(shù)據(jù)可視化、商業(yè)智能、Hadoop、Spark、數(shù)據(jù)湖、數(shù)據(jù)倉庫、等領(lǐng)域。

文章博文帖子課程

共 9161 條

麥肯錫都在用的MVP分析法，到底是什么？

MVP（Minimum Viable Product）原本是應(yīng)用于產(chǎn)品設(shè)計(jì)的方法。指在正式推出產(chǎn)品前，先推出一個(gè)版包含核心功能的簡單版本，測試用戶需求與反饋，從而快速判斷產(chǎn)品是否符合市場需求，做出調(diào)整。

2024-10-28 13:07:35

MVP 分析法產(chǎn)品

如何使用 Pandas 進(jìn)行數(shù)據(jù)清洗？如何保證數(shù)據(jù)清洗的效果？

考慮使用自動(dòng)化工具和框架來簡化數(shù)據(jù)清洗過程。例如，使用 Apache Airflow 或 Prefect 來自動(dòng)化數(shù)據(jù)管道，確保數(shù)據(jù)清洗步驟的一致性和可重復(fù)性。

2024-10-28 12:57:36

Pandas 數(shù)據(jù)清洗

結(jié)合 NumPy 和 Matplotlib 進(jìn)行數(shù)據(jù)可視化的十種創(chuàng)意

本文我們可以看到 NumPy 和 Matplotlib 在數(shù)據(jù)可視化中的強(qiáng)大能力，無論是簡單的正弦波形還是復(fù)雜的等高線圖，都能輕松實(shí)現(xiàn)。

2024-10-24 16:43:15

NumPy Matplotlib 數(shù)據(jù)可視化

提升效率的十種 Pandas 數(shù)據(jù)操作方法

無論是數(shù)據(jù)清洗還是探索性數(shù)據(jù)分析，Pandas都能幫你輕松搞定。接下來，我會(huì)分享十個(gè)技巧，讓你在處理數(shù)據(jù)時(shí)更加高效。

2024-10-23 09:00:00

數(shù)據(jù)分析 Pandas

云上大數(shù)據(jù)架構(gòu)是什么？

數(shù)據(jù)攝取是指從各種來源（結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)）將數(shù)據(jù)導(dǎo)入系統(tǒng)的過程。數(shù)據(jù)可以來自數(shù)據(jù)庫、日志文件、傳感器數(shù)據(jù)、社交媒體等。

2024-10-23 08:46:16

云上大數(shù)據(jù)架構(gòu)

為什么你做數(shù)據(jù)分析沒思路？

數(shù)學(xué)、統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)是有很多方法的，而看書本身能讓人感到充實(shí)。于是，就有一些看書入迷的同學(xué)，開始拿著錘子找釘。比如今天看到統(tǒng)計(jì)學(xué)正態(tài)分布，好爽，于是看誰都像個(gè)正態(tài)。明天看到回歸分析一章，看誰都想回歸一下……

2024-10-22 11:34:34

數(shù)據(jù)分析統(tǒng)計(jì)學(xué)

大模型與大數(shù)據(jù)雙向賦能，“WeData+AI”智能化升級(jí)

本文將分享 WeData 大數(shù)據(jù)開發(fā)與治理平臺(tái)如何與 AI 技術(shù)相結(jié)合，實(shí)現(xiàn)智能化升級(jí)。

2024-10-22 08:55:40

大數(shù)據(jù)開發(fā)WeData 大模型

Doris企業(yè)級(jí)實(shí)戰(zhàn)，構(gòu)建TikTok實(shí)時(shí)數(shù)據(jù)倉庫

在遷移到Apache Doris前，TikTok通過Flink傳輸實(shí)時(shí)數(shù)據(jù)，并使用Kafka在不同數(shù)據(jù)層間實(shí)現(xiàn)數(shù)據(jù)流動(dòng)。由于Kafka本身沒有邏輯表，因此在其上開發(fā)不如在Hive上那么容易。

