- 综合排序
- 最热优先
- 最新优先
- 来自专栏华章科技
详解数据资产的8大重要特征
从广义上讲，企业拥有的所有数据资源，包括原始数据、中间数据、临时数据、数据类目体系、标签类目体系、标签、标签类目体系方法论等都是数据资产。 ▲图2-12 数据资产运营闭环 以标签为组织载体的数据资产区别于传统的数据资源，具有8个显著而独特的重要特征，如图2-13所示。 ? ▲图2-13 数据资产8大特征 01 能确权 所有的数据资产都应该是由某企业或机构合法取得或有效管理的数据源清洗加工而来，否则不能称为资产。 在大型集团公司中，会划分拥有数据资产归属权、管理权、使用权的角色： 数据源采集、提供部门拥有数据资产的归属权； 数据资产的设计、加工、管理、运营部门拥有数据资产的管理权； 数据资产的使用、消耗部门拥有数据资产的使用权 等到业务人员想要了解数据信息，或数据部门自查数据规范性，又或者若干年后数据人员更迭交接的时候，就会发现存在非常多的数据信息缺项和填写不规范的问题，最终只能进行信息补录或元数据管理。
3.7K30发布于 2021-07-12 - 来自专栏IT知识进阶学习
JAVA自学-8大基础数据类型详解
本篇文章中，我们也将依据此思想，去更加深入地认识JAVA中最基础的八大数据类型，看看它们在JAVA世界中都存在哪些用途。 非常大的整数 -2^63^ ~ 2^63^-1 浮点型 float 4 普通实数 -3.402 823*10^38^ ~ 3.402 823*10^38^ 双精度 double 8 非常大的实数 -1.7977 当我们将低精度的数据类型赋值给高精度的数据类型时，系统会自动完成数据类型的转换(类比思想：将小容量的物体存放到大容量的容器中，当然是没有问题的)，如： 但如果需要将高精度的类型转换成低精度的类型， 那么就会出现精度的丢失，所以必须显示指定类型转换，格式如下：(需要转换的类型)要转换的值 小结 ---- 本篇文章通过类比的方式介绍了JAVA中自带的8大基础数据类型的特点和使用场景，这8大基础类型将伴随着我们整个编程生涯 下一篇我们将介绍如何通过这8大基础数据类型进行相应的算术运算，设计实现一个简单的计算器案例。
1.1K30编辑于 2022-09-13 - 来自专栏大数据文摘
大数据，看贵州！ 贵州大数据产业发展8大看点
2013年下半年，中国电信、联通、移动纷至沓来，三大电信运营商数据中心在贵州开工建设、中关村贵阳科技园成立、富士康第四代产业园落户……这一系列大手笔，正助推贵州迈上“云端”,成为发展大数据产业的黄金宝地 贵州大数据产业发展8大看点 看点一：三大运营商南方数据中心落户贵安新区 2013年10月21日开工建设的中国电信云计算中心总占地500亩，总投资70亿元，一期建成后服务器容量为100万台，2014年底起可陆续投入商用 看点三：山区里的数据中心基地 爽爽贵阳，能源富集，是数据中心基地的理想选择。贵阳和贵安新区的山区较多，使得贵阳的很多数据中心设置在山区。 看点四：大数据为媒，中关村联姻贵阳 2013年9月8日“中关村贵阳科技园”揭牌，为贵阳市发展新一代信息技术产业提供重要支撑，也为大数据产业的发展提供强大支撑。 看点五：贵州省打造千万服务器的大数据集群 三大运营商的数据中心在贵安新区相继建成后，将使贵阳周边特定区域快速集聚20万—30万的机架、百万台的服务器，数据存储规模可达EB以上，随着大数据产业持续发酵，将形成一个千万服务器集群的数据中心基地
1.8K100发布于 2018-05-22 - 来自专栏张俊红
数据分析师8大经典问题
