下载 >  开发技术 >  其它 > 高伟:数据资产管理——大数据时代的掘金术
4

高伟:数据资产管理——大数据时代的掘金术

该文档来自于亚信科技大数据事业部数据资产管理部门产品总监高伟,在2014中国大数据技术大会大数据技术分论坛的演讲“数据资产管理——大数据时代的掘金术”。
2014-12-18 上传大小:2.42MB
想读
分享
收藏 (11) 举报

评论 共17条

slkj_tcs 好文档!!!!!!!
2018-03-22
回复
hzxlt 对数据资产的理解有一定参考价值
2016-12-29
回复
flow411 简单浏览了下文档的内容,本来想找的是《数据资产管理:盘活大数据时代的隐形财富》的电子文档的(如果哪位大侠有谢谢提供,邮箱:flow411@163.com),不过本文也从整体上描述了数据资产管理的流程。但文章以产品为介绍的核心,将相关的知识穿插其中,个人不建议刚接触数据管理的同学阅读。
2016-09-17
回复
qq_30729901 很好的文档!
2016-06-24
回复
auvonline 还行吧,产品宣传的味道更浓。有一些片面。
2015-11-12
回复
u010270639 可以参考,不错不错。对于本单位的数据治理有参考性。
2015-09-30
回复
jianlong918 还可以 比较有价值 等看看
2015-07-29
回复
remsenyost 还可以,有一定的帮助
2015-06-09
回复
johnnysun2015 非常不错的一篇文章,从最开始的定义说起“数据资产是企业及组织拥有或控制,能带来未来经济利益的数据资源”,立刻就明白了什么是数据资产。 然后详细介绍了其产品的提供的解决方案,也很清晰,赞。
2015-05-11
回复
u011833179 还行,就是不实用
2015-04-08
回复
数据资产管理 盘活大数据时代的隐形财富_完整版

数据资产管理 盘活大数据时代的隐形财富_完整版,这方面的资料不多,很不错的资料,自己花钱买的,分享出来给大家看看。

立即下载
数据时代数据资产管理

数据资产管理将成为企业的核心竞争力,帮助企业提供更精准的产品和服务、降低成本并控制风险等。

立即下载
数据资产管理案例

数据资产管理 从三个方面阐述:数据资产分析、资产治理、应用 数据资产分析,主要讲解如何盘点评估,理解数据内容、构建资产类目

立即下载
数据资产管理平台

数据资产管理(Data Asset Management,简称DAM)是规划、控制、和提供数据这种企业资产的一组业务职能,包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方案和程序。

立即下载
数据资产管理实践白皮书

数据资产管理的实施步骤、工具平台和成功要素。随着信息技术和人类生产生活交汇融合,全球数据呈现爆发增长、海量集聚的特点,对经济发展、社会治理、国家管理、人民生活都产生了重大影响。近年来,我国的大数据在政策、技术、产业、应用等方面均获得了长足发展。

