- 综合排序
- 最热优先
- 最新优先
媒体融合专项版 ——500 + 账号全域管控方案
技术背景在 AI 重构内容生产力的浪潮下（徐达内，2025），媒体机构账号矩阵规模呈指数级增长，某省级媒体矩阵达 500 + 账号却面临 “数据乱、考核难” 痛点。 + 平台 OAuth 2.0 一键认证，账号数量无上限适配；内容生产引擎：集成 NLP 模型与行业词库，输入 “文旅 + 秋季” 即可生成 300 + 差异化文案，结合爆款解构算法实现二次创新；数据中台层 ：实时聚合 186 + 维度数据，支持账号分组管理与任务看板可视化。 return requests.post(f"{self.base_url}/groups", json=payload, headers=self.headers).json() # 带数据监测的内容发布 self.headers).json()标杆案例黄山旅游通过该架构整合 126 个账号，周更率从 50% 升至 85.7%，抖音话题播放量年增 160 亿；某省级媒体实现 500 + 账号 “一人管理”，数据统计效率提升
28010编辑于 2025-11-07腾讯云智慧传媒：构建全域数字基座与融合服务引擎
数据孤岛与运营断层： 媒体企事业单位内部多类型应用各自生长，链接跳转体验差；同时公域流量难以转化为私域资产，缺乏智能营销与数据分析支撑。 部署全栈技术产品矩阵与开放生态 张宇明|腾讯云智慧传媒行业解决方案专家 提出通过“开放共建·融合创新”模式，提供覆盖四大场景的三大域服务： 1. TDSQL数据库： 自研国产数据库引擎包，具备完整知识产权，适配生产、媒资、播出等核心场景。 云原生支撑平台： 包含容器服务TKE、微服务平台TSF等，支持公有云、专有云及私有化部署。 2. 融合服务引擎 媒体处理引擎： 提供音视频转码与内容质检能力，支持画质增强与19项技术检测。 数据处理引擎： 腾讯企点分析云，提供数据采集、增长分析与可视化能力。 XR演播室： 纯软件跟踪标定，无穿戴人体识别与动捕，低成本实现虚实融合。
17010编辑于 2026-05-31融合LBS大数据重塑行业监管：文旅全域数智化治理与服务赋能路径
打通数据孤岛，直面政企客三端监管与服务断层 当前文旅产业在迈向全域数字化的进程中，普遍面临因数据底层割裂而导致的战略执行困境。 由于缺乏综合数据枢纽，管理部门无法对全域数字化旅游进行有效监管与把控，行业监测、经济运行分析与突发事件应急决策缺乏量化数据支撑。 ，底层数据融合直接支撑了“游云南”产品体系的爆发。 上线文旅融合大数据应用和算法模型，促成旅游资源的开放共享流通，建成全国具有引领示范作用的文旅行业大数据中心。 平潭综合实验区（畅游平潭）： 聚焦全域海岛特色，沉淀多业态用户数据。 通过融合台胞服务、移动餐车、海产溯源等创新功能，打通“吃住行游购娱”全要素，利用数据驱动延长游客旅游时长。 5.
