首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏CloudBest

    数据即服务——数据的四支柱

    笔者认为:数据更像是一个数据产品或数据服务的数据能力工厂,它由“产品导向、数据服务、敏捷团队、赋能中心”四支柱支撑,提供数据资产加工,数据分析和应用,数据服务输出等能力——数据即服务。 ? 2、定义数据的定位和长期目标,数据一定不是一个通用的工具,每个企业的数据都应该有自己的“使命”。 2、垂直数据服务 整合内外部数据源,提供单线条垂直数据服务能力; 提供贴源的数据存储和服务,基于批处理或流媒体创建和自动化数据可靠管道。 在数字化转型的背景下,培训赋能是一个被广泛提及的话题,即,通过培训的方式赋予人或团队的某些能力,主要包括:技术赋能、数据赋能、工具赋能等。 写在最后的话 产品导向、数据服务、敏捷团队、培训赋能是构成数据的四支柱,是“让数据用起来”的基础,缺少一个都会使整个架构不稳。

    2.2K30发布于 2021-07-13
  • 来自专栏国云大数据

    数据:什么是数据

    数据:什么是数据 什么是数据 数据是全新的架构变革。过去三十年,企业数据管理都以传统的IT架构为基础。 由此,集成式的建设方式给技术部门形成巨大的维护成本和治理成本,并没有达到数据建设的真正目的。 数据的基本能力 数据具有数据服务的能力。 传统企业搭建数据,如果仅完成了API接口的创建,仅仅是完成了数据建设的其中一环。因此,数据并不是端到端的技术赋能平台。 数据的建立可以帮助企业对数据进行风险隔离,确保一方不影响另一方。 数据应用方式 数据应用方式一为帮助业务部门灵活使用数据分析。数据改变了以往业务部门数据分析技术能力不足的窘况。 SaaS层:从技术角度讲SaaS层是业务用户或技术用户直接可以使用的服务和功能,包括数据分析工具、数据挖掘工具、可视化工具、清洗工具、建模工具等不同的数据工具;还包括不同层次的数据应用,如屏可视化应用

    5.1K20发布于 2020-11-20
  • 来自专栏全栈程序员必看

    数据,什么是数据

    数据开发,核心数据模型的变化是相对缓慢的,同时,对数据进行维护的工作量也非常;但业务创新的速度、对数据提出的需求的变化,是非常快速的。 概括地说,三者的关键区别有以下几方面: 数据是企业级的逻辑概念,体现企业 D2V(Data to Value)的能力,为业务提供服务的主要方式是数据 API; 数据仓库是一个相对具体的功能概念 数据平台的出现是为了解决数据仓库不能处理非结构化数据和报表开发周期长的问题,所以先撇开业务需求、把企业所有的数据都抽取出来放到一起,成为一个数据集,其中有结构化数据、非结构化数据等。 企业内部业务众多,不同业务可能存在很多重复数据。所谓的数据资产目录就是把数据的模型去重、归一、梳理,变成一个树状结构,这个树状结构不直接对应数据的字段。 这对于数据人员的业务理解能力就加强了,他 / 她们必须具备快速理解业务的能力,才能够体现出专业性和优势。 2.

    3K31编辑于 2022-09-14
  • 来自专栏云+直播

    数据是什么:数据剖析

    点击观看咖分享 抗击疫情,腾讯云在行动。数据被誉为大数据的下一站,成为了人们谈论的焦点,2019年也被称为数据元年。但是数据是什么?它和数据仓库、商业智能、大数据平台有什么区别? 本文是对TVP史凯老师的直播演讲整理,为大家剖析数据的愿景和本质。 本次腾讯云大学咖分享课程邀请 腾讯云最具价值专家TVP 史凯 分享关于“数据是什么:数据剖析”课程的内容。 本次分享内容: 1、数据现象及剖析 2、技术实践过程的问题与挑战 3、Q&A环节 去年3月份我写了一篇关于数据的文章,得到了10万+的浏览量。 四、数据的本质和六能力模型 在这样的愿景和使命下,数据是什么?它应该构建什么样的能力呢? 1. 数据的本质 数据是什么? [r5ocu6e06f.jpg] 2. 数据的六能力模型 在此基础之上,我们把数据抽象成6能力,在六能力基础之上支撑的就是数据的使命和愿景:构建数据驱动的智能企业。

