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。 所以在数据安全的基础上,企业的数据资产目录要对利益相关者、价值创造者开放,要让业务人员能够做到“Self-Service”。 4. 数据也可以小而美 建设数据的关键考量包括两方面。 首先数据一定要与业务价值对齐。构建数据,最重要的不是技术,也不是数据质量好不好,而是数据思维和数据文化。 数据工程团队:建设和维护数据,包括 ETL、数据采集,以及数据性能和稳定性保证,利用的工具采集、存储、加工、处理数据

    2.6K31编辑于 2022-09-14
  • 来自专栏云+直播

    数据是什么:数据剖析

    (3)企业希望数据能直接提供业务价值 如何能够让数据直接产生业务价值,是企业非常关心的问题。 (4)企业希望数据能够快速开发数据服务 如何能够让数据的开发,利用更快速? 数据平台看重是数据的质量,它是把数据集提供给用户去使用,数据质量好和不好是最关键的。 [nervthc4k.png] 上述就是数据数据仓库、数据平台、商业智能,它们之间的区别。 它分成4个层次,第1是统一的工具层,全链路接入、治理、开发、消费、数据全链路,都通过工具自动化处理 第2,它的核心是在工具体系之上的数据仓库。 [4s3hijw4ju.jpg] 所以上面的案例可以看出,实际上前面所讲的这些企业,不同行业的,有原生互联网企业、有传统数字转型的企业,也有大型的电信企业,它们的数据承载的都是什么? (4)业务价值的探索和发现 业务人员提想法,然后在数据资产的这种探索平台里面去做实验,快速的在公有的数据数据集、数据湖的基础之上,构建不同的数据沙箱。用不同的数据版本,去探索和挖掘业务价值。

    4.5K52发布于 2020-03-05
  • 来自专栏只喝牛奶的杀手

    数据

    数据模型是分层次的,以前叫作数据仓库模型,概括为三层,基础模型一般是关系建模,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 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 随着企业大数据运营的深入,各类大数据应用层出不穷,对于数据服务的需求非常迫切,大数据如果不服务化,就无法规模化,比如浙江移动封装了客户洞察、位置洞察、营销管理、终端洞察、金融征信等各种服务共计几百个,每月调用量超过亿次 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
  • 来自专栏Lansonli技术博客

    数据建设(二):数据简单介绍

    4数据最核心的理念就是“OneData OneService” “oneData”指的是对于企业数据我们需要按照主题和分层方式进行管理、统一表及指标的命名规范,保证数据完整性及复用性,全企业数据只有这一份统一管理的数据 你家里老妈做饭,相当于IT部门,她觉得每天都按照比例调制糖醋汁很麻烦非常浪费时间,每次调制的味道还不同,于是你老妈决定按照一定的比例(1酱油+2料酒+3醋+4生抽+5盐,这个比例就相当于数据处理及数据算法 是一种经营理念,是一种组织形式,是“平台思维”的自然演进。 又包含业务、技术数据数据 业务是抽象业务流程的共性形成通用业务服务能力,而数据则是抽象数据能力的共性形成通用的数据服务能力。 三、数据与业务区别和联系 一个企业可以同时拥有业务数据,两者是相辅相成的。

    11.1K68编辑于 2022-05-02
  • 数据是什么?怎么搭建数据

    数据的核心不是管理,而是流动。数据有了,但用不起来,才是真正的问题所在。那么,一个真正能跑起来的数据,应该长什么样?今天就跟大家把数据讲清楚,它到底是什么、架构怎么设计、从0到1怎么落地? 一、数据到底是什么说白了,数据是一个统一数据能力平台。它的核心任务是把企业分散在各个系统里的数据汇聚起来,经过治理加工,形成可以被反复调用的标准化能力,然后持续支撑业务决策和创新。 数据汇聚的是全局数据,让运营、市场、供应链等非技术岗也能直接用数据,每一个需要数据的人,都能方便地拿到自己需要的数据。能力抽象。 数据不只是存数据,它会把数据加工成可复用的能力。 4. 数据服务化数据治理好了,不等于业务部门就能用起来。数据服务化这一层,是把处理好的数据封装成标准化的API接口,让业务部门可以直接调用,不需要关心底层的数据结构和处理逻辑。 4数据应用最终要落地到业务,才能体现数据的价值,否则就是空谈:了解业务需求:比如营销部门需要用户画像做精准投放,供应链部门需要库存预测优化备货,运营部门需要实时数据监控活动效果。

