- 综合排序
- 最热优先
- 最新优先
- 来自专栏华章科技
盘点数据治理的6个价值
作者：用友平台与数据智能团队 来源：大数据DT（ID：hzdashuju） 对于企业来讲，实施数据治理有6个价值，如图1-2所示。 ▲图1-2 数据治理的6个价值 01 降低业务运营成本 有效的数据治理能够降低企业IT和业务运营成本。 02 提升业务处理效率 有效的数据治理可以提高企业的运营效率。 03 改善数据质量 有效的数据治理对企业数据质量的提升是不言而喻的，数据质量的提升本就是数据治理的核心目的之一。 石秀峰，用友集团数据治理专家、中国电子商会数据资源服务创新专业委员会受聘专家、数据质量管理智库（DQPro）受聘专家。深耕数据领域十余年，曾主导过多家大型集团的数据治理、数据集成等项目的咨询和落地。
1.1K30编辑于 2022-04-14 腾讯云智能顾问：可视化AI架构治理平台概要
一、产品定位与核心亮点 腾讯云智能顾问是全球首款结合可视化与AI技术的卓越架构治理平台。 产品通过可视化界面呈现系统架构状态，并借助AI治理Agents自动识别和修复问题，显著降低架构治理的技术门槛。 三、应用框架和功能介绍 功能框架 腾讯云智能顾问以“企业版QQ农场”为交互模型，核心模块包括： 卓越指数：量化评估架构健康度 系统架构图：自动生成并可视化架构拓扑 治理Agents：AI驱动的自动化治理工具 ：提供精准的成本分析和优化建议 AI辅助决策：从经验决策转变为数据驱动的科学决策 稳定性保障：通过可视化演练解决不敢练、不会练的问题 架构治理自动化：治理Agents一键处理故障隐患 全景可视：提供上帝视角的架构管理视图 Agents实现统一管理 成效：获得上帝视角的管控能力，大幅提升协作效率和问题解决速度 总结 腾讯云智能顾问通过可视化+AI的技术创新，将架构治理从专家技能转化为每个IT人员的基础能力。
24710编辑于 2026-04-21- 来自专栏快学Python
6个顶级Python可视化库！
Altair 数据可视化已超神, 再见 Seaborn！Altair 数据可视化已超神 优点 简单的可视化语法 Altair利用直观的语法来创建可视化。 查看数据转换的完整列表[6]。 链接图表 Altair提供了令人印象深刻的将多个地块连接在一起的能力。你可以根据用户的互动，使用选择来过滤所附图块的内容。 如果我们不为条形图增加宽度，图表会是这样的： from bokeh.transform import factor_cmap from bokeh.palettes import Spectral6 survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6, survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6,
4.1K11编辑于 2023-12-11 - 来自专栏萝卜大杂烩
6个顶级Python可视化库
优点 简单的可视化语法 Altair利用直观的语法来创建可视化。你只需要指定数据列和编码通道之间的联系，其余的绘图工作都是自动处理的。这种简单性使得信息的可视化变得快速而直观。 查看数据转换的完整列表[6]。 链接图表 Altair提供了令人印象深刻的将多个地块连接在一起的能力。你可以根据用户的互动，使用选择来过滤所附图块的内容。 如果我们不为条形图增加宽度，图表会是这样的： from bokeh.transform import factor_cmap from bokeh.palettes import Spectral6 survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6, survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6,
2.7K20编辑于 2023-08-21 - 来自专栏数据STUDIO
6个顶级Python可视化库
Altair 数据可视化已超神, 再见 Seaborn！Altair 数据可视化已超神 优点 简单的可视化语法 Altair利用直观的语法来创建可视化。 查看数据转换的完整列表[6]。 链接图表 Altair提供了令人印象深刻的将多个地块连接在一起的能力。你可以根据用户的互动，使用选择来过滤所附图块的内容。 如果我们不为条形图增加宽度，图表会是这样的： from bokeh.transform import factor_cmap from bokeh.palettes import Spectral6 survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6, survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6,