    4.8K52发布于 2020-03-05
  • 来自专栏只喝牛奶的杀手

    数据

    数据模型是分层次的,以前叫作数据仓库模型,概括为三层,基础模型一般是关系建模,主要实现数据的标准化,我们叫作“书同文、车同轨”,融合模型一般是维度建模,主要实现跨越数据的整合,整合的形式可以是汇总、关联 ,也包括解析,挖掘模型其实是偏应用的,但如果用的人多了,你也可以把挖掘模型作为企业的知识沉淀到,比如离网挽留的模型具有很大的共性,就应该有人把它规整到模型,以便开放给其它人使用,是相对的 数据服务将数据模型按照应用要求做了服务封装,就构成了数据服务,这个跟业务台中的服务概念是完全相同的,只是数据封装比一般的功能封装要难一点,毕竟OLTP功能的变化有限,而数据分析受市场因素的影响很大,变化更快 随着企业大数据运营的深入,各类大数据应用层出不穷,对于数据服务的需求非常迫切,大数据如果不服务化,就无法规模化,比如浙江移动封装了客户洞察、位置洞察、营销管理、终端洞察、金融征信等各种服务共计几百个,每月调用量超过亿次 但有数据模型和数据服务还是远远不够的,因为再好的现成数据和服务也往往无法满足前端个性化的要求,这时候就得授人以鱼不如授人以渔了,数据的最后一层就是数据开发,其按照开发难度也分为三个层次,最简单的是提供标签库

    3.6K42发布于 2019-09-02
  • 来自专栏数据饕餮

    数据体系结构、建设方法和落地实践(2):数据的概念定义

    一、前言 关于数据的概念定义,业内有各种各样的版本,尤其是涉及数据数据仓库、数据平台等相关概念的差异一直争议不断,可谓一百个人眼中,就有一百个数据,千百万人眼中,就有千百万个数据 本章内容围绕数据的定义,采用两种方法,三个视角,给大家阐述,在工程实践者的眼中,数据的概念定义。 二、正文 2.1 什么是数据 数据概念的理解,我们可以通过拆解其建设内容和知识结构进行理解,此为归纳法。 人的层面是数据组织;事的方面则包括:数据应用、工具平台、数据仓库和基础平台四部分。基于建设内容视角,数据的概念定义如下图所示: ? 通过以上时间和数据生命周期两个维度,进行数据仓库、数据平台和数据的对比和分析,我们可以得出归纳两个结论:一、时间视角:数据数据仓库、数据平台发展和演进的下一个阶段;二、数据视角:数据仓库、数据平台和数据

    97411发布于 2020-07-30
  • 来自专栏Lansonli技术博客

    数据建设(二):数据简单介绍

    关于数据有以下几个功能特点: 1)数据具备数据汇聚整合、数据提纯加工、数据服务可视化、数据价值变现核心能力。 2数据的核心就是实现公共计算逻辑下沉,实现数据复用,提供给接口使用。 构建数据时需要企业从战略、组织、人才方面全方位规划配合,而不仅仅停留在工具和产品层面,所以在一些互联公司在宣布战略时,会伴随组织架构调整,例如:合并数据处理部门,合并业务部门等等。 )来调制一桶糖醋汁(相当于数据产品),以后每天倒一点点糖醋汁就可以做出一盘糖醋菜(业务应用), 这个调制糖醋汁以及使用糖醋汁做出一盘糖醋菜的这个过程就相当于构建了一个数据。 如果你家十天半个月才吃一次糖醋菜,频率很低(相当于某个业务应用很低),就没有必要调制一桶糖醋汁放在那儿(没必要构建中)。 比如电商平台,有C2C、B2C、C2B、B2B四种模式,其中订单、交易、商品管理,购物车模块、短信中心,用户中心、支付中心、交易中心、搜索服务都是有共性的,将这些组件沉淀出来,形成电商行业的业务,再基于这些业务组件的服务能力

    11.5K68编辑于 2022-05-02
  • 数据是什么?怎么搭建数据

    数据的核心不是管理,而是流动。数据有了,但用不起来,才是真正的问题所在。那么,一个真正能跑起来的数据,应该长什么样?今天就跟大家把数据讲清楚,它到底是什么、架构怎么设计、从0到1怎么落地? 数据汇聚的是全局数据,让运营、市场、供应链等非技术岗也能直接用数据,每一个需要数据的人,都能方便地拿到自己需要的数据。能力抽象。 数据不只是存数据,它会把数据加工成可复用的能力。 数据孤岛严不严重?各部门的配合意愿如何?这些问题如果没有提前评估,建设过程中会遇到很多阻力。建议先选1到2个高价值场景做试点,验证路径可行之后再全面推进。2数据治理这个阶段的核心是建立秩序。 数据可视化开发:用低代码工具比如 FineBI 搭建屏看板、报表,让业务人员直观看到数据价值,不用懂技术也能看懂数据,推动数据在业务端的落地。 这部分数据如果没有专门的存储和分析方案,数据的覆盖范围会非常有限。第三,过度追求大而全。 初期不要想着一次性把所有场景都覆盖,先聚焦1到2个高价值场景,快速跑通,验证价值,再逐步扩展。

    1.2K10编辑于 2026-03-31
  • 来自专栏大魏分享(微信公众号:david-share)

    白话战略-2到底长啥样?

