大数据

李彦宏说数据秒杀一切算法,BAT 的金融大数据如何运作?

新年开工,李彦宏的内部信就在朋友圈中引发了一波刷屏。内部信中有一个点比较有意思,李彦宏说,“这样一个时代,是很明显的金融创新的新时代” ,这充分表明金融业务将是百度未来的四大方向之一。而他的一句“数据秒杀一切算法”,更是从侧面透露了以大数据为代表的人工智能技术将成为百度金融的必杀技。金融创新很大一部分原因在于大数据和金融之间的结合。纵观BAT、京东、小米、万达、平安这些把触

大数据就像煤矿,那“大矿主”BAT 是如何运作金融大数据的?

就像煤矿一样,大数据中的价值含量、挖掘成本比数量更为重要。非结构化数据,就像是有杂质的煤矿,无法直接使用。新年开工,李彦宏的内部信就在朋友圈中引发了一波刷屏。李彦宏说,“这样一个时代,是很明显的金融创新的新时代” ,这充分表明金融业务将是百度未来的四大方向之一。而他的一句“数据秒杀一切算法”,更是从侧面透露了以大数据为代表的人工智能技术将成为百度金融的必杀技。金融创新很大一

微信指数来了,现在很弱,但下一步很有钱途!

微信出了个微信指数!!!此消息一出立刻刷屏,到此细数指数家族“百度指数、微指数、微信指数”三足鼎立的状态俨然形成。但如果从这三个指数的形态上来看,前者更多立足于PC端全网的数据抓取,后两者更多立足于单一渠道(微博或微信)及移动端大数据的分析。虽都是围绕着大数据在说话,但是其数据价值到底有多高,可用度到底有多强那就真是一个问题了!目前指数所提供的数据价值并不高 马云爸爸说过,

大数据下的“新零售运营” 商场如何用数据留客

近期,在新零售运营峰会暨金蝉奖颁典礼的活动中,各领域专家对新零售的整体运营提出了给不同的观点建议,围绕 大数据下的购物中心运营展开讨论。以下是部分嘉宾的演讲摘要:中国商业地产大数据联盟秘书长、中商数据CEO 周长青购物中心的运营呢?一直以来是大家关注的一个焦点。去年我们看到市场的供应呢,是井喷的啊,整体我们看到16年的存量购物中心呢,建筑面积已经超过了3,.6亿平米,那么单

BI 与大数据的区别

什么是 BI? 下面的定义,我们摘自百度百科: BI(Business Intelligence)即商业智能,它是一套完整的解决方案,用来将企业中现有的数据进行有效的整合,快速准确的提供报表并提出决策依据,帮助企业做出明智的业务经营决策。商业智能的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组

数据为王:从司法案例来看大数据

一、从司法案例来看大数据 互联网基础设施、传感器技术的进步让数据沉淀的速度大大加快,数据成了新的生产资料,给产业发展带来的影响如同20世纪初电力带来的推动。诚然,数据作为生产资料需要立法保障。但囿于立法的滞后,单靠法律也解决不了实际问题 。 前不久就有个实例---2016年6月28日,国家互联网信息办公室发布了《移动互联网应用程序信息服务管理规定》(下称《规定》),明确了什

Datatist CMO 董飞:硅谷公司的大数据运营实践...

以下是由数据猿精编整理发布的 Datatist CMO董飞 的精彩分享:我是Datatist(画龙科技)的CMO董飞,首先做一个自我介绍,我毕业于南开大学,曾经在北京工作过几年。在2010年,我来到美国杜克大学读了硕士,毕业以后留在硅谷工作,一开始是在亚马逊做云计算的平台,然后去了Coursera,他们是一家做在线教育的平台,之后又在LinkedIn从事大数据架构工作。去

AI 窥探:小数据机器学习蓄势待发,技术发展依赖的不只是大数据

未来的生活无论是投资、交通、医疗、学习、生产,将无处不是AI的踪影,这个技术也将彻底改变人们的生活模式。自从 Google 的人工智能 AlphaGO 成为围棋界的百胜将军开始,AI(Artificial Intelligence,人工智能)这两个英文字,刹那间成为科技业最热门的关键字之一。而就在2017年初,早在 AI 领域打下深厚底子的 IBM Watson,除了打进一

微信大数据的应用:微信指数

在国足以1:0战胜韩国的时候,整个世界沸腾了,朋友圈也沸腾了,它不但让39年来来从未赢球的国足重新站了起来,也让更多球迷再次相信国足,热爱足球。其实23号除了国足外,还发生了三件在朋友圈里比较有影响力的事件:1、微信指数上线,2、谷歌退出中国大陆7周年,3、黄鳝事件。对于微信指数来说,应该是微信移动端大数据应用的开始。微信目前月活跃用户8.89亿,微信公众号:3100多万,

数据可视化:你想知道的经典图表全在这

如何七周成为数据分析师的第四篇教程,了解写作初衷。Excel的课程告一段落,今天开始第二周的内容,数据可视化阶段。数据可视化是一个热门的概念,是分析师手中的优秀工具。好的可视化是会讲故事的,它向我们揭示了数据背后的规律。大家对可视化的使用认知或许来源于下面这张图。虽然结构清晰,但它只针对Excel图表,不够丰富。本文会结合数据分析师的使用场景展示更多的可视化案例。为方便演示