立即下载
数据时代的算法:机器学习、人工智能及其典型实例.刘凡平(带详细书签).pdf

本书介绍在互联网行业中经常涉及的算法,包括排序算法、查找算法、资源分配算法、路径分析算法、相似度分析算法,以及与机器学习相关的算法,包括数据分类算法、聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法。本书涉及的相关算法均为解决实际问题中的主流算法,对于工作和学习都有实际参考意义。本书是一本算法领域内的技术参考书籍,涵盖数十种算法,通过由浅入深的介绍基础算法和机器学习算法相关理论和应用,阐述了各个算法的应用场景及算法复杂度,使读者对算法的理解不只是停留在表面,还从应用的角度提供了大量实例,使读者能够快速、高效进阶各类算法,并能够熟练应用到将来的工作实践中。 第1章 算法基础 1 1.1 基础算法分析类型 1 1.1.1 分治法 1 1.1.2 动态规划法 2 1.1.3 回溯法 3 1.1.4 分支限界法 4 1.1.5 贪心法 4 1.2 算法性能分析 5 1.3 概率论与数理统计基础 6 1.4 距离计算 8 1.4.1 欧氏距离 8 1.4.2 马氏距离 9 1.4.3 曼哈顿距离 9 1.4.4 切比雪夫距离 9 1.4.5 闵氏距离 9 1.4.6 海明距离 10 1.5 排序算法 10 1.5.1 快速排序 11 1.5.2 归并排序 11 1.5.3 堆排序 13 1.5.4 基数排序 15 1.5.5 外排序 16 1.6 字符压缩编码 17 1.6.1 哈夫曼编码 17 1.6.2 香农-范诺编码 21 1.7 本章小结 24 第2章 数据查找与资源分配算法 25 2.1 数值查找算法 25 2.1.1 二分搜索算法 25 2.1.2 分块查找 27 2.1.3 哈希查找 28 2.2 字符串查找算法 30 2.2.1 Knuth-Morris-Pratt算法 31 2.2.2 Boyer-Moore算法 34 2.2.3 Sunday算法 37 2.3 海量数据中的查找 39 2.3.1 基于布隆过滤器查找 39 2.3.2 倒排索引查找 41 2.4 银行家算法 43 2.5 背包问题 45 2.5.1 0-1背包问题 45 2.5.2 部分背包问题 47 2.6 本章小结 47 第3章 路径分析算法 49 3.1 基于Dijkstra算法的路径分析 49 3.1.1 应用示例:极地探险 49 3.1.2 基于Dijkstra的最短路径规划 50 3.2 基于Floyd算法的路径分析 53 3.2.1 应用示例:任意两个城市之间的最短路径 53 3.2.2 Floyd原理 54 3.2.3 基于Floyd算法计算两个城市最短距离 56 3.3 基于A*算法的路径搜索 58 3.3.1 应用实例:绕过障碍区到达目的地 58 3.3.2 A*算法与最短距离计算 59 3.4 基于维特比算法的概率路径 61 3.4.1 应用实例:推断天气状态 61 3.4.2 维特比算法思想 62 3.4.3 计算天气状态 62 3.5 最长公共子序列问题 64 3.5.1 概要 64 3.5.2 最长公共子串 64 3.5.3 最长公共子序列原理 66 3.5.4 实例:求两字符串的最长公共子序列 66 3.6 本章小结 68 第4章 相似度分析算法 69 4.1 应用实例:海量网页相似度分析 69 4.2 基于Jaccard相似系数的相似度计算 70 4.2.1 计算流程 70 4.2.2 狭义Jaccard相似系数 71 4.2.3 广义Jaccard相似系数 71 4.3 基于MinHash的相似性算法 71 4.3.1 与Jaccard相似性关系 71 4.3.2 计算网页文本相似性过程 72 4.4 向量空间模型 73 4.4.1 词袋模型 73 4.4.2 TF-IDF算法 74 4.5 基于余弦相似性算法的相似度分析 76 4.5.1 原理基础 76 4.5.2 公式解析 77 4.5.3 计算网页文本相似性过程 77 4.6 基于语义主题模型的相似度算法 78 4.7 基于SimHash算法的指纹码 80 4.7.1 SimHash引入 81 4.7.2 SimHash的计算流程 81 4.7.3 计算重复信息 83 4.8 相似度算法的差异性 84 4.9 本章小结 85 第5章 数据分类算法 86 5.1 基于朴素贝叶斯分类器 86 5.1.1 