    31010编辑于 2026-03-31
  • 来自专栏Lansonli技术博客

    数据建设(一):数据出现的背景

    数据出现的背景一、数据建设中出现的问题在企业数据建设过程,都离不开大数据平台建设,大数据平台建设涉及数据采集、数据存储、数据仓库构建、数据处理分析、数据挖掘机数据可视化等等一系列流程。 4数据口径难统一当一个公司体量非常大时,其业务形态比较复杂,往往统计同一个指标时不同的部门有各自的口径。假设我们公司是一个年销售额几千亿的企业,在计算一些指标时要考虑各种各样的因素。 二、为什么要构建数据以上我们分析了数据建设中出现的各种问题,那么为什么出现这些问题呢? 4、成本粗放式管理在做一些数据开发业务时,往往我们想的是快速的进行数据价值挖掘,而忽略了数据成本,结果导致有可能产出很多临时表和使用少量次的报表,这些使用少量次的表可能还会每天都在加工处理,但是有可能下游根本没有人在使用 解决以上三个方面问题关键就是需要一套机制,通过这套机制整合企业数据,规范、快速的形成数据服务能力,为企业经营决策、精细化运营提供支撑,这套机制就是数据。三、思维导图总结图片

    2K93编辑于 2022-07-15
  • 来自专栏CloudBest

    什么是数据?全面解读数据

    ”早期是由美军的作战体系演化而来的,技术上说的“”主要是指学习这种高效、灵活和强大的指挥作战体系。阿里在今年发布“双+ET”数字化转型方法论,“双”指的是数字和业务数据是什么 数据是指通过数据技术,对海量数据进行采集、计算、存储、加工,同时统一标准和口径。数据数据统一之后,会形成标准数据,再进行存储,形成大数据资产层,进而为客户提供高效服务。 广义的数据包括了数据技术,比如对海量数据进行采集、计算、存储、加工的一系列技术集合,今天谈到的数据包括数据模型,算法服务,数据产品,数据管理等等,和企业的业务有较强的关联性,是企业独有的且能复用的 它是企业业务和数据的沉淀,其不仅能降低重复建设,减少烟囱式协作的成本,也是差异化竞争优势所在。 建立数据的原因 数据和业务相比,面临的情况可能会更加复杂一点。 03 数据是培育业务创新的土壤 企业的数据创新一定要站在巨人的肩膀上,即从数据开始,不能总是从基础做起,数据数据创新效率的保障。

    6K21发布于 2019-09-05
  • 来自专栏Lansonli技术博客

    数据建设(一):数据出现的背景

    数据的取数效率低下 在数据建设过程中有一些指标可能在构建数据应用体系下没有及时的统计在数据集市,就造成了运营、数据分析这些非技术人员需要给技术人员提临时性的数据分析需求,这个过程来来回回沟通加上调试 4数据口径难统一 当一个公司体量非常大时,其业务形态比较复杂,往往统计同一个指标时不同的部门有各自的口径。假设我们公司是一个年销售额几千亿的企业,在计算一些指标时要考虑各种各样的因素。 二、为什么要构建数据 以上我们分析了数据建设中出现的各种问题,那么为什么出现这些问题呢? 4、成本粗放式管理 在做一些数据开发业务时,往往我们想的是快速的进行数据价值挖掘,而忽略了数据成本,结果导致有可能产出很多临时表和使用少量次的报表,这些使用少量次的表可能还会每天都在加工处理,但是有可能下游根本没有人在使用 解决以上三个方面问题关键就是需要一套机制,通过这套机制整合企业数据,规范、快速的形成数据服务能力,为企业经营决策、精细化运营提供支撑,这套机制就是数据。 三、思维导图总结 ​ ​

    2K53编辑于 2022-04-29
  • 来自专栏内容管理系统

    内容数据的区别

    数据不仅仅是技术架构,更是一种数据驱动的业务运营理念。在数据台架构数据从各个业务系统抽取、清洗、整合,形成统一的数据资产。 数据使用的场景企业数据分析:数据整合了企业内部的各种数据资源,通过数据清洗、转换、整合,实现数据的汇聚、整合和分析。 内容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。 内容专注于管理和分发各种类型的内容资源,而数据则聚焦于企业数据的整合、治理和利用,两者在业务场景和目标上有明显的差异。如何使用MassCMS创建内容4.设置访问权限和角色为了确保内容安全性和管理权限,你可以设置访问权限和角色。MassCMS 提供了灵活的权限设置,使你能够控制谁可以访问和操作特定类型的内容。

    1.1K10编辑于 2024-06-06
  • 来自专栏EAWorld

    数据建设从数据的认知开始

    数据必备的核心能力 ? 现实,由于对数据的认知不够全面,导致数据的落地困难重重,目前数据的建设往往是技术组件的堆积,是传统数据仓库的改版。 结合以往我们在数据领域耕耘多年的经验,我们认为,数据必须具备“盘”、“规”、“整”、“用”4个基本核心能力。 数据建设的核心是数据数据管理的核心也是数据数据应用的核心还是数据数据对于金融企业如此重要,那么数据建设过程,我们依靠什么样的数据体系来构建我们的数据? 那么数据数据建设体系应该是什么样的,这些都是需要我们有一个基本认知的。 ? 我们认为数据建设,至少应该包含应用、标签、主题、贴源这4个层级结构。 数据安全将是金融企业数据治理的一个重点,也是金融企业的科技从业人员将要面临和解决的一大难题。 4 数据之“用”,体现在数据服务 “用”,即使用、应用。