做数据的同学们，你们在工作中被刁难过吗？有哪些问题是经常遇到，又让人恨得咬牙切齿的呢？从之前同学们吐槽的话题里，我精选了8个高频问题，今天一起来看一下。注意！ 应该多转发一些大数据/数据仓库/数据治理/数据分析的书单、技能树一类，让他们直观体验下“卧槽，这个东西这么复杂呀！” 问题2：“我们的数据可大了，都在那里了，你为啥分析不出来？” 这个问题和上个问题是同胞姐妹，本质都是领导不懂数据，以为有几个数字就是“大数据”了。 如果再加上“没有数据团队”，或者“你自己孤悬于数据团队以外”这一条，请谨慎入职，你会被PUA到怀疑人生的。 问题3：“数据不是数据分析的事吗，为啥要我参与？” 注意，这一句是疑问句，不是反问句。 问题8：“你怎么证明，你做的分析和公司业绩提升有关系！” 这个问题一般在考核绩效的时候才冒出来。听到问题的时候，都会让人恨得咬牙切齿，好想骂一句：“当初求数像条狗，看完数据嫌人丑！”
59860编辑于 2023-03-21 - 来自专栏CDA数据分析师
大数据在企业运营中的8大落地应用
制造，即运营管理是供应链的四大环节之一，负责规划，组织，管理所有制造产品所需要的资源，包括设备，人力，技术，流程，信息等。 笔者结合自己企业的发展和管理，以及大量客户和机构的研究与实践，提出了大数据在企业运营管理过程中可落地的八大应用场景： 1消费者需求分析 很多企业管理者都意识到了消费者再也不是营销产品的被动接收器了，通过大数据来了解并设计消费者的需求的产品 借助大数据，我们对采集来的企业内部(内源数据)，例如销售网点的数据，消费者直接反馈等，与外部数据(外源数据)，例如社交媒体的评论，描述产品用途的传感器数据等，通过微观细分，情感分析，消费者行为分析以及基于位置的营销等手段 利用大数据的实时数据分析，将数字勾勒出来的消费者偏好转化成为有形的产品特点，利用数据设计产品，实现研发与运营共享数据，共同参与产品设计的改进和调整。 这一切都源自于100%数据驱动的，尽可能避免主观判断和推测。 8资产智能管理 物联网(IOT)的发展以及感应技术的兴起，为我们开创了一个能紧密连接物理空间许多事物的信息网络。
3.4K60发布于 2018-02-24 YashanDB数据库的8大技术亮点与实践
YashanDB 是一种新兴的数据库解决方案，具有多项技术亮点和实际应用价值。以下是 YashanDB 的八大技术亮点与实践：1. 高性能和低延迟：YashanDB 采用了高效的数据存储和索引算法，能够提供极高的查询性能和低延迟响应。这使得它在高并发场景下仍能保持快速的数据处理能力。2. 智能的数据分片：YashanDB 具备自动数据分片的能力，能够根据数据的热点和负载情况进行动态调整，确保负载均衡和资源的高效利用。7. YashanDB 的生态系统支持与流行的大数据和机器学习框架集成，便于数据分析和处理。8. 安全性和数据隐私：YashanDB 提供了多层次的安全机制，包括数据加密、访问控制和审计日志等，确保数据在存储和传输过程中的安全性，同时满足行业合规要求。
11610编辑于 2025-11-20- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Landsat 8 Landsat8 Collection2大气层顶反射率数据