16510编辑于 2026-05-30- 来自专栏大数据和云计算技术
超融合方案分析系列（6）联想超融合方案分析
超融合概述 超融合产品分析系列（1）：nutanix方案 超融合方案分析系列（2）：VSAN的超融合方案分析 超融合方案分析系列（3）深信服超融合方案分析 超融合方案分析系列（4）H3C超融合方案分析 在这个方案中清晰的定义了系统盘（，SSD缓存盘，数据盘，可以明显看到S700的方案的整体方案要要优于S500：S7000支持的数据盘磁盘更多，磁盘规格更大，支持最大12个3.5寸大盘（基于2U的X3650M5 ：12个3.5寸盘+2个3.5后置盘+2个2.5寸后置盘方案）或者6个2.5寸大盘（同样基于2U的X3650M5，8个3.5寸盘+2个后置盘方案），而基于基于1U的X3550M5，只有2.5寸小盘（10 个2.5寸盘或者或者8块2.5寸小盘方案，分别对应的数据盘是6个和4个）。 很奇怪的是S500同样和X3550M5一样的8个2.5寸盘机型，为什么设置数据盘为5块+系统盘为一块，而不是4+2的方案。
3.6K60发布于 2018-03-08 - 来自专栏公共互联网反网络钓鱼（APCN）
线上线下融合式勒索攻击的链路解析与全域防御研究
反网络钓鱼技术专家芦笛指出，线上线下融合攻击打破了网络安全与物理安全的防护边界，单一维度的安全策略已无法抵御此类复合型威胁，企业必须推动网络安全与实体安防体系深度融合。 此类线上线下融合的复合型攻击，模糊了网络安全与物理安全的边界。 远程访问权限精细化管控严格限制外网对企业内网的远程访问，执行三大策略：第一，地址白名单，仅允许企业办公网段、指定运维公网 IP 接入远程服务，封禁境外 IP、陌生网段的远程连接；第二，时间限制，非工作时段（22:00 - 次日 6: 5.3 防御技术迭代方向对应攻击演化趋势，未来防御技术需向三个方向迭代：一是智能化行为分析，引入 AI 算法对远程会话、人员行为、文件操作做深度行为分析，从 “特征匹配” 升级为 “异常行为识别”；二是全域数据联动 ，进一步完善全域防御体系。
20310编辑于 2026-06-15 腾讯云以融合创新数字底座驱动智慧城市全域数字化转型
企业现有平台存在数据孤岛、运维成本高及AI应用开发效率低等问题，制约全域数字化转型。 构建“Data+AI”一体化的云原生数字底座 腾讯云提出以融合创新数字底座（IaaS+PaaS+SaaS） 为核心的整体解决方案： 腾讯云大数据平台TBDS：支持存算分离、湖仓一体架构，可兼容C86/ARM 实现数据效能提升与成本优化量化效果 某部委大数据平台：实现总局+31省+5市数据协同，承载超10PB数据量（来源：客户案例）。 数据湖性能加速：通过Iceberg+StarRocks架构优化，查询性能提升50%（来源：产品测试数据）。 合规资质：TBDS获得15+信创兼容互认证，操作系统与数据库通过国家可靠测评。
22110编辑于 2026-05-30- 来自专栏千帆企业应用连接器
零售企业全域数据打通最佳实践
多平台的数据如何更好的指导业务增长？ 零售客户：全域数据打通直播的开场，何露凡就为大家分享了一个自己亲历的大型零售客户的故事。 企业的CTO是个改革实战派，一直在反复思考实践，线下3000门店的数据，如何才能和线上数据互通，帮助企业进一步提升营收？ 原来企业的所有的线上订单、用户数据都是直接通过接口去和企业的业务中台对接，数据量大，脚本同步上亿条数据需要数个小时；而整体梳理升级后，腾讯云数据连接器作为一个“总线”，所有的数据出口都通过腾讯云数据连接器来对接 腾讯云数据连接器基于云原生的高性能架构，可拓展性高，自动伸缩扩容，支持大量数据并发同步。
1K30编辑于 2023-01-04 - 来自专栏腾讯优码二维码
Oneid数据融合见解
接触了大量企业客户项目，沟通过程中发现很多都需要去解决数据打通，实现所有数据融合。 数据融合是指数据埋点上报后，如何把不同端/系统的数据打通。 如CRM系统、线下终端、线上APP、小程序、公众号融合，实现oneid数据串联。 与很多行业人沟通探讨过，发现可以讲的特别清楚的不多，结合行业资料单独进行了整理研究可以看出，数据融合是高度依赖于数据埋点的，而大部分公司都处于未埋点或者埋点不规范阶段。 因此先花一点点篇幅介绍数据埋点数据埋点数据埋点：市场上有各种各样埋点技术，究竟选择哪种让客户很困惑。埋点过程中客户要做什么，腾讯要提供什么都需要提前确认好。 当前服务的所有传统行业客户也都是通过该技术来完成数据上报数据融合数据通过代码埋点上报后，接下来就要解决数据融合问题数据融合：不同的端有不同的id，那这些id究竟如何串联起来。