2024-10-18 08:17:09

Doris 數(shù)據(jù)倉庫

數(shù)據(jù)驅(qū)動(dòng)營銷五步法：提升營銷效果的關(guān)鍵指南

數(shù)據(jù)驅(qū)動(dòng)營銷已成為企業(yè)提升營銷效果的核心手段。本文提出了五個(gè)關(guān)鍵步驟：聚焦重要指標(biāo)、確保數(shù)據(jù)質(zhì)量、優(yōu)化客戶細(xì)分、整合跨渠道數(shù)據(jù)以及持續(xù)監(jiān)控和調(diào)整策略，這些步驟幫助企業(yè)在激烈競爭中通過精準(zhǔn)的數(shù)據(jù)分析，提升營銷效率，推動(dòng)業(yè)務(wù)增長。

2024-10-17 11:16:37

數(shù)據(jù)驅(qū)動(dòng)數(shù)據(jù)分析

CIO仍然比以往任何時(shí)候都更接近他們夢(mèng)想的數(shù)據(jù)湖倉

Databricks收購Tabular未能阻止Apache Iceberg的崛起，Iceberg現(xiàn)已成為數(shù)據(jù)湖領(lǐng)域的贏家，然而，這次收購令CIO們困惑，Databricks作為 Delta Lake的締造者為何會(huì)收購Iceberg的創(chuàng)始團(tuán)隊(duì)。

2024-10-16 14:23:54

CIO 數(shù)據(jù)湖

互聯(lián)網(wǎng)海量數(shù)據(jù)如何存儲(chǔ)Kafka

Kafka的數(shù)據(jù)是如何存儲(chǔ)、分片、復(fù)制的？它是如何保證高可用，如何保證數(shù)據(jù)一致性的？那你會(huì)發(fā)現(xiàn)它和分布式存儲(chǔ)系統(tǒng)，并沒有什么太大的區(qū)別。唯一的區(qū)別就是，它的查詢語言（生產(chǎn)和消費(fèi)消息）和存儲(chǔ)引擎的數(shù)據(jù)結(jié)構(gòu)（Commit Log）比一般的存儲(chǔ)系統(tǒng)要簡單很多。

2024-10-16 10:35:52

存儲(chǔ)大數(shù)據(jù)互聯(lián)網(wǎng)

別再羅列指標(biāo)了，有用的經(jīng)營分析這么做

很多公司經(jīng)營分析是財(cái)務(wù)部門做的，結(jié)果財(cái)務(wù)部門真的就只盯著自己的三張表，每天算利潤、算現(xiàn)金。你問他：“銷售部門在干啥？”“營銷有啥動(dòng)作？”“市場環(huán)境有啥變化？”一問三不知。只知道結(jié)果，不知道過程，這是“要搞高”問題根源。

2024-10-15 11:54:38

經(jīng)營分析指標(biāo)策略

京東大數(shù)據(jù)治理探索與實(shí)踐

本文將分享京東在大數(shù)據(jù)治理上的探索和實(shí)踐經(jīng)驗(yàn)。作為國內(nèi)領(lǐng)先的電商平臺(tái)，京東在數(shù)據(jù)基礎(chǔ)設(shè)施上的投入極為巨大，涵蓋數(shù)萬臺(tái)服務(wù)器、數(shù) EB 級(jí)存儲(chǔ)、數(shù)百萬個(gè)數(shù)據(jù)模型及數(shù)以百萬計(jì)的任務(wù)執(zhí)行

2024-10-15 08:14:51

大數(shù)據(jù)治理數(shù)據(jù)驅(qū)動(dòng)數(shù)據(jù)模型

數(shù)據(jù)準(zhǔn)備指南：十種基礎(chǔ)特征工程方法的實(shí)戰(zhàn)教程

在數(shù)據(jù)分析和機(jī)器學(xué)習(xí)領(lǐng)域，從原始數(shù)據(jù)中提取有價(jià)值的信息是一個(gè)關(guān)鍵步驟。這個(gè)過程不僅有助于輔助決策，還能預(yù)測未來趨勢(shì)。為了實(shí)現(xiàn)這一目標(biāo)，特征工程技術(shù)顯得尤為重要。

2024-10-14 15:00:59

機(jī)器學(xué)習(xí)數(shù)據(jù)分析

“人貨場”模型怎么用？為什么互聯(lián)網(wǎng)行業(yè)也在討論它？

由于既不確定顧客購買意向，又不確定需求，因此這個(gè)階段的匹配成功率必然是大大降低的。并且夾雜的影響因素太多，根本無法分析清楚：到底是哪個(gè)環(huán)節(jié)出的問題導(dǎo)致不成交。

2024-10-14 12:51:02

人貨場模型互聯(lián)網(wǎng)