简介 Landsat8 TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA，是飞行在大气层之外的航天传感器量测的反射率，包括了云层、气溶胶和气体的贡献，可通过辐射亮度定标参数、太阳辐照度 数据集ID: LC08/02/T1 时间范围: 2022年01月-现在 范围: 全国 来源: USGS 复制代码段: var images = pie.ImageCollection("LC08/02 collection2 TOA影像 */ // 加载Landsat 8 TOA影像 var landsat8 = pie.ImageCollection("LC08/02/T1") Map.addLayer(landsat8,{min:0.05,max:0.3,bands:["B4","B3","B2"]},"Landsat8-TOA"); Map.centerObject(landsat8,7 landsat_product_id string 影像名称 scene_id string 影像id correction string 产品级别 collection_number string 数据集编号
50000编辑于 2024-05-24 - 来自专栏灯塔大数据
8大数据看2016车市风水流转
2016年中国汽车产销均超2800万辆，连续8年蝉联全球第一。而在另一半球的美国，2016全年销量约为1754万辆，保持了7年的连续增长。 在美国，皮卡和SUV支撑车市主要数据。《美国汽车新闻》的新年评论中悲观地认为：“这种增长在2017年很难持续，因为低油价即将结束，皮卡和SUV的好日子不多了。” SUV在多年连续高速增长之后再次全线飘红，据乘用联的数据，去年SUV市场全年销量高达902.3万辆，占乘用车销量的38.2%，增速高达47.1%！ 汉兰达的热卖、大7座SUV途观L的推出都是信号。 6 .2%B级车现颓势市占比创新低 今年合资品牌B级车表现一般，市场的动荡让B级车局被动混乱。 今年车辆购置税优惠幅度也正式由5%退坡至2.5%，对于A级车来说也是一大挑战，车厂如何迎战？我们拭目以待。 84%新能源车销量增幅突飞猛进 根据乘联会发布的2016年新能源汽车市场的销售情况。
80450发布于 2018-04-08 数据清洗怎么做？一文总结8大数据清洗方法
数据清洗就是把原始数据里的错误改掉、把格式标准统一、补齐缺失的部分，最终让数据完整、统一、真实有效，能直接拿来分析、建模。 很多人花大量时间研究模型、算法，可真到了实际项目里，卡住他们的往往不是模型选的对不对，而是数据不干净、不能用。今天我给大家总结了最实用的8大数据清洗方法，能帮你解决绝大多数场景下的数据问题。 二、处理重复数据数据重复是数据整合、多源采集过程中的高频问题，同一数据记录多次录入、多平台同步冗余，会直接导致数据统计失真、计算结果偏大。 数据类型转换，就是将数据统一为标准格式、规范数据类型，让数据具备可计算、可匹配、可分析的基础属性。 五、标准化与归一化实际数据中，不同字段的数值范围、量纲差异极大，比如身高以厘米为单位、收入以元为单位，数值跨度差距很大，这类数据直接用于分析或建模，会导致数值大的字段占据主导地位，影响结果公平性。
99810编辑于 2026-03-19- 来自专栏Java,后端开发,网站开发,数据结构,算法分析.
数据结构-8.Java. 七大排序算法(上篇)
内部排序 ：数据元素全部放在内存中的排序。 外部排序 ：数据元素太多不能同时放在内存中，根据排序过程的要求不能在内外存之间移动数据的排序。 1.3 常见的排序算法 2. 遍历数组, 在内循环中, tmp 与 array[ j ] 进行比较,, 若是 tmp 小 则 [ j + 1] = [ j ]; 若是 tmp 大 则 直接 break; 3. 稳定性：不稳定 2.2.3 堆排序 堆排序 (Heapsort) 是指利用堆积树（堆）这种数据结构所设计的一种排序算法，它是选择排序的一种。它是通过堆来进行选择数据。 int end) { int child = (parent*2)+1; while(child < end) { //保证右子树存在并且当右子树大的时候 parent = child; child = parent*2+1; }else { //本身就是大根堆
