收录了 数据分析技术架构 频道下的 50 篇内容
今年是IoT物联网的元年,也是人工智能的元年。之所以人工智能这么热,与大数据有密不可分的关系,大数据就是现在网络时代的石油。2016 年 10 月 28 日上午 7 位大数据相关专家齐聚“2016 易观 A10 大数据应用峰会”对实时分析技术的看法和实践经验进行了分享和讨论,从技术角度解析了企业如何做到实时分析。
本文着眼于顶级云服务商云服务商的云数据库方案背后的架构,以及笔者最近观察到的一些对于云数据库有意义的工业界的相关技术的进展,希望读者能有所收获。

如何构建 AI 原生全球化数据分析架构以跨越实时、成本与合规鸿沟。

落地过程中其实90%是软件工程,都是在解决行为一致性确定性的问题,可能只有10%是在做prompt、模型调优。

有一件事儿,让众多企业持续投入了一百多年:让数据变得更有价值。最终,更复杂的统计方法、更炫酷的可视化报表出现了,伴随而来的是更庞大的数据团队。
随着大数据和云计算环境的不断发展,数据库系统面临着性能瓶颈、数据一致性难以保障以及高可用性需求等多重挑战。数据库设计不仅需要满足基础的数据存储和检索功能,更需支持高并发处理、事务完整性、多维度查询和灵活的部署架构。在此背景下,YashanDB作为一
随着企业数据量的增多,为了配合企业的业务分析、商业智能等应用场景,从而驱动数据化的商业决策,分析型数据库诞生了。由于数据分析一般涉及的数据量大,计算复杂,分析型数据库一般都是采用大规模并行计算或者分布式计算来提升它的数据处理能力。

8月28日,阿里巴巴旗下的瓴羊发布首个数据分析Agent,Quick BI里的“智能小Q”升级为一名由问数、解读和报告三大核心Agent组成的“超级数据分析师”,可以帮助用户快速获取数据、解读数据和输出洞察报告。
如何优化数据库查询速度是数据库技术研发中的核心问题之一。查询速度的提升直接影响系统响应时间和整体性能,尤其在海量数据处理和高并发环境下更为突出。YashanDB作为新一代数据库解决方案,运用多样化部署架构、创新存储引擎与优化的执行引擎,实现了查询优

结合美团在业务分析过程中的实际案例,分享数据分析 Agent 的落地实践经验。

火山引擎新一代数据湖如何解决多模态数据带来的关键问题。
深入了解测试过程中被测系统的架构与数据流,有助于理解业务逻辑,梳理业务用例以及促进部门协同。

本文将为大家介绍 ChatBI 系统的核心功能与技术实践

过去二十年,数据平台的发展随着互联网时代的崛起而不断加速。BigTable,奠定了现代大数据技术的基石。

传统基于数据分析师主导的流程面临效率与可扩展性瓶颈。

Snowflake 换 CEO,不只是人事变动,而是数据架构的时代信号:数仓黄金时代正在谢幕,Agentic Data Stack 正在登场。

介绍Lakehouse、Data Fabric 等技术的应用及Data For AI 的展望。

模力工场 第 018 周 AI 应用榜来啦!

火山引擎依托大模型技术推出的新一代企业级 AI 数据专家:数据智能体 Data Agent 。

随着大模型技术成熟,AI 正在推动数据分析从“工具辅助”到“决策建议和工作流协同”的质变,基于大模型的智能分析技术正在吸引越来越企业的关注。