業(yè)務(wù)型 VS 技術(shù)型數(shù)據(jù)分析師，哪個(gè)更有前途？

對(duì)于在校生而言，強(qiáng)烈建議不要考慮啥業(yè)務(wù)型分析，就認(rèn)認(rèn)真真找一個(gè)寫SQL的崗位實(shí)習(xí)仨月。也不用管它啥公司，只要能寫SQL就行。

2024-10-12 14:39:54

業(yè)務(wù)型技術(shù)型數(shù)據(jù)分析師

大數(shù)據(jù)分析能讓大學(xué)體育招募重回正軌嗎？

如今美國大學(xué)體育招募就像狂野的西部，數(shù)百萬業(yè)余運(yùn)動(dòng)員與2800個(gè)大學(xué)體育項(xiàng)目相匹配的過程已經(jīng)變成了一場混戰(zhàn)。但對(duì)于德克薩斯州奧斯汀市的一位科技企業(yè)家來說，這種混亂預(yù)示著一個(gè)機(jī)會(huì)，他渴望利用大數(shù)據(jù)技術(shù)為大學(xué)招募人員創(chuàng)造公平的競爭環(huán)境。

2024-10-12 14:12:50

數(shù)據(jù)分析體育招募人工智能

喜馬拉雅基于大模型 ChatBl 實(shí)踐探索

本文將分享喜馬拉雅基于大模型 ChatBI 的實(shí)踐探索，文中將重點(diǎn)介紹關(guān)于準(zhǔn)確性和大模型幻覺等問題的解決方案。

2024-10-12 08:11:05

大模型 ChatBI 數(shù)據(jù)分析

盤點(diǎn)2024年生成式AI帶來的五大新型安全威脅

隨著OpenAI ChatGPT等工具的出現(xiàn)以及對(duì)攻擊者用戶的突顯，“你可以假設(shè)復(fù)雜性和準(zhǔn)確性都有所提高，以及網(wǎng)絡(luò)釣魚和社會(huì)工程中語言學(xué)發(fā)生的變化，”托管檢測和響應(yīng)提供商Blackpoint Cyber安全副總裁MacKenzie Brown這樣表示。

2024-10-10 13:20:35

網(wǎng)絡(luò)安全大數(shù)據(jù)AI

數(shù)據(jù)分析十大模型：CVP模型

為了保證APP正常運(yùn)行，需要最起碼的運(yùn)維投入是多少？這個(gè)保底水平，也得通過數(shù)據(jù)量化，否則只看眼前運(yùn)行沒有問題，就隨便裁員，導(dǎo)致APP出了大BUG，從“降本增效”變成“降本增笑，都是預(yù)料之中的。

2024-10-10 11:59:11

CVP 模型數(shù)據(jù)

運(yùn)營數(shù)據(jù)分析體系，最全搭建攻略來了！

運(yùn)營工作形式靈活，因此經(jīng)常需要根據(jù)實(shí)際工作流程，來設(shè)定數(shù)據(jù)指標(biāo)。一來方便監(jiān)控執(zhí)行進(jìn)度，二來在復(fù)盤的時(shí)候，好觀察哪個(gè)環(huán)節(jié)出了問題，便于追查原因，尋找機(jī)會(huì)。

2024-10-09 11:57:34

運(yùn)營數(shù)據(jù)分析體系

肯睿Cloudera發(fā)布AI推理服務(wù)，攜手NVIDIA加速企業(yè)生成式AI開發(fā)與部署

肯睿Cloudera今天發(fā)布了由NVIDIA NIM微服務(wù)驅(qū)動(dòng)的肯睿Cloudera AI推理服務(wù)，該服務(wù)同時(shí)成為NVIDIA AI Enterprise平臺(tái)的一部分。

2024-10-09 11:00:29

Cloudera NVIDIA 生成式AI

文心大模型賦能商業(yè)智能助手的探索與實(shí)踐

本文將分享文心大模型在構(gòu)建商業(yè)智能助手中的探索與實(shí)踐，重點(diǎn)講述其在愛企查中提升商業(yè)收益和用戶體驗(yàn)的應(yīng)用。文中將介紹利用大模型代碼生成能力，和知識(shí)圖譜，優(yōu)化數(shù)據(jù)庫查詢效率，并通過加入表結(jié)構(gòu)和樣例數(shù)據(jù)提升代碼生成準(zhǔn)確率，還將介紹如何利用圖形可視化進(jìn)一步提升數(shù)據(jù)分析效率。