28010编辑于 2024-11-20 - 来自专栏灯塔大数据
2016年大数据专家值得期待的8件事
当然，这在聘用大数据专家时也一样奏效。数据质量总监、软件工程师、平台软件工程师、数据库工程师、大数据平台工程师，安全分析师，分析师和信息系统开发管理工作这些职位都需要精通大数据。 很明显，大数据在接下来的发展的中将变成“更大的”数据。 ? 在此列举八件2016年大数据专家值得期待的事： 1. 而在加利福尼亚州，大数据工作是最吃香的。尤其在大湾区的弗里蒙特、桑尼维尔、奥克兰、三藩、圣克拉 拉和圣若泽。 3. 销售代表一职的需求量 “暴涨”这个词常拿来形容大数据解决方案的销量。 更多行业将用到大数据 多个行业将需要大数据专家，比如：制造业、金融保险业、零售业、信息技术，以及其他科学及技术服务业。专家们认为，像制造业这样的垂直市场的投资回报率是最高的。 8. 大数据是量化的主观事物 2016年会有越来越多的有关大数据的职位，因为大数据本身每年都在不断的更新。它不只是用来处理数据，或者解释人们暗号交流这样的非语言交际线索（比如声音、手势和表情）。
52060发布于 2018-04-10 - 来自专栏SDNLAB
2020年数据中心值得关注的8大趋势
由于新物联网设备和边缘计算需求的激增，数据中心正变得越来越重要，到2020年海量数据需求将达到新的水平。 在过去的8年里，企业在自己的数据中心硬件和软件上的支出一直停滞不前，而在云基础设施服务(如平台即服务和托管私有云)上的支出则大幅增加。 亚马逊继续投资数据中心 无论哪个角度来看，亚马逊都可以说是2019年最大的数据中心赢家。 ? 去年12月底，亚马逊首次推出数据中心硬件架构AWS Outposts。 “数据中心即服务”获得真正的吸引力 全球所有主要的数据中心供应商都认为，客户将希望以一种“ as-a-service”的方式购买和管理其数据中心基础设施。 原文链接： https://www.crn.com/slide-shows/data-center/8-biggest-data-center-trends-and-technologies-to-watch-for-in
1.1K10发布于 2020-02-21 - 来自专栏Java,后端开发,网站开发,数据结构,算法分析.
数据结构-8.Java. 七大排序算法(中篇)
文章专栏: Java-数据结构 若有问题 评论区见 欢迎大家点赞 评论 收藏 分享 如果你不知道分享给谁,那就分享给薯条. 你们的支持是我不断创作的动力 . 1. 将数组中相邻元素从前往后依次进行比较，如果前一个元素比后一个元素大，则交换，一趟下来后最大元素就在数组的末尾 2. pivot+1,end); } 上述为快速排序递归实现的主框架，发现与二叉树前序遍历规则非常像，在写快速排序递归框架时可想想二叉树前序遍历规则即可快速写出来，后序只需分析如何按照基准值来对区间中数据进行划分的方式即可 //如果先走左边,最终pivot下标处的值一定比key(头元素)大,自己画图便知. //2. 当数据量很大的待排序数组本身是有序的时候, 递归快排会出现单分支的情况, 此时递归的次数最多, 所需的空间也最多, 怎么减小空间消耗呢?
36910编辑于 2024-11-25 - 来自专栏钱塘大数据
【图说】我国重点行业领域大数据应用研究（8大领域）
全文较长，建议阅读时间4分钟。 往期回顾：【图说】2016年中国云计算产业趋势分析报告
1.1K60发布于 2018-03-01 - 来自专栏Java,后端开发,网站开发,数据结构,算法分析.
