建设数据中台,赋能创新改革

成本效应成为了企业及政府机构数据化的绊脚石,管理层必须理解,从信息化到数据化再到应用,必须有强大的技术支持、灵活的政策保障以及开放的生态支撑,方可马到功成。

Freemium:互联网新免费主张

尽管"Feemium"的模式刚刚起步不久,但是"Freemium"在美国的初步成功已经展现出了其巨大的商业潜力。而这也给了中国的互联网企业一个启示,或许这种方式才是今后互联网发展的经营模式主流。

生活中的大数据

随着大数据时代的来临,大数据逐渐渗入人们的日常生活中。选取了几个方向,对已渗入人们生活的典型大数据应用进行了分析和阐述,希望能给予读者启示。

大数据治理体系

随着数据体量急剧膨胀,如何使数据脱离芜杂、孤立的状况,降低数据维护成本、彰显数据的价值,通过数据驱动业务发展,成为广泛研讨的话题。一个架构完整的数据治理体系,为企业提供数据治理事先筹划协同、过程中具体功能实现、事后评估优化的参考模型,将大大提高数据治理的成功率。进一步分析大数据治理中元数据管理、数据质量管理、主数据管理等主要功能模块,并阐述数据隐私和安全管理、创新应用推演沙箱等相关功能,展示了数据治理的完整解决方案。

以用户为中心:好产品的秘诀

以用户为中心知易行难。在笔者看来，在秉承以用户为中心的理念着手开发产品时遵循若干规律是成就好产品必不可少的一环。

《数据的本质》

《巫术师》 出版社：百花文艺出版社定价：69.00元推荐理由：作为后现代文学的经典之作,《巫术师》被列为英美高校必读英文小说,它以文艺的独特形式进行了一场关于人性和爱的实验,“充满幻想、情欲、道德领悟”,《泰晤士报》称其是“一场一旦开始就无法停下的冒险之旅”。除此之外,《巫术师》也因其诡谲的氛围、扑朔迷离的情节,被认为是一部“奇书”,一发表即在读者中引起轰动,此后不断重印,并被译为30多种语言,畅销全球40多个国家。

小费也砍价

经济大环境的变化造成市场生态的一系列反应,消费者一些微小的动作将引爆巨大的利基市场。

大数据里的小利器Strata2012大会见闻

如今，90％的数据分析师都在谈大数据，在大数据的背景之下，数据分析师收集数据的边界在哪里？又该如何运用数据呢？作者在美国参加NStrata2012大会期间，跟很多数据中人交流，其中前Linkedln首席科学家DJPatil给他的印象最深。

数据挖掘的六大难题

很多公司都热衷于数据挖掘,期待从中寻找商机与创意,但大多数公司又不能如愿以偿,问题出在哪里呢?

数据如何在高信息量社会中安全流通

过去我在不断的想数据到底怎么安全的流通在国内,以及到'一带一路'沿线国家,甚至更多其他国家。数据的流通是人的流通、商品的流通、金融的流通。我们可以发现企业在当他使用大数据的时候,大概有5%—10%的增长。整个互联网发展之中,中国不管是从架构还是从整个经济来讲,互联网方面已经是全世界第一。互联网时代也许两三年就有很多东西会被淘汰,所以怎么鼓励现在的商业知道未来的转型是什么?这个是很关键的一步。要明确我们不是转行,是转型.

用数据,更要养数据

过去,有一些问题一直困扰着我：“现在的企业获取数据如此容易，数据的增长速度如此之快，那么对于企业来说，到底要收集什么样的数据？收集多少数据？收集数据的边界在哪里？”后来，

数字创新

AI、大数据、人工智能都是数字化转型的工具,每个企业都要认真斟酌数字化战略,企业的数字化战略要充分接近企业的业务战略。我想把内容聚焦在数字的转型上。AI、大数据、人工智能都是一种工具,公司要想清楚自己的战略是数字化战略还是数据化战略。数字化和数据化,这两个词看起来很像,虽然数据化很重要,但不能代表数字化战略,数字化战略是更接近业务的战略。

数据中台:被忽视的创新枢纽

信息及数据的收集处理自古有之,几千年来变化不大,直到个人电脑的普及才开始出现了改变:首先是数据化的领军企业,包括谷歌、亚马逊、脸书及中国的百度、阿里、腾讯等带动了一波数据量级的增长,然后是移动应用和人工智能所引起的智能热潮,前述公司的高速发展都跟这些能力相关。再加上物联网的加入,让我们在不知不觉之间每天都在生产着数据,甚至消费着数据。如今可以说几乎全民都参与在大数据的生命周期之中。

为什么别人的产品比我牛

近年兴起的以用户为中心的设计理念，源于互联网，却同样适用于当前世界上的任何一个产品领域，并为大多数产业界同道所认同。随着互联网的逐渐成熟，用户对于互联网信息实时和分享的要求日益增多，并且在网站内容提供以及实际运作过程当中起到的作用越来越明显。在互联网中，正所谓得用户者得天下。

大数据盲区

自从舍恩伯格的《大数据时代》畅销以来，“大数据”赢得了难以想象的关注度。但同时，从实务的角度来看，又有一点难以落地的感觉。这其中的原因在于，很多公司仍然没有建立起从数据收集到应用的基础设施（包括工具和人才配置），尤其是在实战层面上未对大数据形成较为客观和理智的认知，吹捧它的人认为它无所不能，在各种场合反复讲解一些“高大上”的案例；质疑它的人则认定现有结构化数据就能说明关键问题，从而对其不以为意。

数据思维到底是什么

从无到有，从有到高度连接，从高度连接到实时流通，最后通过工程化，把数据提炼成随时可用的“业务石油”。