    数据业务双 大家提起,绕不开也是最先想到的应该都是阿里巴巴的数据业务双。毕竟阿里的大中小前台战略尽人皆知,其威力也是显而易见的。 以阿里这么的体量,经过了这么多年的厮杀,在互联网快速迭代创新的竞争环境,仍然可以保持快速迭代创新,为我们上演了一场接一场现实版的大象跳舞,战略的成功居功至伟。 ? 数据从后台及业务数据流入,完成海量数据的存储、计算、产品化包装过程,构成企业的核心数据能力,为前台基于数据的定制化创新和业务台基于数据反馈的持续演进提供了强大支撑。 玄难:是一个基础的理念和架构,我们要把所有的基础服务用的思路建设,进行联通,共同支持上端的业务。业务更多的是支持在线业务,数据提供了基础数据处理能力和很多的数据产品给所有业务方去用。 业务数据、算法等等一起提供对上层业务的支撑。 极客公园:也就是说,不论是业务还是数据,实际上都是一个架构层面的去连接底下这部分资源。

    2K20发布于 2018-12-24
  • 来自专栏凯哥讲故事系列

    #凯哥讲数据#数据的使命、愿景、本质和六核心能力

    数据的成为了新的趋势 自2019年3月18日《数据已成下一风口,它会颠覆数据工程师的工作么》成为第一篇数据十万+ 的文章后,数据的趋势一路走高。 行业里有众多的数据体系 阿里数据 阿里的数据分为五个模块,包括: 数据产品:阿里数据数据屏,生意参谋; 数据资产管理:从资产地图,到资产运营; 数据开发管理,从数据采集到应用开发 数据的六核心能力 当我们把数据工厂的概念解耦,一一对应到企业数据体系,我们就能解构出数据的六核心能力,如下图所示: 数据资产的规划和治理 第一是数据战略 数据资产的规划和治理,是数据的基础功能 这里的运营就像所有的2B服务的运营体系一样,应该包括如下基本的运营内容:客户获取,服务签约,服务监控,客户服务,价值结算,同时也包括增值服务内容,比如客户关系管理,数据分析,营销等。 但是,对应到数据的六核心能力的组件部分,是有不同的产品或开源的方案可以复用的。

    2.6K32发布于 2020-01-17
  • 来自专栏Lansonli技术博客

    数据建设(一):数据出现的背景

    2数据质量问题 由于构建了很多数据仓库,没有有效的对数据进行很好的质量管理以及数据开发过程存在bug问题,导致数据经常算错,结果违反常识,开发人员浪费大量精力定位数据质量问题,经常没有办法按时产出报表数据 3、集群资源成本 在企业数据建设中经常是“数据上线容易下线难”,在数据开发中一张数据表从上线之后,我们就一直不停的加工产出结果,很少关注这张表到底产生了多少价值,被多少部门多少人在使用,如果一张表后期没有人去使用 二、为什么要构建数据 以上我们分析了数据建设中出现的各种问题,那么为什么出现这些问题呢? 2数据管理能力缺失 随着企业业务线增多,企业业务量和业务指标增多,在数据分析时对应任务和数据表也非常多,如果我们缺少了对这些任务和数据的管控能力,不清楚一个任务挂掉影响哪些数据表结果,不清楚每张数据表被哪些用户使用 解决以上三个方面问题关键就是需要一套机制,通过这套机制整合企业数据,规范、快速的形成数据服务能力,为企业经营决策、精细化运营提供支撑,这套机制就是数据。 三、思维导图总结 ​ ​

