大数据预测是大数据最核心的应用，是它将传统意义的预测拓展到“现测”。大数据预测的优势体现在，它把一个非常困难的预测问题，转化为一个相对简单的描述问题，而这是传统小数据集根本无法企及的。从预测的角度看，大数据预测所得出的结果不仅仅是用于处理现实业务的简单、客

没有人能躲过Microsoft Excel ——你要不就很爱它，要不就是很讨厌它。也许在大学毕业之前，Excel只是考试周才会见几面的朋友，关系仅限脸熟。但当工作进入企业之后，你会发现假如Excel消失一个小时，整个世界就会停止运转!Excel几乎无所不

本文转载自公众号“读芯术”。没有人能躲过Microsoft Excel ——你要不就很爱它，要不就是很讨厌它。也许在大学毕业之前，Excel只是考试周才会见几面的朋友，关系仅限脸熟。但当工作进入企业之后，你会发现假如Excel消失一个小时，整个世界就会停

本文转载自公众号“读芯术”。近几年来，机器学习飞速发展，开展机器学习试验变成小事一桩。然而，把数据科学项目转变成有意义的应用程序却愈加困难。传统的机器学习项目涉及许多不同的技能组合，想同时掌握全部技能，即便不是绝无可能也绝非易事——那些罕见的既能开发优质软

随着企业的发展，各业务线、产品线、部门都会承建各种信息化系统方便开展自己的业务。随着信息化建设的不断深入，由于业务系统之间各自为政、相互独立造成的数据孤岛”现象尤为普遍，业务不集成、流程不互通、数据不共享。这给企业进行数据的分析利用、报表开发、分析挖掘等带

作为云原生服务网格领域的热门开源项目，Istio 可以为微服务提供无侵入的流量管理、安全通信、服务可见性等服务治理能力。目前越来越多的微服务项目开始考虑将自己的微服务基础设施向 Istio 进行迁移。Istio 对 Kubernetes 具有较强的依赖性

大多数企业都有某种形式的混合云策略。但是，许多策略都是可以快速展现投资回报率的简单项目。诸如备份和长期归档之类的应用程序可以将原有的磁带库和异地租赁保管库替换为AWS Glacier或Google Cloud Coldline之类的云计算冷存储服务，从而

如果您接触过数据仓库, 您可能会使用 ETL 或 ELT 将您的数据从不同的来源提取到数据仓库中。这些是移动数据或集成数据的常用方法, 以便您可以关联来自不同来源的信息, 将数据安全地存储在一个位置, 并使公司的成员能够从不同业务部门查看综合数据。ET

企业数据管理的内容及范畴通常包括交易数据、主数据以及元数据。

SaaS应用程序不会在孤岛中运行，大多数企业需要将它们的功能与私有云或公共云中管理的其他企业应用程序集成起来。如果跨多个应用程序的工作流程需要集成应用程序，开发团队可以利用SaaS平台的API来触发从一个平台到另一个平台的事件。许多应用程序和服务需要集成时

D3允许你将任意的数据绑定到文档对象模型，然后运用数据驱动转换到文档上。例如，你可以使用D3将一个数组生成一个HTML表格。或者，使用相同的数据来创建一个有平滑过渡和交互的交互式SVG条形图。D3不是一个旨在提供每一个可能想到的功能的单一框架。D3非常快，

欢迎咨询，合作！CDC又称变更数据捕获，开启cdc的源表在插入INSERT、更新UPDATE和删除DELETE活动时会插入数据到日志表中。CDC通过捕获进程将变更数据捕获到变更表中，通过cdc提供的查询函数，我们可以捕获这部分数据。ETL数据仓库技术，它是

20多天后，我们将步入2020年。在即将过去的2019年，人工智能、5G、数字货币等技术不断冲击着传统的数据治理模式，你所在的企业是否同样感受到了冲击？在这些难以言说的痛中间，又有多少是传统数据集成所带来的？大数据时代的到来，不仅意味着数据来源更加广泛，数

上几期介绍了不同的技术和发展历程，本期着重介绍基于API的新一代面向服务框架技术集成技术。由此类技术开发的集成平台，将系统连接、数据集成、业务逻辑全部通过松耦合集成于一体。为系统集成开发者通过统一的规范模式，快速地与各类IT系统，数据库，云计算服务和智能设

　　数据仓库是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型DataBase，它的数据基于OLTP源系统。数据仓库中的数据是细节的、集成的、面向主题的，以OLAP 系统的分析需求为目的。　　数据仓库的架构模型包括了星型架构与雪花

大量原来线下的业务电子化之后，产生了很多的数据，这些数据除了能够支撑业务正常运转，也能够使分析人员针对整个企业的运转情况进行分析。比如，本周与上周相比销量增加还是减少了？哪些供应商提供的商品，成本低、质量好、及时供货、客户比较喜欢？上面这些问题分别涉及 销

　　数据仓库是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型DataBase，它的数据基于OLTP源系统。数据仓库中的数据是细节的、集成的、面向主题的，以OLAP 系统的分析需求为目的。　　数据仓库的架构模型包括了星型架构与雪花

在公司做了几年的数据，跟数据打了不少的交道。对软件的理解，也慢慢的偏向于对数据的流转上，虽然用户体验UI也占据着很大的地位。之前答应过坛子里的朋友，准备写关于写金蝶的系列文章。至今竟没有像样的文字。如今，笔者历经几年，从一个大男孩，变成了美丽女孩的丈夫。为

联机分析处理的概念最早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。OLAP是使分析人员、管理人员或执行人员能够从

1）文件导出和导入：将数据从一个应用程序转移到另一个应用程序的最简单方法是将源数据导出到中转文件中, 并将该文件导入到目标系统中。对于简单的数据，不需要多次重复集成的过程，这是一个合理的方法。如果两个系统中的字段格式不同。用户就不得不在导入前在中转文件中修