2024-10-09 08:36:52

文心大模型數(shù)據(jù)分析數(shù)據(jù)庫查詢

現(xiàn)代數(shù)據(jù)架構(gòu)的探索與實(shí)踐：知語數(shù)據(jù)編織系統(tǒng)

數(shù)據(jù)編織是分布式數(shù)據(jù)邏輯集成的關(guān)鍵，本次分享將對(duì)這種新型數(shù)據(jù)管理架構(gòu)展開探討，包括為什么我們需要數(shù)據(jù)編織，以及知語數(shù)據(jù)編織產(chǎn)品的相關(guān)研究和實(shí)踐。

2024-10-09 08:33:41

數(shù)據(jù)編織數(shù)據(jù)管理架構(gòu)數(shù)據(jù)孤島

存算分離是數(shù)據(jù)架構(gòu)必然趨勢(shì)？

存算分離架構(gòu)是一種新的數(shù)據(jù)架構(gòu)的設(shè)計(jì)范式，自上而下分為數(shù)據(jù)分析層、計(jì)算層和存儲(chǔ)層，其中計(jì)算層和存儲(chǔ)層解耦合，都是獨(dú)立的分布式服務(wù)。

2024-10-08 14:52:37

數(shù)據(jù)架構(gòu)數(shù)據(jù)分析數(shù)字化轉(zhuǎn)型

標(biāo)簽 VS 數(shù)據(jù)指標(biāo)體系，這篇講得太清楚了！

當(dāng)然，流程式也不止漏斗這一種，比如在生產(chǎn)、服務(wù)、售后等環(huán)節(jié)，也是一個(gè)完整的流程，但不是逐步遞減的。比如生產(chǎn)任務(wù)，是肯定要完成的，但隨著生產(chǎn)工序增加，每一步會(huì)增加新的原料、生產(chǎn)費(fèi)用、人工成本，此時(shí)整個(gè)流程所消耗的成本、時(shí)間是逐級(jí)遞增的。

2024-10-08 09:01:45

標(biāo)簽數(shù)據(jù)指標(biāo)數(shù)據(jù)分析

貨拉拉大數(shù)據(jù)元數(shù)據(jù)管理體系演進(jìn)和實(shí)踐

本文將分享貨拉拉大數(shù)據(jù)元數(shù)據(jù)管理的演進(jìn)與實(shí)踐。本次分享的重點(diǎn)是元數(shù)據(jù)管理平臺(tái)，該平臺(tái)作為大數(shù)據(jù)體系的元數(shù)據(jù)中心，其核心職責(zé)涵蓋了元數(shù)據(jù)管理、數(shù)據(jù)資產(chǎn)管理以及成本治理三大方面。

2024-10-08 08:27:22

大數(shù)據(jù)元數(shù)據(jù)管理成本治理

用戶生命周期分析，這個(gè)坑90%的人踩過！

對(duì)線下實(shí)體店而言，用戶到店即付費(fèi)，先消費(fèi)后體驗(yàn)服務(wù)。但在互聯(lián)網(wǎng)產(chǎn)品里，付費(fèi)與活躍脫節(jié)的現(xiàn)象很常見?；蛘哂械漠a(chǎn)品干脆允許用戶只活躍，不付費(fèi)，通過額外的權(quán)益和道具收費(fèi)。比如游戲、在線音樂、視頻、社區(qū)等等皆是如此。

2024-10-08 08:14:08

用戶生命周期分析服務(wù)

數(shù)據(jù)分析，如何實(shí)現(xiàn)降本增效？

比如很多公司做促銷活動(dòng)，總喜歡搞“全場大促”，心理感覺可以多覆蓋用戶，可實(shí)際上參與的都是同一批人。結(jié)果經(jīng)常是有活動(dòng)的產(chǎn)品銷量大漲，沒活動(dòng)的一蹶不振，總業(yè)績也不見漲。

2024-09-30 08:47:07

數(shù)據(jù)分析降本增效覆蓋用戶

因果推斷的四個(gè)模型，的確管用！

既然復(fù)雜的方法不好用，有沒有簡單的辦法？有！比如基于最樸素的感覺：既然A會(huì)引發(fā)B，那么A產(chǎn)生了B就該產(chǎn)生，A結(jié)束了，B會(huì)慢慢結(jié)束（或者B死掉）。人們就此總結(jié)出了因果推斷四大原則。