有监督分类与无监督分类 87 5.1.2 应用实例:识别车厘子与樱桃 88 5.1.3 分类流程归纳 91 5.1.4 应用扩展:垃圾邮件识别 92 5.1.5 常用评价指标 96 5.2 基于AdaBoost分类器 100 5.2.1 AdaBoost概述 100 5.2.2 AdaBoost算法具体流程 101 5.2.3 AdaBoost算法的应用实例 102 5.2.4 AdaBoost算法的优点 105 5.3 基于支持向量机的分类器 105 5.3.1 线性可分与线性不可分 106 5.3.2 感知器 107 5.3.3 支持向量机 108 5.4 基于K邻近算法的分类器 109 5.4.1 应用实例:电影观众兴趣发现 109 5.4.2 核心思想 109 5.4.3 电影观众兴趣发现 110 5.5 本章小结 113 第6章 数据聚类算法 115 6.1 采用系统聚类法 115 6.1.1 概述 116 6.1.2 最短距离法 117 6.1.3 重心聚类法 119 6.1.4 动态聚类法 120 6.2 基于K-Means聚类算法 122 6.2.1 应用实例:新闻聚类 122 6.2.2 逻辑流程 123 6.2.3 实现新闻聚类分析 124 6.2.4 K-Means++ 128 6.2.5 K-中心点聚类算法 129 6.2.6 ISODATA聚类算法 130 6.3 基于密度的DBSCAN算法 131 6.4 基于BIRCH算法的聚类分析 133 6.4.1 聚类特征 133 6.4.2 聚类特征树 134 6.5 聚类与分类差异 135 6.6 本章小结 136 第7章 数据预测与估算算法 137 7.1 产生式模型与判别式模型 137 7.2 基于最大似然估计的预测 138 7.3 基于线性回归的估算 140 7.3.1 概要 140 7.3.2 最小二乘法 141 7.4 基于最大期望算法分析 143 7.5 基于隐马尔科夫模型预测 144 7.5.1 应用实例:高温天气与行为概率 144 7.5.2 原理分析 145 7.5.3 高温天气与行为概率 147 7.6 基于条件随机场的序列预测 151 7.6.1 应用实例 151 7.6.2 原理分析 151 7.6.3 条件随机场的优缺点 153 7.7 本章小结 154 第8章 数据决策分析算法 155 8.1 基于ID3算法的决策分析 156 8.1.1 信息量 156 8.1.2 信息熵 156 8.1.3 信息增益 157 8.1.4 ID3算法流程 157 8.1.5 ID3算法的应用 157 8.2 基于C4.5算法的分类决策树 159 8.2.1 概要 159 8.2.1 应用实例 159 8.3 基于分类回归树的决策划分 161 8.3.1 概要 162 8.3.2 应用实例:决策划分 163 8.3.2 剪枝 164 8.4 基于随机森林的决策分类 168 8.4.1 随机森林的特点 169 8.4.2 随机森林的构造方法 169 8.4.3 应用实例:决定车厘子的售价层次 170 8.5 本章小结 172 第9章 数据关联规则分析算法 174 9.1 基于Apriori算法的关联项分析 174 9.1.1 应用实例:超市的货架摆放问题 175 9.1.2 基本概要 175 9.1.3 算法原理 176 9.1.4 有效摆放货架 176 9.2 基于FP-Growth算法的关联性分析 179 9.2.1 构建FP树 179 9.2.2 频繁项分析 181 9.2.3 与Apripri算法比较 184 9.3 基于Eclat算法的频繁项集挖掘 184 9.4 本章小结 185 第10章 数据与推荐算法 187 10.1 概要 187 10.1.1 推荐算法发展 188 10.1.2 协同过滤推荐 189 10.2 基于Item-Based协同过滤推荐 190 10.2.1 Item-Based基本思想 190 10.2.2 Slope One实例:基于评分推荐 190 10.3 基于User-Based协同过滤推荐 193 10.3.1 应用实例:根据人群的推荐 194 10.3.2 User-Based与Item-Based对比 197 10.4 基于潜在因子算法的推荐 198 10.4.1 应用实例:新闻推荐 198 10.4.2 流行度与推荐 200 10.5 推荐算法与效果评价 201 10.6 本章小结 203