53110编辑于 2025-01-08 - 来自专栏大数据在线
信创生态迎数据挑战，全域数据管控成趋势
随着越来越多关键工作负载的信创化，数据的“汇-存-管-用”全流程需要加速向全栈国产化演进，实现全域的数据可管可控。 以关键的CPU技术为例，目前有鲲鹏、兆芯、海光、飞腾、龙芯、申威等基于不同架构和指令集的CPU产品，为了实现对异构计算芯片的融合，需要在数据层实现各生态的兼容适配； 信创生态和现有X86生态的融合、过渡和切换 第三，数据流动解锁，无业务中断 数据驱动时代，数据的自由流动关乎着数据价值能否有效挖掘。 这当中，数据的类型包括结构化数据和非结构化数据，数据流动的路径则包括从X86生态到信创生态，以及信创生态内部之间。 03 跨生态的数据生命周期管理：可以在一个集群内实现跨生态的数据统一管理、数据流动、数据在线迁移。
99140发布于 2020-09-18 - 来自专栏AIGC新知
DCMM标准之数据安全域解读（二）：数据安全管理
《数据管理能力成熟度评估模型》（以下简称DCMM）是我国在数据管理领域首个正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化 标准： 数据架构-技术的标准 数据标准-数据的标准 建设：数据生存周期-项目全过程遵循标准 DCMM是我国在数据管理领域首个正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力 图 2 数据管理能力成熟度等级 02—DCMM数据安全域概述 《数据安全法》第三条对数据方面的基础定义： 数据：任何以电子或其他方式对信息的记录。 数据安全保护对象：包括国家层面的重要数据和核心数据、个人层面的个人信息、社会层面的公共数据、组织层面的组织数据等。 条款5) 对于不同的数据使用对象，通过数据脱敏、加密、过滤等技术保证数据的隐私性； 条款6）定期开展数据安全风险分析活动，明确分析要点，制定风险预防方案并监督实施； 条款7）定期汇总、分析组织内部的数据安全问题
1.8K10编辑于 2024-10-08 - 来自专栏AIGC新知
DCMM标准之数据安全域解读（三）：数据安全审计
《数据管理能力成熟度评估模型》（以下简称DCMM）是我国在数据管理领域首个正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化 图 2 数据管理能力成熟度等级 02 — DCMM数据安全域概述 《数据安全法》第三条对数据方面的基础定义： 数据：任何以电子或其他方式对信息的记录。 数据安全保护对象：包括国家层面的重要数据和核心数据、个人层面的个人信息、社会层面的公共数据、组织层面的组织数据等。 外部审计报告：聘请第三方对数据安全进行专项审计的符合性或技术性检查报告。 6. 数据安全建议 审核方结合企业实际给出数据安全的设计、操作和合规方面的建议。 、外部监管的需求； 条款4) 评审数据安全管理岗位、职责、流程的设置和执行情况； 条款5）评审组织数据安全等级的划分情况； 条款6) 评审新项目开展过程中的数据安全管理工作情况； 条款7）定期发布数据安全审计报告
1.6K10编辑于 2024-10-08 - 来自专栏数据猿
【友盟+】COO叶谦：全域数据，智能未来
<数据猿导读> 2016中国互联网大会全域大数据应用论坛于6月21日在北京国际会议中心举行。【友盟+】COO叶谦对全域数据智能驱动未来分享了自己的观点和看法。 本届互联网大会期间，【友盟+】再次独立承办的“2016中国互联网大会全域大数据应用论坛”6月21日在北京国际会议中心举行。本次论坛主题“舞动全域，智能未来” 。 以下是数据猿现场直播整理的“友盟+COO叶谦”的发言实录： 2016中国互联网大会全域大数据应用论坛于6月21日在北京国际会议中心举行。 全域数据能力是解决困局的新生产力 全域数据能力重点在全域两个字上，分为三个层次:全面的数据采集能力、全面的数据处理能力和全面的数据服务能力。 对于全域数据的前景，叶谦表示，未来的智能生活离不开全域数据，也必将构建于全域数据的基石之上。 来源：数据猿
96240发布于 2018-04-19 - 来自专栏点云PCL