2024-09-29 09:22:00

因果推斷模型統(tǒng)計(jì)學(xué)

滴滴指標(biāo)標(biāo)準(zhǔn)化實(shí)踐

指標(biāo)是對(duì)客觀世界業(yè)務(wù)過程以及結(jié)果的度量，是企業(yè)數(shù)倉的核心產(chǎn)物，通常需要配合維度及聚合方式進(jìn)行衡量。完善的指標(biāo)體系不僅可以輔助業(yè)務(wù)進(jìn)行精細(xì)化運(yùn)營，而且可以指導(dǎo)戰(zhàn)略層進(jìn)行經(jīng)營分析以及業(yè)務(wù)決策。

2024-09-29 08:54:36

數(shù)倉交付指標(biāo)管理企業(yè)數(shù)倉

數(shù)據(jù)編織技術(shù)：數(shù)據(jù)虛擬化在數(shù)據(jù)治理實(shí)踐中的應(yīng)用

本文將深入探討 Denodo 在數(shù)據(jù)治理和數(shù)據(jù)虛擬化方面的解決方案，闡釋邏輯數(shù)據(jù)編織的理念、優(yōu)勢(shì)以及其在企業(yè)中的實(shí)際應(yīng)用。

2024-09-29 08:40:34

數(shù)據(jù)治理數(shù)據(jù)虛擬化數(shù)據(jù)管理

數(shù)據(jù)分析工作，能做一輩子嗎？

所謂的“AI/人工智能/智能BI/ChatGPT會(huì)取代數(shù)據(jù)分析師”，正是來自對(duì)數(shù)據(jù)分析工作的不了解。在不懂行的人眼里，數(shù)據(jù)分析師和算命大師沒啥區(qū)別，不需要數(shù)據(jù)采集、不需要數(shù)據(jù)清洗、不需要數(shù)據(jù)治理、不需要分析建模、不需要積累經(jīng)驗(yàn)、不需要你測試驗(yàn)證。

2024-09-29 00:00:05

AI 人工智能 ChatGPT

農(nóng)業(yè)銀行基于FS-LDM模型構(gòu)建企業(yè)級(jí)數(shù)據(jù)模型

中國農(nóng)業(yè)銀行將數(shù)據(jù)建模方法與DataOps全生命周期的標(biāo)準(zhǔn)化流水線相結(jié)合，從組織模式、管理制度、系統(tǒng)工具為數(shù)據(jù)模型結(jié)構(gòu)提供全方位支撐。

2024-09-27 13:05:02

數(shù)據(jù)模型

數(shù)據(jù)分析落地全流程，你學(xué)會(huì)了嗎？

面對(duì)細(xì)節(jié)數(shù)據(jù)缺失，可以用管理手段配合數(shù)據(jù)建設(shè)。比如要求客服在首次接單且售后無異常的情況下，接單30分鐘內(nèi)完成分配，有異常就人工反饋標(biāo)注。

2024-09-27 10:27:50

數(shù)據(jù)分析模型管理

用戶活躍、留存、流失，超全圖解！

難做的根源，是：如果用戶登陸的話，我們很清楚他登錄以后干了什么，但是用戶未登錄的話，我們不清楚他為什么不登錄。未登陸的理由，只能去猜。這就是這三大問題難纏的核心之處。如果領(lǐng)導(dǎo)問我們：“今天登錄用戶訪問了哪些頁面？”估計(jì)各個(gè)對(duì)答如流。

2024-09-26 12:28:49

用戶活躍留存流失

?面試題：AI時(shí)代下怎么設(shè)計(jì)一個(gè)數(shù)據(jù)平臺(tái)？

數(shù)據(jù)平臺(tái)，最重要的是數(shù)據(jù)。AI時(shí)代下，視頻，文本，音樂等一系列文件數(shù)據(jù)，都需要在一個(gè)統(tǒng)一的存儲(chǔ)池上存儲(chǔ)和處理，這個(gè)地方就是對(duì)象存儲(chǔ)COS。

