首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏大数据学习与分享

    数据知识体系

    2)数据vs大数据平台 大数据基础能力层:Hadoop、Spark、Hive、HBase、Flume、Sqoop、Kafka、Elasticsearch等。 数据价值如下: 1)业务价值(业务创新,形成核心壁垒) 1、以客户为中心,用洞察驱动企业稳健行动 2、以数据为基础,直系大规模商业模式创新 3、盘活全量数据,构筑坚实壁垒已持续领先 2)技术价值( 数据治理框架包含数据资产目录、数据管理、模型管理和数据质量 4 个模块: (1)数据地图、数据资产目录、知识图谱及数据血缘的主要作用是展示数据的属性及相互关系,因此都纳入数据目录模块。 (2)数据模型能提高数据对外部应用需求的反应能力,固化的中间模型数据需要专门管理。模型管理包括模型目录、模型血缘及模型地图等。 (2)能力开放:把数据的数据处理能力、数据分析能力等经过适当的封装后对用户提供服务,可以是微服务,也可以是 API 接口,或者直接提供二次开发能力。

    1K10编辑于 2024-05-18
  • 来自专栏大魏分享(微信公众号:david-share)

    白话战略-2到底长啥样?

    在上篇白话战略-1开篇:是个什么鬼?,我试着依据自己的经验和理解,给出了产生的原因以及最终建设目的。 从图中可见,阿里主要由业务和数字并肩构成了双,并肩扛起了所有前台业务。 组织 以上无论是业务,数据,技术,研发……都是围绕技术展开的,也是企业在建设中最关注的方面。 列举了这么多各式各样的,最后都扯到了组织层面,是不是有种越听越晕的感觉,是不是感觉什么东西加个“”的后缀都可以靠到台上来,估计很快就会看到例如AI,VR,搜索,算法……对了,算法已经有了 业务、数据、算法等等一起提供对上层业务的支撑。 极客公园:也就是说,不论是业务还是数据,实际上都是一个架构层面的去连接底下这部分资源。

    1.9K20发布于 2018-12-24
  • 未来工作场所:知识与AI的融合

    接下来将深入探讨知识与AI如何共同作用。一、知识:企业知识管理的基石知识作为企业知识管理的核心平台,集成了企业内外的各类知识资源,通过统一的标准和规范进行组织、存储和管理。 它不仅能够实现知识的快速检索和共享,还能促进知识的持续更新和创新。知识的建设,为企业构建了一个全面、高效、智能的知识生态系统,为员工的日常工作和企业的战略决策提供了强有力的支持。 四、案例:HelpLook AI知识库——知识与AI融合的实践HelpLook AI知识库作为一款低代码、开箱即用的SaaS系统,正是知识与AI融合的典型代表。 未来工作场所知识与AI的融合将成为推动企业智能化转型的重要力量。 在HelpLook平台上,企业可以轻松搭建起自己的知识,实现知识的集中存储、智能搜索和个性化推荐。

    60210编辑于 2024-08-29
  • 如何利用AI优化知识的用户体验

    引言在数字化时代,知识作为企业知识管理与服务的重要载体,其用户体验的优劣直接关乎到信息的有效传递、员工的学习效率及企业的整体创新能力。 随着人工智能(AI)技术的飞速发展,将AI融入知识的设计与优化,已成为提升用户体验、增强用户满意度与参与度的重要途径。 本文将从用户界面优化、智能交互设计、个性化推荐及持续学习优化四个方面,探讨AI如何助力知识的用户体验升级。 此外,AI还能自动收集用户反馈,形成闭环反馈机制,帮助知识团队不断优化内容质量、调整教学策略,确保学习体验的持续改进。结语总之,AI技术的引入为知识的用户体验优化提供了强大的技术支持。 未来,随着AI技术的不断成熟与普及,知识的用户体验将迎来更加广阔的发展前景。