多帧数据融合思路
一.对数据的输入 A、如何获取你的点云数据（使用什么设备，查找相应设备的介绍，设备的精度、稳定度、抗噪能力、数据的可视深度范围等，采用无标记点融合，或标记点融合；要考虑多帧数据之间的旋转角度）； B、如何将你的数据对象从环境中分割出来 （识别分割、手动分割CC），深度学习若能做分割，并且针对特定对象的效果还行的话，再结合PCL做多帧数据的融合，是一个创新点（前提是提高效率）； C、对数据的输入输出要掌握，一般程序都是一样的，复制粘贴即可 二、对数据的预处理（融合肯定至少两帧数据） A、数据是否有噪声：根据噪声的类别，选择合适的算法进行去除（直通滤波、条件滤波、统计滤波、双边滤波等等）； B、数据是否需要下采样：体素栅格滤波（参数的设置， 根据自己的目的，参考北航出的国内唯一一本PCL的书，同时兼顾PCL官网的更新内容）； B、精配准执行前的准备：是否建立空间拓扑关系（一般需要建立，加快计算速度）； C、是否需要剔除错误点对（一般需要剔除，提高融合精度 书以及官网都可查阅）； D、执行计算，并输出精配准融合点云对象，输出精配R和T，输出精配时间，并可视化（保存或可视化都行）。
2.6K20发布于 2019-07-30 工业制造全域数据资产化与敏捷洞察联合实践
但在全域数字化转型过程中，全球头部制造企业普遍面临底层数据架构与前端业务敏捷性脱节的核心痛点： 全局数据资产碎片化： 全球数据仓库缺乏针对中国业务的专项治理，各业务系统独立建设，导致数据维护呈现碎片化状态 二、 构建湖仓一体与AI驱动的智能分析底座 为实现全方位的数据赋能，毕马威（KPMG）联合腾讯云为工业制造企业构建了基于全局视角的“一体化数据赋能平台”，通过底层架构重塑实现数据资产化： 湖仓一体的大数据底座 ： 依托腾讯云 TBDS（大数据处理套件） 与 Wedata（数据开发与治理平台），集成流处理引擎、批处理引擎与OLAP引擎，完成端到端的数据集成、流式计算、数据治理与运营监控。 AI与物联网场景融合： 引入 iPaaS 与 AI Capability（大模型客服、算法模型训练），将数据应用向下延伸至物联网服务（如设备工况监控、寿命预测、大修提醒），向上赋能市场营销（用户画像、积分体系与精准投放 此模式充分融合了毕马威在工业制造行业的专业领域知识与腾讯在科技和数字领域的底层影响力。
19710编辑于 2026-04-07- 来自专栏学习
【机器学习】---异构数据融合
本文将详细讨论异构数据融合的概念、常用的技术手段、挑战以及代码示例。 2. 异构数据融合的概念 异构数据是指数据在格式、维度、来源等方面存在差异。 在实际应用中，异构数据的融合不仅需要考虑数据间的相关性，还要处理其不一致性和噪声。这使得数据融合成为一个复杂且具有挑战性的任务。 3. 常用的异构数据融合技术 在处理异构数据时，常用的融合技术包括以下几类： 3.1 早期融合（Early Fusion） 早期融合是指在模型训练前，将来自不同模态或来源的数据直接进行融合，构建一个统一的输入特征向量 异构数据融合的挑战 虽然异构数据融合在理论上可以带来显著的性能提升，但在实际应用中依然面临着诸多挑战： 4.1 数据预处理与对齐 异构数据可能具有不同的时间和空间分布，因此在进行融合之前，需要进行数据对齐 通过融合来自激光雷达、摄像头、GPS等多个传感器的数据，可以有效提高车辆的感知能力和决策能力。 6. 总结 异构数据融合在机器学习中具有广泛的应用前景，但其复杂性也带来了许多挑战。
1.3K10编辑于 2024-10-01 - 来自专栏数据猿
友盟+ CEO朋新宇：未来的数据一定是全域数据
<数据猿导读> 在UBDC全域大数据峰会上【友盟+】CEO朋新宇发表了“友盟+开启数据plus时代”的主题演讲。他认为：未来的数据一定是全域数据。 一个大规模生产、分享和应用数据的时代已经开启，数据正在改变着世界。 ? 数据猿报道，2016年4月20日，2016 UBDC全域大数据峰会在京召开。 本次峰会是由行业协会、互联网领军企业、知名品牌商联合打造的国内首个全域大数据行业峰会。共同探讨跨国界、跨终端、跨领域的全域大数据最具前瞻性和代表性的话题。 ◆ ◆ ◆ 为什么是全域数据？ 这除了本身机器学习、算法和数据之外，背后很大的原因是它真正利用了全域大数据，能够使它在每一局下的棋子的胜算达到最高。 我们以此来引起全域的概念，结合互联网，你觉得互联网的行为就等于人的行为吗?