数据结构-8.Java. 七大排序算法(下篇)
文章专栏: Java-数据结构 若有问题 评论区见 欢迎大家点赞 评论 收藏 分享 如果你不知道分享给谁,那就分享给薯条. 你们的支持是我不断创作的动力 . 1. left < right && array[left] <= key) { left++; } //从左边开始第一个比key大的元素覆盖空位
19810编辑于 2024-11-25 - 来自专栏CDA数据分析师
大数据时代8大热门IT岗位，你适合哪一款？
下面分别为大家介绍着十大IT技能所体现的工作岗位： 一、算法工程师 何万青博士曾经介绍把一件事做快做好的三种方法，其中就提到过“提高流水线效率、更好的算法和更短的代码关键路径。” 对公司海量用户行为数据和用户意图，设计数据挖掘算法。 三、数据挖掘工程师 数据挖掘工程师，也可以叫做“数据挖掘专家”。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术。 八、数据库开发和管理 数据库开发和管理在大数据时代显得尤为重要，相关的数据库管理、运维和开发技术，将成为广大BI、大型企业和咨询分析机构特别看重的技能体现。 比如分布式的、面向海量数据管理的数据库系统之一NoSQL，就是面向大数据领域的非关系型数据库的流行平台，高可用、大吞吐、低延迟、数据安全性高等应用特点成为了很多企业的看重的特点，并希望有足够多的优秀IT
99260发布于 2018-02-23 - 来自专栏轮子工厂
快速搞定8大排序算法
如果第一个比第二个大，就交换他们两个。直到没有任何一对数字需要比较。 冒泡排序最好的时间复杂度为O(n)。冒泡排序的最坏时间复杂度为O(n^2)。因此冒泡排序总的平均时间复杂度为O(n^2)。 算法适用于少量数据的排序，是稳定的排序方法。 大根堆：父结点的键值总是大于或等于任何一个子节点的键值； 小根堆：父结点的键值总是小于或等于任何一个子节点的键值。 二叉堆一般用数组来表示。 堆排序利用了大根堆(或小根堆)堆顶记录的关键字最大(或最小)这一特征，使得在当前无序区中选取最大(或最小)关键字的记录变得简单。 堆排序是一种选择排序,其时间复杂度为O(nlogn)。 ，统计每个待排数据“落入”各桶中的个数，第2轮遍历buckets用于重新计算buckets中元素的值，2轮遍历后就可以得到每个待排数据在有序序列中的位置，然后将各个数据项依次放入指定位置即可。
45520发布于 2018-08-10 - 来自专栏Java技术栈
Redis 的 8 大应用场景！
为了保证数据实时效，每次浏览都得给+1，并发量高时如果每次都请求数据库操作无疑是种挑战和压力。Redis提供的incr命令来实现计数器功能，内存操作，性能非常好，非常适用于这些计数场景。 不再由容器管理，而是由session服务及内存数据库管理。 ，利用数据库锁来控制资源的并发访问是不太理想的，大大影响了数据库的性能。 6、 社交网络 点赞、踩、关注/被关注、共同好友等是社交网站的基本功能，社交网站的访问量通常来说比较大，而且传统的关系数据库类型不适合存储这种类型的数据，Redis提供的哈希、集合等数据结构能很方便的的实现这些功能 8、消息系统 消息队列是大型网站必用中间件，如ActiveMQ、RabbitMQ、Kafka等流行的消息队列中间件，主要用于业务解耦、流量削峰及异步处理实时性低的业务。
1.3K30发布于 2018-09-29 - 来自专栏机器学习算法与Python学习
8大排序算法图文讲解
排序算法可以分为内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。 本文将依次介绍下述八大排序算法。 算法一：插入排序 ? 希尔排序是基于插入排序的以下两点性质而提出改进方法的： 插入排序在对几乎已经排好序的数据操作时，效率高，即可以达到线性排序的效率 但插入排序一般来说是低效的，因为插入排序每次只能将数据移动一位 希尔排序的基本思想是 算法步骤： 1)首先在未排序序列中找到最小(大)元素，存放到排序序列的起始位置 2)再从剩余未排序元素中继续寻找最小(大)元素，然后放到已排序序列的末尾。 3)重复第二步，直到所有元素均排序完毕。 但桶排序的缺点是： 1)首先是空间复杂度比较高，需要的额外开销大。
50620发布于 2019-05-15 - 来自专栏效率工具
开发 RPA 的 8 大 Python 框架
这篇文章列出了用于自动化桌面、Web、传统和移动应用程序的 8 大 Python 框架。1. SeleniumSelenium 最初于 2004 年发布，可能是最常用的 Web 自动化框架。 许可证：Apache 2.0站点：https://github.com/autopilot-rs/autopy8.
6.6K01编辑于 2024-04-27
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