    73710编辑于 2024-09-05
  • 来自专栏大数据解决方案

    2年多了,到底是什么呢?万字长文来聊一聊

    2.提升稳定性:同一个业务能力持续打磨, 要求需求同时具备高的接口稳定性和好的跨业务线通用性。 这个时候他对应的层级是 2, 收入是 3。某一天, 他启动一个大项目, 给这个项目一个冠冕堂皇的名字, 比如说“拿破仑项目”。他的团队急速膨胀到 4。 紧接着他的上级内举不避亲, 把他从层级 2 提拔到 5, 收入也相应的从 3 调整到 6。然后周而复始, 他再启动“拿破仑二世项目”继续开发膨胀软件。很快他的“成功”也被疯狂复制。 对业务线的创新直接复制, 不尊重发明者的知识产权和劳动。所到处,寸草不生。 能力一旦发布, 独家专供, 哪怕功能不完善, 设计不合理也不允许业务团队复制或分支。 尊重知识产权和创新, 保护参与者的创新意愿。 通过自由准入维持市场活力。 最终由规模效应形成统一的事实标准。

    1.8K20发布于 2021-12-02
  • 来自专栏技术那些事

    | 什么到底是

    到处都在喊,到处都是这个词在好多地方已经被滥用了。 在有些人眼里:就是技术平台,像微服务开发框架、Devops平台、PaaS平台,容器云之类的,人们都叫它“技术”。 在有些人眼里:就是微服务业务平台,像最常见的什么用户中心,订单中心,各种微服务集散地,人们都叫它“业务”。 在有些人眼里:应该是组织的事情,类似于企业内部资源调度中心和内部创新孵化组织,人们都叫它“组织”。 ,从字面意思上理解,是位于前台和后台之间。 那么,到底是什么呢? 谈到,首先会想到阿里巴巴,今天就从阿里开始,一起认识下到底是什么?到底如何发展而来的呢? 阿里的发展历程 ? 技术:将使用云或其他基础设施的能力以及应用各种技术中间件的能力进行整合和包装,助力前台和业务及数据的快速建设。

    10.2K21发布于 2021-01-27
  • 来自专栏ThoughtWorks

    的定义 | 白话战略

    《白话战略》已经写了三篇,尤其是第一篇「是个什么鬼」收到了很多朋友的反馈。写“白话”这个系列主要是想通过写文章来驱动自己思考,并借此和更多人一起交流和探讨这个话题。 ? ,像上文提到业务、数据、搜索、移动,哪些才是,哪些是蹭热点的? 与前台的划分原则是什么? 化与平台化的区别是什么? 化和服务化的区别是什么? 该怎么建设? 我在上一篇白话战略-2 到底长啥样?已经举了一些常见的例子,这里就不赘述了。 可以说,就是企业所有可以被「多前台产品团队」复用能力的载体。 另一方面就是通过对于能力的SaaS化包装,减少前台团队发现能力和使用能力的阻力,甚至通过自助式(Self-Service)的方式快速定位和使用能力。

    2K43发布于 2019-05-05
  • 来自专栏数据饕餮

    数据体系结构、建设方法和落地实践(2):数据的概念定义

    一、前言 关于数据的概念定义,业内有各种各样的版本,尤其是涉及数据与数据仓库、数据平台等相关概念的差异一直争议不断,可谓一百个人眼中,就有一百个数据,千百万人眼中,就有千百万个数据 本章内容围绕数据的定义,采用两种方法,三个视角,给大家阐述,在工程实践者的眼中,数据的概念定义。 二、正文 2.1 什么是数据 数据概念的理解,我们可以通过拆解其建设内容和知识结构进行理解,此为归纳法。 通过以上时间和数据生命周期两个维度,进行数据仓库、数据平台和数据的对比和分析,我们可以得出归纳两个结论:一、时间视角:数据是数据仓库、数据平台发展和演进的下一个阶段;二、数据视角:数据仓库、数据平台和数据 三、未完待续 计划写一个完整的关于数据的系列文章,此为第二篇,基于工程实践视角阐述数据的概念定义和演进路线。下一篇:《数据的体系结构》,敬请期待。沟通交流,共同学习,可以加交流群:

    87711发布于 2020-07-30
  • 来自专栏国云大数据

    数据:什么是数据

    数据:什么是数据 什么是数据 数据是全新的架构变革。过去三十年,企业数据管理都以传统的IT架构为基础。 由此,集成式的建设方式给技术部门形成巨大的维护成本和治理成本,并没有达到数据建设的真正目的。 数据的基本能力 数据具有数据服务的能力。 传统企业搭建数据,如果仅完成了API接口的创建,仅仅是完成了数据建设的其中一环。因此,数据并不是端到端的技术赋能平台。 由此,集成式的建设方式给技术部门形成巨大的维护成本和治理成本,并没有达到数据建设的真正目的。 数据的基本能力 数据具有数据服务的能力。 数据的建立可以帮助企业对数据进行风险隔离,确保一方不影响另一方。 数据应用方式 数据应用方式一为帮助业务部门灵活使用数据分析。数据改变了以往业务部门数据分析技术能力不足的窘况。

    4.7K20发布于 2020-11-20
  • 来自专栏全栈程序员必看

    数据,什么是数据

    数据是只有大厂才需要考虑的高大上的概念吗?普通企业该不该做数据?数据的出现会给现有数据从业者们带来颠覆式的挑战吗? 数据不是大数据平台! 首先它不是一个平台,也不是一个系统,如果有厂商说他们有个数据卖给你,对不起,它是个骗子。 要回答数据是什么,首先要探讨一下到底是什么。 概括地说,三者的关键区别有以下几方面: 数据是企业级的逻辑概念,体现企业 D2V(Data to Value)的能力,为业务提供服务的主要方式是数据 API; 数据仓库是一个相对具体的功能概念 2. 对于数据人员的工程能力要求提高了 原来的数据分析工作属于个体工作方式,每一个数据科学家、数据分析师就是一个独立的工作单元,业务部门给出业务问题,他们通过自己擅长熟悉的工具和方法给出结果。 最后,史凯也提到了阿里战略的另一个——“业务”。

    2.6K31编辑于 2022-09-14
  • 来自专栏内容管理系统

    内容和数据的区别

    什么是内容内容是企业级的数字化解决方案之一,它是一种整合和管理企业各类内容资源的平台。 内容使用的场景跨平台内容管理:内容支持跨平台的内容创建、管理和分发。 企业内部知识库:大型企业可以构建内容,集中管理内部文档、培训材料、政策规定等,提升员工获取信息的效率。 内容和数据的区别内容是一个集中的平台,负责管理和分发各种形式的内容,如文本、图片、视频、音频等。 2.定义字段和关系为每个内容类型定义字段,并选择适当的字段类型,如文本、日期、图像等。你还可以设置关系字段,以关联不同类型的内容,如将产品与文章进行关联。

    1.1K10编辑于 2024-06-06
  • 来自专栏艺述论专栏

    ​图解《战略》业务设计原则

    业务是一个充满生命力的个体, 它承载业务逻辑、 沉淀业务数据、 产生业务价值,并随着业务不断发展进化。 它的设计遵循如下图所示的若个原则: ? 业务设计原则 台架构,有服务的调用方和生产方,按角色关系划分,共有以下四类关系: 1,服务生产方与服务生产方的关系 2,服务生产方与服务消费方之间的关系 3,服务生产方的管理者与服务生产方之间的关系 (2)去掉冗余数据(接口如何定义) 尽量去掉接口实体客户端不需要的冗余字段,既能减少网络开销,又能避免给前端解析带去复杂性。 --END-- 文章摘自:机械工业出版社《战略:建设与数字商业》 2019年9月出版。 《战略》由国内领先的数字商业云服务提供商阿里系云徙科技官方出品,从成功要素、建设方法论、架构设计、成熟度模型4个维度详解业务以及数据建设思路和方法,成功通过帮助近40家龙头企业实现数字化转型