89750发布于 2018-04-19 - 来自专栏用户1513005的专栏
攻坚智能制造，CIO需关注的6大融合要素
这场变革不仅是技术的，也是商业的变革，是综合的力量引发的，包括产业环境、技术进步、资本力量的效应、管理思想、商业模式的融合。 需求永远是第一个问题，因为，生产的目的就是为了需求，大数据分析的目的也是为了得出需求的变化，而采用智能机器人是为了消费生产中的不增值环节，提高柔性。 框架性解决的是以整体的方式来阐述各个单元之间的关系，而这在三维的工业4.0体系里得到了最为明确的描述，从垂直、水平与生命周期三个维度来构建体系，垂直解决的是信息从底层到上层的流动关系与接口，而水平则解决的价值链的前后之间的数据交互与协调 工业4.0将消费世界、商用产品领域的技术延伸到了自动化与工业生产系统，而另一方面，消费世界的应用将与工业世界互联，产生大量的需求数据给CRM，延伸到MES的应用。
54240发布于 2019-09-26 - 来自专栏重庆的技术分享区
大数据与机器学习融合
更多的线性代数和可扩展计算 我最近与柏林工业大学的学生进行了两次非常有趣的讨论，我了解了机器学习社区和大数据社区之间的鸿沟有多大。 我认为这里的主要信息是机器学习者真的喜欢用矩阵和向量来思考，而不是那么多的数据库和查询语言。 我认为这个系统仍然有效的主要原因是在这里运行的工作大多是计算密集型的，没有太多的数据密集型。大多数情况下，系统用于运行大批量的模型比较，在基本上相同的数据集上测试许多不同的变体。 将其与典型的“大数据”设置进行对比，您可以在其中获得数TB的数据并运行相对简单的分析方法或在其上搜索。 这里的好消息是，今天最需要的可扩展计算并不复杂。 从大数据到复杂方法？ 就我看到的方式而言，迄今为止，大数据主要是由于需要以可扩展的方式处理大量数据，而这些方法通常非常简单（至少在机器学习研究中是这么简单）。
1.3K40发布于 2018-06-10 数据融合是什么？进行数据融合的4大关键环节！
但数据融合是为了给 AI 打基础，只有高质量的数据才能给模型更精确的数据输出。这篇文章就带你系统了解：数据融合是什么？常见的数据融合类型有哪些？实施中会遇到什么样的挑战？ 一、数据融合是什么数据融合（Data Fusion）是一种将来自不同来源、不同格式或不同结构的数据集成到一个统一的数据模型或数据集中的过程。 二、数据融合有哪些类型数据融合的目的是通过整合多样化的数据，提高数据的完整性、准确性和可用性，以支持更深入的分析、决策制定或应用开发。但数据融合并非单一模式，根据数据结构的特性，可以分为以下几类。 四、数据融合的方法面对上述挑战，需要采用科学有效的方法来实施数据融合。 3.数据挖掘和机器学习技术使用数据挖掘和机器学习算法进行数据融合，识别模式和关系，从而生成更高质量的融合数据。
1K10编辑于 2025-09-09- 来自专栏灯塔大数据
深度|大数据助推媒体融合
在2016年5月在贵阳举办的媒体大数据创新高峰论坛上，第十二届全国人大常委、教科文卫委员会主任委员、清华大学新闻与传播学院院长柳斌杰受邀与众多媒体界大咖共同探讨大数据作为引擎给媒体跨界和融合带来的新的动力 现在，媒体融合不仅仅要在公路建设、平台开辟方面发力，大数据能够创造更加优质的内容，这才是大数据与媒体融合的关键。 传播行业多少年来都因技术而发生转折，这一规律在新闻媒体上尤为突显。 准确地说，数据媒体时代已经到来，根据目前的发展势头，预计今年年底数字媒体可以占比50%以上。 大数据技术是互联网数字化、云计算日益普及的条件下，融合发展的一个技术突破。 形象地说，大数据已经进入到互联网传播的内容层次上，大数据不是一般的技术，它已经能自己生产，它已经是内容的时代。 二、大数据改变了传播的思路。 以大数据为核心的媒体融合，关注的是内容生产。 从中央两年来所出台的系列媒体融合的政策，可见大数据背景下媒体融合问题摆在中央的议事日程和重要位置。 内容来源：大数据观察
949100发布于 2018-04-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号