3.4K20编辑于 2023-09-04 - 来自专栏杨熹的专栏
TensorFlow-6-TensorBoard 可视化学习
project/tensorflow-zh/how_tos/summaries_and_tensorboard.html 今天学的内容是 TensorBoard 它的作用就是可以把复杂的神经网络训练过程给可视化 tf.summary.scalar 操作来分别输出学习速度和期望误差，可以给每个 scalary_summary 分配一个有意义的标签为 'learning rate' 和 'loss function'，执行后就可以看到可视化的图表
89850发布于 2018-04-03 - 来自专栏优雅R
「R」数据可视化6 : 曼哈顿图
本文作者蒋刘一琦 在生物信息领域我们常常使用R语言对数据可视化。在对数据可视化的时候，我们需要明确想要展示的信息，从而选择最为合适的图突出该信息。 一般，在GWAS的研究中，Pvalue的阈值在10^-6 或者10^-8以下。（现在可能要求更高了？ rs6 1 6 0.5190959 第一列为SNP的名字，第二列CHR为所在染色体，第三列BP为染色体上所在位置。 rs6 1 6 0.5190959 0 6 axisdf = don %>% group_by(CHR) %>% summarize(center=( max(BPcum) + min 2096 3 3 3212. 4 4 4204 5 5 5115 6 6 5966 don是用于作图的主要数据表，而axisdf是用于处理x轴，因为我们想要他们按照染色体的位置排布
4.1K20发布于 2020-07-06 - 来自专栏希里安
微服务治理？容器治理？
可识别英语、俄语、中文等语言，感兴趣的可以看下--[Translumo](https://github.com/Danily07/Translumo) 微服务和容器治理 微服务治理和容器治理都是与分布式应用程序和容器化部署相关的领域 微服务治理（Microservices Governance）： 微服务治理是管理和维护微服务架构中的各个微服务组件的一系列策略、实践和工具。 自动化： 自动化是微服务治理的核心，包括自动部署、自动伸缩和自动化测试等。 容器治理（Container Orchestration）： 容器治理是管理容器化应用程序的一系列策略和工具。 容器治理实例 容器治理是确保容器化应用程序在分布式环境中可靠运行的一组实践和工具。 容器治理： 安全性容器治理可以管理访问控制、证书管理和数据加密，以确保数据的保密性和完整性。
1.5K40编辑于 2023-10-30 - 来自专栏PPV课数据科学社区
干货：数据可视化6步法
在当前互联网，各种数据可视化图表层出不穷，本文尝试对数据可视化的方法进行归纳，整理成6步法。 6.让图表“动”起来 数据图形化完成后，可结合实际情况，将其变为动态化和可操控性的图表，用户在操控过程中能更好地感知数据的变化过程，提升体验。 实现动态化通常以下两种方式： 交互和动画。 以上6步法，是基于“数据”层面（区别于信息可视化），梳理思考过程，总结设计方法，为后续可视化提供可借鉴的思路。 ”查看数据可视化专题-数据可视化案例与工具 5、回复“禅师”查看当禅师遇到一位理科生，后来禅师疯了！！ 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
1.3K120发布于 2018-04-20 - 来自专栏HT
园区元宇宙：打造智慧园区综合治理可视化管理平台
前言 智慧园区是指融合应用云计算、物联网、大数据等新一代信息与通信技术，通过监测、分析、智慧响应等方式整合园区内外资源，实现基础设施智能化、规划管理信息化、公共服务便捷化、社会治理精细化和产业发展现代化 整个园区的能耗情况、环保监测、照明情况、安防情况等，都可以通过图扑软件智慧一体化平台展示，实现园区运行安全“一屏通览”、园区综合治理“一网统管”。 场景初始化后，通过 HT 可视化打造园区全景空间切换，浏览园区不同场景。 水位监控 HT 三维可视化技术采用 B/S 架构，用户可通过 PC 、 PAD 或是智能手机，只要打开浏览器可随时随地访问三维可视化系统，实现远程监查和管控。 通过 HT 可视化了解园区内人员访客、职员、VIP 等信息。