    2.4K40发布于 2020-11-02
  • 来自专栏数据社

    浅谈数据

    一、什么是数据 数据的概念最是阿里提出来的是为了实现数据的分层和水平解耦,提供数据服务能力。看了那么多的概念,对也有些自己的理解。笔者认为主要是为了提供全域的数据服务。 主要包括以下4部分:数据资产、数据治理、数据模型、数据服务。 ? 打通数据建模对全域数据进行沉淀形成数据资产,从而提供统一的数据服务功能。 二、如何建立数据 建设数据主要就是从数据模型、数据资产、数据治理、数据服务四部分出发。 4数据服务 数据最重要的就是要对外提供统一的服务能力。 三、数据数据仓库有什么不同 很多人对数据数据仓库两个概念可能不是很清楚,其实最主要的是思维理念不同,数据仓库是“管理数据”,数据是“经营数据”,数据是为了提供服务而生(也有说是为了前台而生

    1.2K50发布于 2020-05-25
  • 来自专栏凯哥讲故事系列

    凯哥讲数据Netflix的数据(上)

    前言 在《#凯哥讲数据#数据的使命,愿景和六大核心能力》,我提到,数据的愿景是"打造数据驱动的智能企业"。 本文分两个部分: 上部 一、Netflix:业务转型的奇迹 二、数据驱动的数字化转型 下部 三、Netflix的数据 ? 1998年,Netflix.com上线,这是世界上最早的在线出租DVD的网站,用户在网站上浏览和订购DVD,每次出租在4美元左右,加上2美元的邮寄费用。 以上这么多角色,都统一在一个大数据门户上协作,从而保证了数据同源,保证大家的认知,背景的一致性,从而保证数据产品的准确性,这样的效率是很高的。这和我们所提倡的企业级数据的概念有异曲同工的感觉。 请期待第三部分《Netflix的数据》 欢迎转载,但是请注明出处,谢谢。

    2K30发布于 2020-02-19
  • 消失的数据-数据降温和项目建设失败的原因分析

    今天继续和大家讨论数据的话题。最近半年时间里,不知大家是否注意到,关于数据的讨论已经相当减少,甚至可以说数据的热度明显下降了。 因为数据更多是采集和整合业务系统的数据,集成后形成可供外部开放的数据资产和数据服务。 尽管如此,我也发现实际落地的数据效果并不理想。 在有项目机会时,我们将逐步完善数据产品。 为什么最近半年数据越来越不受关注,或者说数据项目很难真正落地,达不到客户预期呢?我将其分析为三个关键原因。 在这种情况下,建立数据的意义何在呢? 其次,本应通过类似ESB总线、服务共享平台等解决数据服务集成或共享的问题,却将其放入数据系统解决。 回顾数据,我们应该更容易理解,问题并非数据思想本身有问题,而是与企业发展阶段、业务和IT成熟度水平密切相关。企业在规划数据时必须思考:是否真正需要数据数据能为企业带来何种价值?

    25600编辑于 2025-06-24
  • 来自专栏JavaEdge

    数据实战(11)-数据数据安全解决方案

    0 微盟删库跑路 除了快、准和省,数据须安全,避免“微盟删库跑路”。 对一天以上数据恢复,建议采取基于冷备集群的数据备份来恢复。 3 精细化的权限管理 避免敏感数据泄露。数据权限是数据实现数据复用的前提和必要条件。 权限问题,在数据构建之初,须提前规划好。 数据支撑技术体系基于OpenLDAP + Kerberos + Ranger 实现的一体化用户、认证、权限管理体系。 数据用户、认证、权限系统架构: 如有几千机器,却没个统一的用户管理服务,当想添加一个用户,需到几千服务器创建初始化用户,OpenLDAP解决了这问题。 4 操作审计机制 进行到第三步,权限控制的时候,其实已经大幅降低了数据泄露的风险了,但是一旦真的出现了数据泄露,我们必须能够追查到到底谁泄露了数据,所以,数据必须具备审计的功能。

    1.2K50编辑于 2023-10-08
  • 来自专栏JavaEdge

    数据实战(00)-大数据的尽头是数据吗?

