中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

Google的首席經(jīng)濟學家Hal Varian在2010年指出“在接下來的歲月里，最時髦的工作將是統(tǒng)計學家……領悟數(shù)據(jù)的能力——理解數(shù)據(jù)、處理數(shù)據(jù)、提煉價值、可視化數(shù)據(jù)、溝通數(shù)據(jù)——必將成為一種極其重要的技能”。大數(shù)據(jù)、數(shù)據(jù)可視化都已成了當下商業(yè)分析中的重要基礎概念。

近年來IT行業(yè)飛速發(fā)展，數(shù)據(jù)作為一種基本的概念已經(jīng)深入到社會生活的每一個角落！個體的經(jīng)濟活動和社會活動都已經(jīng)數(shù)據(jù)化了，消耗在各種數(shù)據(jù)接入設備的關注時間，成了互聯(lián)網(wǎng)企業(yè)爭相競逐的最重要的資源。

數(shù)據(jù)的存在本身就是數(shù)據(jù)的唯一價值！人類通常會將自身遇到的一切與基礎符號或符號系統(tǒng)進行關聯(lián)，從而賦予這些數(shù)據(jù)以含義，從而成功地將數(shù)據(jù)變成了有意義的信息（INFORMATION），信息是人類適應/控制外部世界過程中交換的內(nèi)容，反映事物的形成、關系和差異。

信息集合之間明確的相互作用一旦被人類所感受和體驗，逐漸就成了確定性的知識（KNOWLEDGE），基于既往所發(fā)生的各種事實，利用內(nèi)插法和概率進行認知性和分析性的總結歸納，就形成了人的理解（UNDERSTANDING）過程。

數(shù)據(jù)、信息和知識舉例如下：

數(shù)據(jù)：珠峰的高度8844.43米，坐標：27°59′17″ N 和86°55′31″ E 都是數(shù)據(jù)。

信息：描述珠峰地理特征的書籍，包括氣候等各種各樣數(shù)據(jù)的描述。

知識： 探討具體如何最好地登上珠峰的報告。比如攀登珠穆朗瑪峰必須遵守著名的“兩點鐘規(guī)則”：即攻頂一定要在下午2點前完成，不然就必須回頭。美國登山好手費雪（Scott Fischer），曾經(jīng)四次成功登上珠峰，但在第五次時過晚登頂，結果在下山時遇大風雪喪命。

智慧：使用知識，經(jīng)驗，理解、常識、洞察（對特定上下文中的明確因果關系的理解）進行思考和行動的能力。將智慧加諸于特定實體就是實體的智能——邏輯、理解、自知、學習、情緒表達、知識、計劃、創(chuàng)新和問題解決的能力。

本質(zhì)上智能就是對非確定性，非概率性的外延，它是基于知識之上的已經(jīng)評估過的理解，能夠用于處理尚未發(fā)生的不確定的情景，知道對于尚未發(fā)生的未來什么是最好的選擇！

泰倫提烏斯說過：真正的智慧不僅在于能明察眼前，而且還能預見未來！

商業(yè)智能（Business Intelligence）概念本身在1958年就已經(jīng)被IBM的Hans Peter 提出，但商業(yè)智能作為一種復合的技術和應用，直到1989年才被來自Garner 的Howard Dresner通俗化才廣為人知：即一類由數(shù)據(jù)倉庫，查詢報表，數(shù)據(jù)分析，數(shù)據(jù)挖掘，備份/恢復等部分組成、幫助企業(yè)決策為目的的技術和應用。總體上就是三大殺器：數(shù)據(jù)倉庫（Data Warehouse），聯(lián)機分析處理（OLAP）和數(shù)據(jù)挖掘（DATA MINING）！

90年代，數(shù)據(jù)倉庫已經(jīng)從探索階段走向了實用階段。W.H Inmon 在《Building the Data Warehouse》一書中對數(shù)據(jù)倉庫作出了明確定義：“數(shù)據(jù)倉庫是支持管理決策過程，面向主題，不斷變化的持久化數(shù)據(jù)集合”。 

2004年開始到2007年，也許是商業(yè)智能行業(yè)史上最為激動人心的歲月。根據(jù)07年美國高盛公司的調(diào)查，70%的企業(yè)在IT采購中對商業(yè)智能工具或者應用具有采購計劃；人們認識到企業(yè)對商業(yè)智能的呼喚不僅僅是少數(shù)公司的行為，而是已經(jīng)從企業(yè)的“想要”逐漸變成了企業(yè)的“需要”。

商業(yè)智能行業(yè)一開始只是一個規(guī)模有限而且專業(yè)性很強的細分市場，以至于一開始SAP，ORACLE，IBM和Microsoft 這些巨頭都忙于自己的專業(yè)領域，未曾暇顧。目前的行業(yè)格局基本上奠定于2007年左右的大規(guī)模商業(yè)并購。

對比Gartner 2007年和2008年的商業(yè)智能平臺魔力象限，你會發(fā)現(xiàn)在商業(yè)智能領導廠商第一梯隊中，唯有SAS 始終如一，在這個領域猶如標桿般的存在，而其他4家都已經(jīng)城頭變幻大王旗：Oracle（Hyperion Solutions）, SAP（Business Objects），IBM（Cognos）和 Microsoft（ProClarity），而第二梯隊則只剩下Information Builders，MicroStrategy 和QlikTech 三家公司。

