对于业务分析的不同阶段，企业需要在各个步骤中处理大量数据。根据工作流程的阶段和数据分析的要求，有四种主要的分析类型：描述性、诊断性、预测性和决策性。这四种业务分析提供了企业需要了解的所有信息，从企业的发展状况到为优化功能而采用的解决方案。

2020-12-15 10:12:18.317

数据仓库项目是高度复杂的，从根本上讲是有风险的。在众多任务中，领导数据仓库团队的项目经理必须识别所有数据质量风险。这个过程的主要目标是记录与项目风险有关的基本信息。本文主要介绍如何避免其他数据仓库和BI项目所经历的以下四个常见错误，以便成功规划和实施新功能和能力。

2020-12-14 15:23:32.637

在冠状病毒大流行之后，数字化转型变得更加重要。全球各地的企业都在努力从大数据中收集实时的运营洞察力，以提高盈利能力，提供卓越的客户体验，并遵守法规。 然而，以业务速度摄取和分析来自不同数据源的快速增长的数据量，却带来了巨大的挑战，尤其是对拥有传统核心基础设施的企业而言。

2020-12-14 10:38:38.963

当今世界产生的数据量比以往任何时候都要庞大。IDC预测，到2025年，全球数据量将达到175zettabytes。管理这样的数据量为企业提供了提供增强业务服务的能力。然而，它需要包容性的知识和熟练的大数据分析能力。Python编程语言提供了大量的库来处理大数据。得益于Python的易读性和统计分析能力，Python在数据科学、人工智能、机器学习和深度学习中应用最为广泛。

2020-12-09 10:04:53.313

即时数据流在大数据分析中的地位已经非常突出，实时数据管道工具也是如此。本文为您带来一份数据流工具的清单，这些工具适合进行数据驱动的决策。

2020-12-07 14:18:31.760

在2020年，远程IT支持对于各行业组织实施的大数据战略至关重要。

2020-12-07 10:40:44.823

用数据库的都知道，有多种类型的数据库用于存储不同种类的数据，本文就来一一介绍一下。

2020-12-04 11:02:57.747

如果你一直在使用数据库，你就会知道NoSQL是热门话题。主要是因为NoSQL在很大程度上填补了SQL相当难以填补的空白。传统上，SQL数据库的成本往往很高，从其只能垂直扩展，到数据库还没做出来就需要对模式进行大量的设计。因此，NoSQL就是为了对抗SQL而开发的，它可以水平扩展，也不需要使用Schema，但是是不是真的不需要Schema呢？本来就来探讨一下。​

2020-12-02 11:19:09.307

很多中小型公司认为，只有大公司才能买得起大数据驱动的解决方案，它只适合海量数据，而且价格昂贵。但是其实这已经不再是事实，有几场革命改变了这种状态。

2020-12-01 14:34:00.540

如何在商品服务器和存储上运行要求苛刻的分析应用程序和/或1000多个节点Hadoop工作负载。

2020-11-30 11:05:31.900