会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

一文读懂BI、数据仓库、数据湖与数据中台

数据中台最核心的是OneData体系。这个体系实质上是一个数据管理体系，包括全局数据仓库规划、数据规范定义、数据建模研发、数据连接萃取、数据运维监控、数据资产管理工具等。数据仓库是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合，出于分析性报告和决策支持目的而创建。

  • 2021-08-16
  • 阅读182
  • 下载0
  • 15页
  • docx

装备制造业数字化的内涵、策划与实施

信息化技术已成为现代产业变革升级的发动机。“中国制造2025”明确，新一代信息技术与制造业的深度融合，已成为现阶段中国实施制造强国战略的主线工作。大型装备制造业亦如此，要在信息化时代浪潮中保有话语权，必须逐步实现数字化、网络化、智能化[1]，助力企业转型升级，打造良好创新基础，提质增效，化解系统性质量风险，保证自身竞争力。

  • 2021-08-16
  • 阅读180
  • 下载0
  • 6页
  • docx

华为的数字化转型与数据治理

2017 年华为提出了企业的新愿景："把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界"。同时，华为公司董事、CIO陶景文提出了"实现全联接的智能华为，成为行业标杆"的数字化转型目标。 随后，华为基于愿景确定了数字化转型的蓝图和框架， 统一规划、分层次开展，最终实现客户交互方式的转变，实现内部运营效率和效益的提升。华为数字化转型蓝图包括 5 项举措。

  • 2021-08-16
  • 阅读191
  • 下载0
  • 20页
  • docx

企业数据质量管理的核心要素和技术路线

数据质量管理是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题，进行识别、度量、监控、预警等一系列管理活动，并通过改善和提高组织的管理水平使得数据质量获得进一步提高。 我们常说数据资产管理，在将数据作为资产的前提下，企业的运营需要准确的、完整的、及时的、高价值、高质量的数据。通过有效的数据质量控制手段，进行数据的管理和控制，消除数据质量问题进而提升企业数据变现的能力。在数据治理过程中，一切业务、技术和管理活动都围绕这个目标和开展。

  • 2021-08-16
  • 阅读202
  • 下载0
  • 11页
  • docx

企业数据分类分级标准体系解析

云计算、大数据、移动互联、物联网和人工智能等技术推动了整个社会的数字化，数据成为继土地、人力、资本、管理、技术之后的新型生产要素，能够在流动、分享、加工和处理的过程创造价值。 然而海量数据的汇集在带来巨大价值的同时也面临着严重的安全风险，如何有效利用和保护数据成了网络安全的关注焦点。至此，网络安全告别了“以技术为中心”的时代，迎来了“数据为中心”的时代，越来越回归安全的本质。

  • 2021-08-16
  • 阅读218
  • 下载0
  • 15页
  • docx

企业数据资产盘点与数据标准梳理方法

大数据在中国的大地上蓬勃发展，带动了许多新的理念的诞生，数据治理就是其中之一，这两年已建立好的数据中心或者正在建的数据中心都在如火如荼的进行，在企业内部，也已经开始由原来的业务部门和IT部门演变出来数据管理部门，通过开展数据管理办法、制定数据标准、保证数据质量、维护数据架构、提供平台与工具等工作作为数字化转型的基础设施，数据治理已经成为数据团队履行数据职责的重要手段。

  • 2021-08-16
  • 阅读204
  • 下载0
  • 9页
  • docx

数据资产盘点实践：智能对标

数据资产盘点，是一个将数据资源进行标准化、产品化、服务化的过程。没有经过这个过程的数据，仅仅只能是数据资源，就像原油；经过资产盘点，有口径、有溯源、有案例场景，有服务接口，用户才能“看得到、用得上、能放心”。 然而，企业在实际的工作中，面对大量的存量数据资源和有限的数据标准，这是一个N：1的过程。这个过程，如果没有在这些系统建设之初就进行建模管控，形成标准资源的1：N机制，那么反推回来，要让N个数据资源项被找到、对齐数据标准，会是一项困难的工作。在这个时候，就必须使用智能化的工具，部分替代人工的识别和评估。

  • 2021-08-16
  • 阅读220
  • 下载0
  • 9页
  • docx

机器学习建模和智能化模型应用

随着大数据时代的到来，机器学习逐渐成为人工智能领域发展最迅速的方向之一，正以前所未有的速度改变着我们的生活，它被广泛应用于人类面临的科研、金融、运筹、生物等领域，让计算机能够根据现有的数据来预测将来的行为、结果和趋势。当前，传统的机器学习算法需要依据不同的应用场景进行参数配置和优化，结合建模人员的专业领域知识，才能达到令人满意的预测结果。本文将概要介绍机器学习的建模流程、主要算法和主要应用场景。

  • 2021-08-16
  • 阅读184
  • 下载0
  • 8页
  • docx