与数据同行
-
赫拉利在《今日简史》中是如何谈算法霸权的?
《今日简史》是赫拉利的第三本书,之前的两本分别是《人类简史》和《未来简史》,这里对这个题目吐槽下,人家书名明明是《21 Lessons for the 21st Century》,也即《21世纪的21个问题》,中译文似乎是为了让它和作者之前的两本书风格相契合,将书名改成了“简史”,因此,这本书并不讲历史,而是讲问题。 作者讲了21个重要的问题,比如技术带来的…
-
为什么我提交的数据分析报告总是被领导K?
咱们先来设想一个场景,一个会议室里坐满了人,正在做报告的年轻人西装笔挺,头发书的一丝不苟,PPT上列满了数据和图表,他正在论证一个什么东西。年轻人讲了很多,可是在台下听报告的一个穿着随意的大佬,有点不耐烦了:“你不用说那么多,我就问你几个问题。” 大佬问了几个问题,年轻人马上被难住,于是大佬否决了年轻人的整个方案。 我们对这个场景并不陌生,这可能是一次数据分…
-
傅一平:我如何用统计学指导自己的生活?
无论如何,统计学对于我们看清这个世界是有点帮助的。
-
傅一平:从《孙子兵法》到BI运营
从大数据规划,到建设,再到运维,所有的业绩都建立在平时的兢兢业业,步步为营的基础上,记得有位领导对于IT运维工作曾经总结了这么句话:“要让业务人员忘记我们!”
-
从吴军的“算法的油水就那么多”说起
“我们不懂IT技术,不懂大数据,不懂人工智能怎么办?”
-
如何才能有效的进行大数据创新?
创新最主要的不是靠灵感,而是靠执行。
-
傅一平:为什么运营商大数据变现要搞“行业知识图谱”?
未来的运营商大数据加工的一个方向就是行业知识图谱的打造,其将使得运营商对于用户的洞察更加深入,从而奠定大数据变现的基础。
-
大数据建模的自主和外包,边界到底在哪里?
在这个大数据时代,无论是企业还是个人,必须找到那些你自己做,比市场更高效的事情,建筑你的核心竞争力,而把那些你做的其实一般的事情,尽快扔回给市场,要有所为而有所不为。
-
数据建模师的起跑线,从踏上工作岗位那一刻开始
我们常说孩子不要输在起跑线上,其实数据从业者的真正起跑线,是从你踏上工作岗位那一刻才开始的,一方面是大学还没做好培养大数据人才的准备,另一方面大学缺乏大数据人才成长的数据环境,一切都需要从头开始。
-
业务系统的数据资产管理为什么这么难?
如果你做过BI或大数据,一定会接触数据资产管理的一些概念,比如元数据,数据字典,血统分析等等,但你会发现,要做好大数据平台的数据资产管理并不容易,比如数据字典的维护,为什么?
-
如何打造敏捷的数据挖掘能力?
数据挖掘是发现规律的一种手段,但在很多传统企业里数据挖掘有点像奢侈品,因为数据挖掘的过程一般较长,总体来讲性价比不是那么高,规则取数往往成为了企业数据驱动业务的主流。
-
传统企业的模型最佳实践为什么很难复制推广?
数据挖掘是是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程,这个发现的模式就是我们一般意义上的数据模型。
-
冷静看待人工智能,企业如何从人工智能产业中受益?
人工智能是个几乎万能的工具,关键是你能不能熟悉运用它的技巧,为它找到在你的领域里的运用空间。
-
傅一平:数据建模者,对算法要“知其所以然”
知其所以然是我们干成事,干好事,能够触类旁通的一般原则,当算法的黑箱子问题越加严重的时候,我们越要多问一个为什么。
-
数据挖掘师,要从一个人活成一支队伍
每每看到数据挖掘师对于大规模数据处理,机器学习算法侃侃而谈的时候,觉得这就是数据分析师该有的样子,这就是大师。