2024-09-26 08:03:25

數(shù)據(jù)平臺(tái)AI 數(shù)據(jù)湖

商業(yè)銀行數(shù)據(jù)建模流程模式對(duì)比

商業(yè)銀行數(shù)據(jù)模型是指使用結(jié)構(gòu)化的語言將收集到的企業(yè)業(yè)務(wù)經(jīng)營、管理和決策中使用的數(shù)據(jù)需求進(jìn)行綜合分析，按照模型設(shè)計(jì)規(guī)范將需求重新組織形成的結(jié)構(gòu)化模型。

2024-09-25 21:38:33

數(shù)據(jù)模型

細(xì)說企業(yè)數(shù)據(jù)分級(jí)：挑戰(zhàn)、角色、步驟和實(shí)踐原創(chuàng) 精選

本文從數(shù)據(jù)分級(jí)的概念出發(fā)，依次介紹數(shù)據(jù)分級(jí)的挑戰(zhàn)、必要性、好處、與數(shù)據(jù)生命周期的關(guān)系、以及實(shí)施數(shù)據(jù)分級(jí)的角色、步驟與實(shí)踐。

2024-09-24 10:58:47

數(shù)據(jù)分級(jí)數(shù)字化安全

華為發(fā)布數(shù)據(jù)智能解決方案5.0，加速大模型從賦能到產(chǎn)能轉(zhuǎn)型升級(jí)

華為全聯(lián)接大會(huì)2024期間，華為第十二屆全球智慧金融峰會(huì)2024（Huawei Intelligent Finance Summit 2024，以下簡稱“峰會(huì)”）同期舉行。在以“韌行智遠(yuǎn)，共筑數(shù)智金融未來”為主題的峰會(huì)上，華為聯(lián)合安碩、恩核、帆軟、kyligence、瑞和數(shù)智、神州信息、同盾、兔展、先進(jìn)數(shù)通、新希望金科、宇信、永洪、中電金信、中軟國際等生態(tài)伙伴發(fā)布數(shù)據(jù)智能解決方案5.0，通過場景創(chuàng)

2024-09-23 08:36:45

華為全聯(lián)接大會(huì)數(shù)據(jù)智能

聯(lián)通數(shù)科基于一體化數(shù)據(jù)平臺(tái)的元數(shù)據(jù)管理實(shí)踐

本文將分享聯(lián)通數(shù)科基于一體化數(shù)據(jù)平臺(tái)的元數(shù)據(jù)管理實(shí)踐。聯(lián)通數(shù)科一體化數(shù)據(jù)資產(chǎn)管理平臺(tái)獲得了非常多的認(rèn)可與榮譽(yù)，包括工信部、環(huán)保部、DAMA 等頒發(fā)的獎(jiǎng)項(xiàng)。

2024-09-23 08:21:01

元數(shù)據(jù)管理數(shù)據(jù)治理數(shù)據(jù)虛擬化

字節(jié)跳動(dòng)開源云原生數(shù)倉引擎 ByConity 技術(shù)詳解與應(yīng)用

本文介紹字節(jié)跳動(dòng)開源的云原生數(shù)倉引擎，ByConity。ByConity 是基于 ClickHouse 產(chǎn)生。ClickHouse 社區(qū)已經(jīng)發(fā)展了很多年。字節(jié)從 2017 年開始大規(guī)模使用 ClickHouse。在驗(yàn)證了多款產(chǎn)品之后，最終發(fā)現(xiàn) ClickHouse 是唯一能夠支撐字節(jié)當(dāng)時(shí)的體量以及保證查詢體驗(yàn)的產(chǎn)品。

2024-09-23 08:15:11

云原生 ByConity 數(shù)倉引擎

如何實(shí)現(xiàn)無頭數(shù)據(jù)架構(gòu) 譯文精選

無頭數(shù)據(jù)架構(gòu)可以在整個(gè)組織中解鎖前所未有的數(shù)據(jù)訪問，但它從左移開始。

2024-09-20 21:09:42

無頭數(shù)據(jù)架構(gòu)數(shù)據(jù)分析平臺(tái)多跳架構(gòu)

知乎大數(shù)據(jù)如何降本增效?