截至到2013年，商業(yè)智能的那些傳統(tǒng)功能，比如參數(shù)化報表，聯(lián)機分析處理（OLAP）和即席查詢（Ad-Hoc Query）并沒有被廣大管理者和分析師所完全擁抱，主要是大部分人認為他們對許多分析用例而言太過難用。因此，商業(yè)智能和分析平臺市場從主要用于測量和報表BI系統(tǒng)，加速轉(zhuǎn)型到那些支持分析，預報，預測和優(yōu)化的BI系統(tǒng)。

作為世界最為著名的IT調(diào)研機構，Gartner 每年都會根據(jù)IT領域的市場變化提供魔力象限和技術成熟度報告，從而影響企業(yè)的戰(zhàn)略投資。在2013年Gartner 的報告中，商業(yè)智能BI系統(tǒng)被定義為提供17個能力的軟件平臺，覆蓋分析，信息交付和集成三個方面。

2014年，確保對不同數(shù)據(jù)提供治理，規(guī)模和性能仍然主導BI市場的需求。越來越多的數(shù)據(jù)源（比如數(shù)據(jù)來自云端，實時事件和傳感器，多結構數(shù)據(jù)等）和新的分析類型（比如網(wǎng)絡分析，情感分析，機器學習新算法）引入使得分析變得額外復雜，然而這使得創(chuàng)造新的商業(yè)價值成為可能，行業(yè)競爭更加活躍。也有越來越多的企業(yè)自行開發(fā)貼合自身業(yè)務的分析功能，因此，2014年度Gartner的魔力象限顯得特別活躍，上榜者也居然達到27家之多，SAS依舊赫然在列，在數(shù)據(jù)分析方面始終如一。

2016年Gartner的BI和分析平臺報告發(fā)生了顯著的變化，因為它認為易于試用、購買和使用在BI和分析工具的評估中變得越來越重要，現(xiàn)代的BI和分析平臺應該能夠讓非技術用戶，也能自主地執(zhí)行全自動的分析工作流程，包括數(shù)據(jù)準備、交互式分析、并能夠?qū)Ψ治鲂纬傻亩床爝M行協(xié)作共享。它主要根據(jù)對五個主要用例方面的支持來對市場進行評估：受控的數(shù)據(jù)發(fā)現(xiàn)，去中心化分析，嵌入式BI，敏捷而集中的BI調(diào)配以及支持IT的工作流、BI和分析內(nèi)容的外網(wǎng)部署。

然而Gartner 2016年的BI和分析平臺報告并沒有反映商業(yè)智能和分析平臺市場的整體情況，而是側(cè)重于幾個純BI的新玩家和描述性/診斷性分析用例（即發(fā)生什么/為什么發(fā)生？），也許，報告名稱叫“自助服務商業(yè)智能工具魔力象限” 可能更加準確。那些具有更高商業(yè)價值的預測性分析（將會發(fā)生什么？）和規(guī)范性分析（我該怎辦？）在該報告中并沒有得到足夠的體現(xiàn)，Gartner 將這些分析歸入了另外一份高級分析特定的報告（如下圖所示）。

IBM、KNIME和RapidMiner是這個高級分析領域的領導者。其中SAS表現(xiàn)尤為出色，在2016這一年中SAS被Gartner譽為2016年營銷資源管理領導者；被Gartner評為數(shù)字營銷分析領域領導者；并且連續(xù)六年獲得Gartner魔力象限數(shù)據(jù)整合工具領導者殊榮。

據(jù)Gartner的預測，到2018年全球一半以上的大型機構將使用高級分析和專有算法進行企業(yè)強力競爭；2020年高級分析將吸納企業(yè)40% 在商業(yè)智能和分析領域的新投資。

高級分析采用復雜的定量方法，包括統(tǒng)計、描述性和預測性數(shù)據(jù)挖掘、機器學習、模擬和優(yōu)化等對數(shù)據(jù)進行分析，形成傳統(tǒng)BI查詢和報告所無法發(fā)現(xiàn)的洞察。當然，執(zhí)行分析將不只是針對專業(yè)的數(shù)據(jù)科學家和高級分析師，可視化的工作環(huán)境讓平民數(shù)據(jù)科學家也能參與到數(shù)據(jù)分析中來。借助工作流復用，分析自動化、引導式分析能幫助分析人員極大地提高效率。

此外，高級分析平臺還要求為開發(fā)分析模型，提供部署到端到端環(huán)境之能力。包括開發(fā)和構建分析模型的能力、模型部署（集成到業(yè)務流程應用程序中的能力），對基于平臺的項目和模型的操縱、驗證和跟蹤能力，以及對海量數(shù)據(jù)/流式數(shù)據(jù)在速度和準確性上，具有高性能和高伸縮性提出要求。

商業(yè)智能和分析行業(yè)冷靜的觀察者可能會得出一個結論：大數(shù)據(jù)時代的到來并沒有引爆商業(yè)分析行業(yè)，反倒是一些BI領域的小公司借助相關概念和產(chǎn)品易用性，結合前端技術的進步吸引了部分客戶。不過這些小公司雖然增長很快，但市場基數(shù)實在太小（2-4%），部署也以面向桌面應用為主，因此對整個市場不足于構成挑戰(zhàn)和威脅！