    从2018年末开始,原先市场上各种关于大数据平台的招标突然不见了,取而代之的是数据项目,建设数据俨然成为传统企业数字化转型的首选,甚至不少大数据领域的专家都认为,数据是大数据下一站。 为啥数据是大数据的下站?与数仓、数据湖、大数据平台啥区别? 4 数据数据价值) 2016年前后,互联网高速发展,对数据需求越来越多,数据应用场景也越来越多,大量数据产品进入运营日常工作,成为运营工作。 数据需要依赖大数据平台,大数据平台完成了数据研发的全流程覆盖,数据增加了数据治理和数据服务化的内容。 数据借鉴了传统数据仓库面向主题域的数据组织模式,基于维度建模的理论,构建统一的数据公共层。 数据: 吸收传统数仓、数据湖、大数据平台优势 又解决数据共享的难题,通过数据应用,实现数据价值落地

    83070编辑于 2023-09-28
  • 来自专栏CloudBest

    数据即服务——数据的四大支柱

    而作为众多“”核心成员之一的“数据”,似乎成了“”家族的最顽强的那个,在沸沸扬扬“”质疑声苦苦地挣扎着…… — 01— 我们在谈「数据」的时候, 到底在谈论什么? 在过去了两年里,我做了一些关于的数据研究,也写了几篇数据的文章,试图去理解和定义清楚“什么是数据”。 3、全面的数据台架构设计,定义哪些是常用功能,哪些是重要功能,定义尽量简化的业务场景,方便客户实现目标。 4、以MVP(最小可行产品)方式进行开发,及时与用户分享,以获得用户的初步反馈。 数据提供的能力包括:数据资产管理,公共数据服务,垂直数据服务,数据服务开放共享,数据运营,管理等。数据即服务,每一项的能力都是为服务用户而生! ? 4数据开放共享服务 提供多样的数据服务方式,将数据数据提供给数据应用方使用; 提供定制化模板服务,数据以约定的格式或复杂加工后,提供数据应用方使用。

    2K30发布于 2021-07-13
  • 来自专栏大数据学习与分享

    数据数据

    数据的概念显然更加抽象一些,比如用友把数据作为其云平台的一部分,同时提供业务和技术;咨询机构罗兰贝格认为数据的本质是数据共享、整合和深度分析;奇点云强调数据的能力是“计算平台+ 数据是实现业务核心共享数据的跨域整合,再通过加工后提供整合后的数据服务能力。 业务重点是业务数据化,而数据重点是数据业务化,数据来源于业务又反哺业务。 3、大数据平台阶段,大数据平台阶段,主要解决海量数据性能和多数据源,多异构数据的整合加工问题。 4数据台阶段,数据台阶段更强调数据复用和共享,多业务场景服务,同时强调企业组织管理架构的提升。 回答4 作为一个十年的老IT人,我第一眼看见这个问题的感觉是:???这两个什么关系都没有,是怎么扯上关系的??? 但是既然问题都出来了,我就勉强来解释一下吧。 老样子,先看两个的概念,再看区别。

    1.2K10编辑于 2023-10-25
  • 来自专栏程序猿~

    数据 - 数据质量维度

    在做数据-数据质量的过程,通过调研方法论,可以对数据质量技术类校验类型划分6大维度,这些维度如下: 数据质量6大技术质量维度 方法论依据: 数据资产管理实践白皮书4.0 质量维度 质量维度描述 表级内置 列级内置 完整性 数据是否缺失 表数据行数 字段为null或空字符串 规范性 数据是否按照要求的规则存储 身份证校验 邮箱校验 IP地址校验 电话格式校验 邮编格式校验 日期格式校验 空值或空字符串校验 数值格式校验 一致性 数据的值是否存在信息含义上的冲突 准确性 数据是否错误 字段平均值 字段汇总值 字段最大值 字段最小值 唯一性 数据是否是重复的 字段唯一值 字段重复值 时效性 数据是否按照时间的要求进行上传 前一天数据行数 《数据资产管理实践白皮书4.0》网上即有资源,如需使用,可以私聊。

    76020发布于 2021-01-29
  • 来自专栏ET

    什么是数据,全面解读数据的定义

    随着企业数字化转型的加速,数据的概念逐渐流行。然而,对于很多人来说,数据仍然是一个模糊的概念。本文将从多个维度来定义什么是数据,并深入探讨其背后的原理和价值。 传统的数据中心已经难以满足现代企业的数据需求。因此,一种新的数据管理模式——数据——应运而生。数据的起源可以追溯到2015年。当时,阿里巴巴集团在其新的技术战略规划中提出了“大中”战略。 三、数据的价值数据的建设对于企业的数字化转型具有重要意义。首先,数据可以提供稳定、高效、安全的数据支持和服务,为企业的数字化转型提供坚实的基础。 四、数据的发展趋势数据作为企业数字化转型的核心引擎,将在未来持续发展并不断演进。 深度集成AI和分析: 数据将深度集成人工智能和数据分析技术,使得数据能够为业务部门提供更智能的数据洞察、预测和优化建议。

    15.9K22编辑于 2023-09-22
领券