    3K20发布于 2019-09-27
  • 来自专栏云+直播

    数据是什么:数据剖析

    本次分享内容: 1、数据现象及剖析 2、技术实践过程的问题与挑战 3、Q&A环节 去年3月份我写了一篇关于数据的文章,得到了10万+的浏览量。 (2)企业希望数据能够提供数据服务 过去数据部门提供的都是可视化辅助决策类的服务,而企业希望数据能够提供高响应更实时的数据服务。 总的来说,很明显能看到企业对于数据这个概念承载的重大期待。 那为什么数据仓库、数据平台、商业智能就解决不了这些问题呢? 2. 再来看一下菜鸟的数据台架构,菜鸟虽然和阿里是一个体系,但是它和阿里的还是有一些差异的。 菜鸟的数据主要分为三个大块。第1块是服务层,第2块是数据层,第3个是数据管理的套件。 [r5ocu6e06f.jpg] 2. 数据的六大能力模型 在此基础之上,我们把数据抽象成6大能力,在六大能力基础之上支撑的就是数据的使命和愿景:构建数据驱动的智能企业。

    4.5K52发布于 2020-03-05
  • 来自专栏大厂程序员

    聊透,到底什么是

    大约从去年年底开始,的概念开始被广泛讨论。但与此同时,关于究竟是什么,却是众说纷纭。 引用王健老师在《当我们谈时,我们在谈些什么| 白话战略》一文中提到的关于的一些理解,就能看出一些端倪。 而这时,的概念恰好对应了这个问题,所以大家接受了。 公司刚开始只有淘宝,后来意识到B2C模式的业务也会是电商领域重要的组成部门,所以出现了天猫,随着天猫的不断发展,逐渐独立成一个部门,但是这两套都包含订单、商品、库存、价格、仓储、物流等基本业务系统。 03 产品经理的挑战之前的内容,我们其实花了很大的篇幅来讨论,为什么会有解决怎样的问题,以及适用怎样的场景。但是,具体到业务场景当中,产品经理又在做什么事情,解决怎样的问题?

    2.2K30编辑于 2023-09-16
  • Gitee Wiki:软件工厂语境下的知识管理实践

    GiteeWiki:软件工厂语境下的知识管理实践在全球数字化转型浪潮下,软件开发的工业化进程正加速推进,软件工厂模式正成为企业提升研发效能的关键路径。 在软件工厂的构建过程知识管理系统需要满足三大核心诉求本地化部署与系统兼容性是基础条件。 实践案例验证了GiteeWiki在软件工厂的价值转化某头部金融科技企业的数字化转型实践具有代表性。该企业将GiteeWiki作为统一的知识,实现了从需求分析到运维支持的全流程知识自动化沉淀。 企业CIO评价称:"GiteeWiki不仅解决了知识存储问题,更构建了持续进化的组织记忆系统。"在软件工业化进程,GiteeWiki正从工具层面向知识基础设施演进。 其价值不仅体现在文档管理效率的提升,更在于构建了支撑持续创新的知识生态。随着AI技术的深度融合,未来的知识将实现从被动记录到主动赋能的转变,成为软件工厂智能化的核心组件。

    17510编辑于 2025-11-20
  • 来自专栏博文视点Broadview

    阿里开始“拆”?!建设何去何从?

    认真思考要不要布局,如何布局,最好的时候是2年前,其次就是现在。 “可复用性”是系统的关键词,开辟的新业务能多大程度从已有的进行复用,也成为问题避不开的一个点。 2 不是拆台,是变“薄” 早在2019年湖畔大学分享时,张勇就表示,如果一个企业奔着,就是死。这是他当时就发出的一个关于方向的信号,也为如今的“拆”埋下了伏笔。 3 关键思考点3:懂,再做选择 无论是什么体量的公司,你在思考“要不要搭建中”之前,需要真的明白,懂得分很多种,其中数据能够支持起公司里所有产品线的数据化运营,相当重要。推荐一个课程,让你搞明白到底数据厉害在哪里,到底要怎么做。 本课程能够让你快速掌握数据的相关知识和思维应用。

