大数据

万字长文全面解析大数据思维的十大原理

一、数据核心原理:从“流程”核心转变为“数据”核心大数据时代,计算模式也发生了转变,从“流程”核心转变为“数据”核心。Hadoop体系的分布式计算框架已经是“数据”为核心的范式。非结构化数据及分析需求,将改变IT系统的升级方式:从简单增量到架构变化。大数据下的新思维——计算模式的转变。例如:IBM将使用以数据为中心的设计,目的是降低在超级计算机之间进行大量数据交换的必要性。

大数据时代企业必须更注重信息安全

随着大数据时代的到来,互联网也将走到一个奇点,而安全将决定互联网走过这个奇点之后,到底是向上走到一个新高度,还是向下走到一个坏局面。大数据时代,有两个事情无法避免。第一,现在用户产生的数据都会存在云端,都会存在各个厂商的服务器上。第二,数据采集能力更强大,采集范围更广阔。现在不仅有移动互联网,未来还会有物联网、车联网,会有更多的可穿戴智能设备,这些硬件普及之后,你会发现用户

都在说大数据,但你知道大数据的核心价值是什么吗?

一、什么是元数据(Metadata)?元数据是对数据本身进行描述的数据,或者说,它不是对象本身,它只描述对象的属性。比如,一幅画本身,是数据。而这幅画的作者、完成时间、尺寸、价格、类型等等,就是它的元数据。又如,你妈给你介绍个相亲对象,你并不认识他,但你妈告诉你他的年龄、身高、体重、体貌特征、家庭背景、收入、爱好特长,你心里也就对他有了印象。即便你还不认识他。元数据的价值能

技术培训 | 大数据分析处理与用户画像实践

孔淼:大数据分析处理与用户画像实践直播内容如下:今天咱们就来闲聊下我过去接触过的数据分析领域,因为我是连续创业者,所以我更多的注意力还是聚焦在解决问题和业务场景上。如果把我在数据分析的经验进行划分的话,刚好就是我所经历的两次创业阶段,第一阶段是“第三方数据分析”,第二阶段是“第一方数据分析”。所以今天咱们就从这两点来谈谈数据分析。第三方数据分析先聊聊“第三方数据分析”,这个

未来的UI/UX有哪些值得关注的发展趋势?

如果设计趋势仅停留在色彩、交互动效和卡片式界面的讨论,再过两年可能我们就直接掉队了。今天让国外的华裔设计总监Spell和同学们聊聊5个将会影响人类生活方式的UX趋势(VR/AR的兴起、不依赖屏幕为媒介的交互、时间成为设计的核心衡量因素、大数据设计等)。1,VR和AR的兴起Fastcodesign在今年年初的文章 The Most Important Design Jobs

如何辨别“伪大数据”产品?

科技营销紧跟正在上升的有力潮流来盈利,这是个长期公认的做法。在互联网热潮(.com boom)时期,和互联网一点儿关系没有的公司都在名字里加上了“.com”。环保产品满身绿色。云端产品都和“云”贴边。现在又兴起用大数据来贴金。这些夸张的手段是否弊大于利呢?也许因为营销中利用了“大数据”这个词,人们能去接触并了解一个不然他们不会去考虑的产品。但这个伎俩几乎骗不了谁,并且会让用

腾讯信鸽高级产品经理王滔:基于大数据的推送

消息推送已成为当下移动运营的标配,腾讯信鸽高级产品经理王滔,听他讲解腾讯信鸽依托腾讯亿级用户产品的内部打磨,有何经验与优势。问:请讲讲信鸽团队成员组成情况?你们以往的从业经历?王滔:信鸽是腾讯云推出的移动推送平台,基于腾讯技术实力,海量大数据,以及产品服务,面向移动开发者生态圈免费开放,为移动开发者提供免费且可依赖的推送服务。信鸽目前支持Android和iOS平台的百亿级消

大悦城:如何用大数据实现“商业价值”最大化

大悦城,被万达董事长王健林视为潜在竞争对手。其背景是,自2009年底,中粮旗下的大悦城开始高调在全国“攻城略地”。其实,早在2009年初中粮集团就正式提出了打造“全产业链的食品企业、全服务链的城市综合体”的“两链”发展战略。第一条是全产业链链:打造从农产品原料到终端消费者的产业链,为消费者奉献安全、放心、营养、健康的食品。第二条就是全服务链:是以购物中心为核心,将购物、餐饮

Social Network 社交网络分析

一:什么是SNA-社交网络分析社交网络分析的威力何在?我想几个案例来说明。案例1:对一个毫无了解的组织(这个组织可以是一个公司,亦或是一个组织),如果能够拿到这个组织成员之间的信息流动记录(例如通话记录/或邮件记录),那么通过SNA可以分析出谁是这个组织的实际控制者(要知道有必要加上实际二字),谁是这些成员中有影响力的人,那些成员更倾向于聚集在一起。对上述问题的回答可以用来

大数据与数据挖掘的相对绝对关系

麻省理工学院的研究者约翰·古塔格(John Guttag)和柯林·斯塔尔兹(Collin Stultz)创建了一个计算机模型来分析之心脏病病患丢弃的心电图数据。他们利用数据挖掘和机器学习在海量的数据中筛选,发现心电图中出现三类异常者——一年内死于第二次心脏病发作的机率比未出现者高一至二倍。这种新方法能够识别出更多的,无法通过现有的风险筛查被探查出的高危病人。数据挖掘这一术语