本篇文章介紹了知乎大數(shù)據(jù)在降本增效方面的實(shí)踐。知乎內(nèi)部 2022 年開始建設(shè)一套經(jīng)濟(jì)化計(jì)費(fèi)體系——FinOps，以此系統(tǒng)為抓手推動(dòng)公司內(nèi)部降本實(shí)踐。

2024-09-20 08:20:20

大數(shù)據(jù)FinOps 成本模型

數(shù)據(jù)庫頂會(huì) VLDB 2024 論文解讀：字節(jié)跳動(dòng)如何對(duì)大規(guī)模 Spark 作業(yè)進(jìn)行資源提效

近年來 Spark 已經(jīng)成為離線大數(shù)據(jù)處理引擎的事實(shí)標(biāo)準(zhǔn)，廣泛用于數(shù)據(jù)倉庫、數(shù)據(jù)湖、機(jī)器學(xué)習(xí)等領(lǐng)域。在字節(jié)跳動(dòng)內(nèi)部每天運(yùn)行百萬級(jí)別的 Spark 離線作業(yè)，Shuffle 量高達(dá) 500PB，CPU 資源需求達(dá)到千萬級(jí)別。

2024-09-19 19:08:46

Spark 大數(shù)據(jù)

數(shù)據(jù)倉庫平臺(tái)Snowflake的全面管理指南譯文精選

Snowflake的管理涉及到各種任務(wù)，從用戶和角色管理到數(shù)據(jù)加載和安全性等方面。

2024-09-13 12:25:43

數(shù)據(jù)倉庫 Snowflake

這才是經(jīng)營分析賦能，但90%的人都搞錯(cuò)了！

固定投入更像基礎(chǔ)建設(shè)，很難直接衡量每一塊投入提升多少訂單。因此只能做分類管理，對(duì)每一類渠道的基建投入，控制總量。而可變投入是直接和訂單相關(guān)的，因此必須具體考核收益。如果投下去資源沒有見到額外增長，就得復(fù)盤投入價(jià)值。

2024-09-12 11:51:44

經(jīng)營分析業(yè)績?cè)鲩L 數(shù)據(jù)量

騰訊大數(shù)據(jù)實(shí)時(shí)湖倉智能優(yōu)化實(shí)踐

本次分享題目為騰訊大數(shù)據(jù)實(shí)時(shí)湖倉智能優(yōu)化實(shí)踐。數(shù)據(jù)湖計(jì)算部分，Spark 作為 ETL Batch 任務(wù)的主要批處理引擎，F(xiàn)link 作為準(zhǔn)實(shí)時(shí)計(jì)算的流處理引擎，StarRocks 和 Presto 作為即席查詢的 OLAP 引擎。

2024-09-11 14:47:00

大數(shù)據(jù)湖倉智能優(yōu)化數(shù)據(jù)湖

縮小差距：解決數(shù)據(jù)驅(qū)動(dòng)型組織中數(shù)據(jù)戰(zhàn)略的九種反模式

在數(shù)據(jù)是關(guān)鍵資產(chǎn)的世界中，制定強(qiáng)大的數(shù)據(jù)戰(zhàn)略對(duì)于任何旨在充分發(fā)揮數(shù)據(jù)潛力的企業(yè)來說都至關(guān)重要。然而，成功的數(shù)據(jù)戰(zhàn)略之路充滿了常見的陷阱——我稱之為“反模式”。如果不加以識(shí)別和解決，這些失誤甚至可能破壞最周密的計(jì)劃。

2024-09-09 14:38:41

數(shù)據(jù)戰(zhàn)略數(shù)據(jù)驅(qū)動(dòng)

DataOps關(guān)鍵技術(shù)能力模型實(shí)踐

DataOps作為一種新興的數(shù)據(jù)處理與管理方法，強(qiáng)調(diào)數(shù)據(jù)驅(qū)動(dòng)自動(dòng)化，既能為數(shù)據(jù)工作者提供敏捷的數(shù)據(jù)開發(fā)支持，同時(shí)也簡化了數(shù)據(jù)交付的周期，提升數(shù) 據(jù)生產(chǎn)者與數(shù)據(jù)消費(fèi)者的協(xié)同效率，成為企業(yè)數(shù)字化轉(zhuǎn)型快速釋放數(shù)據(jù)生產(chǎn)力的最佳方案。

2024-09-09 13:55:35

DataOps 云計(jì)算大數(shù)據(jù)

上一頁 1 2 3 4 5 6 ··· 184 下一頁

點(diǎn)贊

51CTO技術(shù)棧公眾號(hào)

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營

^{<sub id="3at3q"></sub>}