    87520编辑于 2023-05-19
  • 来自专栏AI粉嫩特攻队

    理解

    前段时间参加了IAS2019(互联网架构峰会),本次峰会以为主题,所以又称战略大会,据说是全国首届关于战略的会议,会议上有许多优秀的企业架构师带来了他们各自在实践过程的心得。 数据分析、基础能力、IoT的启发 这次参加战略大会,让我回想起自己2年前在做工作流业务解决方案的时候做的一次设计理念汇报,汇报的大致内容是说如今工作流引擎更多的是嵌入到业务系统,而未来工作流引擎将做为一种服务,在业务系统中共享 概念以及实现思路简介》这篇文章我们介绍了oauth2,以及用它打造单点登录体系的思路,未来还可以考虑基于统一用户中心打造一个分布式平台,提供统一的技术栈,技术标准供业务系统使用,逐渐形成我们各业务领域的台架构 总结 我们一开始对做了一个定义,认为是一种思维方式,接着从2个不同的维度讨论了什么情况下需要,然后通过一系列应用案例展示了的构建过程,并谈了我个人的一些启发,希望这些内容能够对你理解有所帮助

    2.4K60发布于 2020-01-14
  • 来自专栏只喝牛奶的杀手

    关于

    不是凭空而来,亦不是平台化架构换个名字。化架构是平台化架构的自然演进。 化架构可以在进一步把平台能力按能力、服务、实体进行管理。把平台划分为系统运行、业务运营2部分。 当前的问题通过的思路去解决,慢慢这个矛盾就会变低,但必然会产生新的矛盾,就需要用新的思想去解决。 电商业务,有四件事情肯定要去做: 保证阿里的业务跑得更快,更稳定。 不只一种解法,实现有不同的方法和实施路径,但可以总结出类似的目标和价值。 是思想,微服务是一种实现方式。你觉得台架构和微服务是什么关系呢?欢迎留言! 备注:来自只喝牛奶杀手的整理

    1K40发布于 2019-09-02
  • 来自专栏博文视点Broadview

    博文视点中书单|读懂“”,告别“伪

    近期,由于关于阿里打算“拆”的文章爆火,各家企业对的看法出现了反对的声音。 前几天,我们也在文章探讨了阿里是否真的要拆,结论是,不是拆台,是变”薄“。 今天,为了帮助大家真正地读懂,认识,告别“伪”,博文菌特地挑选了6本系列的图书,供大家参考哦! 本书以大数据平台的架构设计为主题,围绕一个2万行源代码的原型项目讲解和演示如何在工程技术层面构建当下流行的数据。 读了本书后,你可以了解数据是什么、数据的价值是什么、数据如何帮助企业腾飞、企业具备数据的建设条件吗、应该如何建设数据、数据在哪些行业中有成功的应用、建设数据需要哪些软件支撑。 同时本书还总结了多个在产品实战分析中常用的方法论,方便各位产品经理以及对感兴趣的互联网人在设计自己的方案时直接参考与借用。

    80510编辑于 2023-05-19
  • 来自专栏只喝牛奶的杀手

    数据

    主要实现数据的标准化,我们叫作“书同文、车同轨”,融合模型一般是维度建模,主要实现跨越数据的整合,整合的形式可以是汇总、关联,也包括解析,挖掘模型其实是偏应用的,但如果用的人多了,你也可以把挖掘模型作为企业的知识沉淀到 ,比如离网挽留的模型具有很大的共性,就应该有人把它规整到模型,以便开放给其它人使用,是相对的,没有绝对的标准。 数据服务将数据模型按照应用要求做了服务封装,就构成了数据服务,这个跟业务台中的服务概念是完全相同的,只是数据封装比一般的功能封装要难一点,毕竟OLTP功能的变化有限,而数据分析受市场因素的影响很大,变化更快 但有数据模型和数据服务还是远远不够的,因为再好的现成数据和服务也往往无法满足前端个性化的要求,这时候就得授人以鱼不如授人以渔了,数据的最后一层就是数据开发,其按照开发难度也分为三个层次,最简单的是提供标签库

    3.4K42发布于 2019-09-02
领券