    2.2K53编辑于 2022-04-29
  • 来自专栏CloudBest

    什么是数据?全面解读数据

    ”早期是由美军的作战体系演化而来的,技术上说的“”主要是指学习这种高效、灵活和强大的指挥作战体系。阿里在今年发布“双+ET”数字化转型方法论,“双”指的是数字和业务数据是什么 数据是指通过数据技术,对海量数据进行采集、计算、存储、加工,同时统一标准和口径。数据数据统一之后,会形成标准数据,再进行存储,形成大数据资产层,进而为客户提供高效服务。 它是企业业务和数据的沉淀,其不仅能降低重复建设,减少烟囱式协作的成本,也是差异化竞争优势所在。 建立数据的原因 数据和业务相比,面临的情况可能会更加复杂一点。 同时,统一的基础模型将相关业务领域的数据做了很好的汇聚,解决了数据互通的诉求,这点的意义巨大,谁都知道数据1+1>2的意思。 03 数据是培育业务创新的土壤 企业的数据创新一定要站在巨人的肩膀上,即从数据开始,不能总是从基础做起,数据数据创新效率的保障。

    6.4K21发布于 2019-09-05
  • 来自专栏Lansonli技术博客

    数据建设(一):数据出现的背景

    数据出现的背景一、数据建设中出现的问题在企业数据建设过程,都离不开大数据平台建设,大数据平台建设涉及数据采集、数据存储、数据仓库构建、数据处理分析、数据挖掘机数据可视化等等一系列流程。 2数据质量问题由于构建了很多数据仓库,没有有效的对数据进行很好的质量管理以及数据开发过程存在bug问题,导致数据经常算错,结果违反常识,开发人员浪费大量精力定位数据质量问题,经常没有办法按时产出报表数据 3、集群资源成本在企业数据建设中经常是“数据上线容易下线难”,在数据开发中一张数据表从上线之后,我们就一直不停的加工产出结果,很少关注这张表到底产生了多少价值,被多少部门多少人在使用,如果一张表后期没有人去使用 二、为什么要构建数据以上我们分析了数据建设中出现的各种问题,那么为什么出现这些问题呢? 解决以上三个方面问题关键就是需要一套机制,通过这套机制整合企业数据,规范、快速的形成数据服务能力,为企业经营决策、精细化运营提供支撑,这套机制就是数据。三、思维导图总结图片

    2.1K93编辑于 2022-07-15
  • 来自专栏内容管理系统

    内容数据的区别

    数据不仅仅是技术架构,更是一种数据驱动的业务运营理念。在数据台架构数据从各个业务系统抽取、清洗、整合,形成统一的数据资产。 数据使用的场景企业数据分析:数据整合了企业内部的各种数据资源,通过数据清洗、转换、整合,实现数据的汇聚、整合和分析。 内容数据的区别内容是一个集中的平台,负责管理和分发各种形式的内容,如文本、图片、视频、音频等。 内容专注于管理和分发各种类型的内容资源,而数据则聚焦于企业数据的整合、治理和利用,两者在业务场景和目标上有明显的差异。如何使用MassCMS创建内容2.定义字段和关系为每个内容类型定义字段,并选择适当的字段类型,如文本、日期、图像等。你还可以设置关系字段,以关联不同类型的内容,如将产品与文章进行关联。

    1.6K10编辑于 2024-06-06
  • 来自专栏EAWorld

    数据建设从数据的认知开始

    当然不是,由于一些客观原因,在科技建设的过程造成数据体系烟囱式的建立,一个个的数据孤岛已然形成,数据建设的一目标就是消除数据孤岛,打通金融企业数据链路。 2 数据之“规”,重点在标签体系 “规”,有法度也,是规则、是制度、是体系。 2、金融企业数据质量管理流程 数据质量问题会发生在各个阶段,因此需要明确各个阶段的数据质量管理流程。 数据安全将是金融企业数据治理的一个重点,也是金融企业的科技从业人员将要面临和解决的一难题。 4 数据之“用”,体现在数据服务 “用”,即使用、应用。 2、常见的数据服务类型: 数据屏:数据可视化屏是一个很重要的“面子”,它一方面能够通过酷炫的效果让人眼前一亮,同时也能把业务和数据的“里子”有效的传达出来,表里如一。

    2.7K40发布于 2020-11-02
  • 来自专栏区块链入门

    数据仓库、数据湖、数据一文读懂【2

    数据湖的建设过程应该与业务紧密结合;但是数据湖的建设过程与传统的数据仓库,甚至是热的数据应该是有所区别的。区别在于,数据湖应该以一种更敏捷的方式去构建,“边建边用,边用边治理”。 其实上述只是一个理论上的过程,其实无论是先构造EDW,还是先构造DM,都离不开对于数据的摸底,以及在数仓构建之前的数据模型的设计,包括当前热的“数据”,都逃不出下图所示的基本建设过程。 虽然大多数数据湖解决方案都对外提供标准的访问接口,如JDBC,市面上流行的各类BI报表工具、屏工具也都可以直接访问数据数据。 、屏展示功能等。 这种类似的思维应用到企业,就是需要一个资源整合和能力沉淀的平台,对不同的部门进行总协调和支持,“”也就应运而生。