4.4K20编辑于 2022-05-10 - 来自专栏数据分析与可视化
数据可视化(6)-Seaborn系列 | 直方图distplot()
np.random.randn(100) """ 案例4：绘制直方图和最大似然高斯分布拟合图 """ sns.distplot(x, fit=norm, kde=False) plt.show() [6ne0cbgxg1 = np.random.randn(100) """ 案例5：绘制水平直方图 (即在垂直轴上绘制分布) """ sns.distplot(x, vertical=True) plt.show() [u6zz1cj1au.png g"}) plt.show() [y8xh1txhvn.png] 案例地址 案例代码已上传：Github https://github.com/Vambooo/SeabornCN 整理制作：数据分析与可视化学研社
15.7K02发布于 2019-09-24 - 来自专栏实时流式计算
【译文】数据治理与BI治理
无论用户是调阅通过BI工具发布的仪表板，还是读取R或Python高级可视化的结果，如果忽略数据可视化的过程，良好的数据治理就不可能真正实现。 典型的情况，是应用ETL流程从数据库中抽取元数据，整合到数据治理工具中，并在其中添加额外的治理信息，然后利用一些BI工具将其可视化。 数据治理工具还允许分析人员采用数据集标记定性问题，并通过解决方案跟踪这些问题。 认证 数据治理工具可以识别哪些数据集和可视化已通过认证，并跟踪其所有权和认证随时间的变化信息。 例如，如果通过数据目录中的工作流对可视化进行认证，同步则可确保认证和所有相关详细信息通过门户自动可见。 研究方向：大数据行业前沿相关技术和产品，数据管理，数据可视化。
1.6K40编辑于 2023-03-24 - 来自专栏华章科技
详解6G系统数据治理方案的设计要点和原则
6G系统的数据治理方案将为AI和感知业务提供有力支持，将催生新的业务方式和系统特性。 01 设计要点和原则 数据治理的范围远不止是传统的数据采集与存储。 02 架构特点 独立的数据面是数据治理系统设计中的关键特性（如图2所示），它将为6G系统提供数据相关的通用能力，从而为6G系统内部和外部功能提供透明、高效、内生安全和隐私保护。 ▲图2 独立的数据面实现完整的数据治理 1. 独立数据面 独立数据面旨在实现6G系统的数据治理方案，它处理的数据来自不同业务实体。 因此，6G中的数据治理是典型的多方参与场景，使用6G系统提供的数据或知识的数据客户、6G系统的数据提供者都可能参与其中。 6G可以有自己的数据治理框架，也可以在自身领域知识的基础上，与其他行业参与者一起构建数据治理框架。也就是说，数据治理框架可能存在不同的演进或发展路线。
74120编辑于 2022-03-11 - 来自专栏PPV课数据科学社区
【学习】数据可视化6步法
在当前互联网，各种数据可视化图表层出不穷，本文尝试对数据可视化的方法进行归纳，整理成6步法。 以最简单的性别分布为例，可以得到一个线性的可视化过程，如下： ? 同样在数据可视化，有时需要对数据进行概念转换，可加深用户对数据的感知。 6.让图表“动”起来 数据图形化完成后，可结合实际情况，将其变为动态化和可操控性的图表，用户在操控过程中能更好地感知数据的变化过程，提升体验。 总结 数据可视化形式多样，思考过程也不尽相同。以上6步法，是基于“数据”层面（区别于信息可视化），梳理思考过程，总结设计方法，为后续可视化提供可借鉴的思路。
94440发布于 2018-04-18 - 来自专栏橙子架构杂谈
【服务治理】服务治理漫谈
【服务治理】服务治理漫谈 0. 这能给我们后续无论是业务应用还是基础技术领域的服务治理提供一些参考。 1. 什么是服务治理 在一切的最开始，我们先来问自己一个问题，什么叫做服务治理？ 我们需要什么样的服务治理 我们了解了什么是服务治理、服务治理是怎么演变发展的，这时候，我们不禁会想，我也要做服务治理！但是，请先停一下，请先问一下自己，我们需要什么样的服务治理？ 但，服务治理上，如何才能实现更高效的自动化呢？我认为： 自动化是治理的高级形态，而标准化是规模化治理的前提。 6.