    1.8K30编辑于 2022-03-23
  • 来自专栏数据社

    浅谈数据

    一、什么是数据 数据的概念最是阿里提出来的是为了实现数据的分层和水平解耦,提供数据服务能力。看了那么多的概念,对也有些自己的理解。笔者认为主要是为了提供全域的数据服务。 二、如何建立数据 建设数据主要就是从数据模型、数据资产、数据治理、数据服务四部分出发。 我们可以看出数据的模型具有通用性。 数据建模一般分为2个步骤: 1. 确认事实表,分析业务的生命周期,明确业务的关键步骤。 在进行指标定义的时候是否覆盖了本主题语的全部指标,判断哪些指标可以通过加减乘除计算得到等。 2. 冗余维度也是需要考虑的,设计冗余的维度可以避免统计过多的关联导致复杂的计算逻辑,影响性能。 2数据资产 在数据仓库我们已经建立了一些模型,但是只有打通数据孤岛后才可以称为资产。

    1.3K50发布于 2020-05-25
  • 来自专栏博文视点Broadview

    数据建设的9误区,你中了几条?

    目前,行业对数据存在诸多误解和理解偏差,因此在建设数据的过程,错误的理解可能导致数据建设的失败。 下图为数据建设的9误区,下面详细介绍每个误区。 图  数据建设的9误区 01. 数据等同于数据工具的集合 数据工具的集合能有效地提高数据开发和使用的效率,实现让数据易用的目标。 (1)数据建设越早越好,越早建设越能发挥数据的价值,否则大概率会重复“造轮子”,造成资源极大浪费。 (2数据建设是一个不断积累的过程,早启动,早积累,早产出。 建设数据是一项体系性工程,耗时长,花费,用人多,需要企业自上而下推动,需要企业勠力同心,才能实现数据的真正价值。 ▊《数据建设:从方法论到落地实战》 彭勇 著 厘清数据建设误区,详细阐述数据建设方法论 以营销和风险管理为实战案例,助力企业数字化转型 本书通过企业两个热门场景的应用详细介绍了数据的落地实战

    50710编辑于 2023-05-06
  • 来自专栏凯哥讲故事系列

    凯哥讲数据Netflix的数据(上)

    前言 在《#凯哥讲数据#数据的使命,愿景和六核心能力》,我提到,数据的愿景是"打造数据驱动的智能企业"。 本文分两个部分: 上部 一、Netflix:业务转型的奇迹 二、数据驱动的数字化转型 下部 三、Netflix的数据 ? 以上这么多角色,都统一在一个大数据门户上协作,从而保证了数据同源,保证大家的认知,背景的一致性,从而保证数据产品的准确性,这样的效率是很高的。这和我们所提倡的企业级数据的概念有异曲同工的感觉。 2020年,Netflix计划追加投资到173亿美元(等于中国电影票房总量的2倍),但是这么多的投资对于影视创作来说,其实并不多。 请期待第三部分《Netflix的数据》 欢迎转载,但是请注明出处,谢谢。

    2.2K30发布于 2020-02-19
  • 消失的数据-数据降温和项目建设失败的原因分析

    今天继续和大家讨论数据的话题。最近半年时间里,不知大家是否注意到,关于数据的讨论已经相当减少,甚至可以说数据的热度明显下降了。 因为数据更多是采集和整合业务系统的数据,集成后形成可供外部开放的数据资产和数据服务。 尽管如此,我也发现实际落地的数据效果并不理想。 在有项目机会时,我们将逐步完善数据产品。 为什么最近半年数据越来越不受关注,或者说数据项目很难真正落地,达不到客户预期呢?我将其分析为三个关键原因。 在这种情况下,建立数据的意义何在呢? 其次,本应通过类似ESB总线、服务共享平台等解决数据服务集成或共享的问题,却将其放入数据系统解决。 回顾数据,我们应该更容易理解,问题并非数据思想本身有问题,而是与企业发展阶段、业务和IT成熟度水平密切相关。企业在规划数据时必须思考:是否真正需要数据数据能为企业带来何种价值?

    40700编辑于 2025-06-24
领券