4.1K31编辑于 2021-12-06 - 来自专栏数据分析1480
【Python可视化6】Seaborn之heatmap热力图
Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。 1import numpy as np 2#随机生成一个200行10列的数据集 3data_new = np.random.randn(200,10) 4 5#求出这个数据集的相关系数矩阵 6corr
6K10发布于 2020-01-23 - 来自专栏ThoughtWorks
周四晚7点半｜研发效能治理的6个影响因素和6个关键策略
研发效能治理的6个影响因素和 6个关键策略 3月24日（本周四）19:30-21:00 扫描上方二维码，免费报名直播，永久获取会议资料 数字化资产和产品逐步成为各行业中公司核心竞争力的承载，其生命周期的延续和可持续发展的挑战都让一个概念不断被提到 研发效能治理的策略有哪些？本场直播聊一聊。 扫描下方二维码，查看往期直播回放
41930编辑于 2022-03-24 - 来自专栏学谦数据运营
《DAX进阶指南》-第6章 动态可视化
Power BI报表中的可视化效果是通过两种方式来使用Power BI模型中的数据。首先，列中的值用于填充可视元素，如柱形图中的轴、表视觉对象中的行标签或切片器中的选择项。 将上述所有内容合并到一个可视化效果中。 6.2动态度量值 通过将一个度量值添加到相应的位置（如柱形图中的“值”），视觉对象将绑定到度量值。 为了让你了解我们想要实现的目标，我们添加了图6.6 和图6.7 这两个可视化效果。 图6.6 2021年每月开票金额 图6.7 2021年按月份列的已交付订单价值 我们想要做什么？
8.2K50编辑于 2022-10-30 - 来自专栏全栈程序员必看
服务治理
服务治理可以说是微服务架构中最为核心和基础的模块，它主要用来实现各个微服务实例的自动化注册和发现。 中 istio 谷歌、IBM、Lyft 是 少 Ps：Spring Cloud Eureka是Spring Cloud Netflix 微服务套件的一部分，主要负责完成微服务架构中的服务治理功能 1.阿里 – Dubbo 2.阿里 – HSF 3.腾讯 – Tars 4.JSF 5.CNCF – Linkerd 6.新浪 – Motan 7.istio 大部分（Linkerd除外、 除了这3个核心动作之外，其它的辅助操作还有统计上报、鉴权等等，这也是我们搭建一个服务治理框架需要实现的功能。从MVP的角度来说，注册、订阅、变更下发是最基础的核心功能。 服务治理的扩展 在企业中，我们可以针对服务治理做更多的扩展。比如： 1.基于版本号的服务管理，可以用于灰度发布。 2.请求的复制回放，用于模拟真实的流量进行压测。
1.3K30编辑于 2022-08-04 - 来自专栏FreeBuf
观点 | 数据治理与数据安全治理思考
数据治理 数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为，包括数据治理计划、监控、实施。 （数据安全复合治理与时间白皮书） 不同之处 →视角不同 数据治理的视角： 数据治理指利用数据驱动业务，实现企业增值。数据治理的智能化程度，决定了企业数字化转型的加速度。 数据安全治理的输出包括数据的分级分类，安全使用规范，数据的可视化、监控和发现要求等，以及最终如何采用技术手段推动人员组织与流程的落地。 而数据安全治理是数据治理的一个过程，是企业数字化转型进行数据治理中必经阶段，数据安全治理是否可以独立实施还有待详细讨论，数据安全治理是以保护数据的生命周期安全，需要的一系列管理和技术支撑，是数据安全领域数据 在现阶段多数中小企业数据中台或数据治理仍在建设中的情形下，根据数据治理的侧重点不同，在数据治理过程中实施数据安全治理的比重或阶段各不相同，甚至不包含数据安全治理。
2.5K30编辑于 2023-03-30
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