立即下载
数据时代 高清完整中文版PDF下载

大数据时代 高清完整中文版PDF下载 大数据时代 高清完整中文版PDF下载

立即下载
数据时代 kindle mobi版

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡,麦肯锡称:“数据,已经渗透到当今每一个行业和业务职能

立即下载
数据时代 (维克托·迈尔·舍恩伯格) pdf 带书签 百度云永久链接

大数据时代 (维克托·迈尔·舍恩伯格) pdf 好东西一起分享!

立即下载
数据时代小数据分析

一本真正能解决实际问题的数据分析书,大数据时代产品经理、市场营销、管理者等数据分析学习必读

立即下载
魔鬼数学:大数据时代,数学思维的力量

比尔盖茨力荐,豆瓣评分8.3 魔鬼数学带领我们踏上了一段精彩绝伦的数学思维之旅,旅行过后,相信你可以成为一个更棒的思考者。作者从历史及最近的理论发展中汲取精华,向我们展示了数学知识的魅力和力量。数学可以让我们更好地思考:它可以磨练我们的直觉,让我们的判断更敏锐,它还可以驯服不确定性,让我们更深入地了解世界的结构和逻辑。 拥有了数学工具,我们就可以把那些我们想当然的事情看得更透彻,从而做出正确的决策。

立即下载
数据时代的科学数据战略(卢东明) 高清完整中文版PDF下载

大数据时代的科学数据战略(卢东明) 高清完整中文版PDF下载

立即下载
固定资产管理源代码+数据

主要包括:基础数据设置,权限管理,固定资产购置,固定资产减少, 固定资产借出和归还,固定资产送修和完修,固定资产台账,固定资产卡片,固定资 折旧,固定资产报表(包括减少报告、借还报告、送修和完修报告、折旧计提报告、折 旧汇总报告)。 A、使用三层架构开发数据库应用系统 表现层、业务逻辑层、数据访问层 A、使用三层架构开发数据库应用系统 表现层、业务逻辑层、数据访问层 B、使用实体类封装数据、传递数据 C、使用泛型集合List<T>、IList<T>承载实体对象 D、使用ADO.NET调用存储过程 E、编写类来封装数据库的增加、删除、修改、查询操作 F、打印窗口和控件 G、将集合数据输出到Excel打印 H、使用BindingNavigator和BindingSoure控件绑定和导航数据 I、通过数据库视图来简化查询和统计J、编写类封装业务规则验证方法

立即下载
开源资产管理软件OCS+GLPI使用及安装教程,运维软件

系统拥有服务器硬件监测、报表管理、告警管理、知识库管理、资产管理、工单管理、维保管理以及共享备件库、共享工程师库等功能。 专注于对X86服务器、工控机、网络设备、UPS、精密空调、打印机、复印机、投影仪、摄像头、存储、磁带库、大屏幕显示屏等硬件设备的物理状态实时监测管理。如:监测X86服务器的处理器、内存、RAID卡、硬盘、网卡、风扇、电源、端口、温度等每个部件的工作状态;监测存储设备的端口、硬盘、Cache模块、电池、电源等部件工作状态;监测打印机、复印件是否缺墨、缺纸;监测投影仪灯泡剩余使用时间等。 如设备故障告警,能够自动关联相关对应部件的品牌、型号、序列号、规格等以及一些配件商的联系方式资料,方便快速的找到对应的配件进行及时更换维护。若故障难以解决,还提供各种专业工程师联系方式与资质详细信息。 另外支持通过自动发现、手工导入的方式获取所有硬件设备的资产管理信息,并且生成报表、统计相应的数据等功能、系统还具有保修管理功能,能够实时的统计各个设备的保修状态、并且显示相应设备的保修时间、保修级别。当设备过保的时候能够及的通知相应的负责人,并支持APP,短信,微信,邮件等方式告警

立即下载
数据化决策

作者: 道格拉斯•W•哈伯德 出版社: 世界图书出版公司 副标题: 大数据时代,《财富》500强都在使用的量化决策法 译者: 邓洪涛 内容简介 · · · · · · 你还在依赖直觉和经验艰难地作出决策吗?这本书让你定量决策: 可口可乐动用2 000名调研员,对19万人进行口味测试后,如何作出最终决策? 如何衡量并未开口抱怨的顾客对服务或产品质量的不满意度? 如何通过数学公式找到最适合你的另一半? 数据无孔不入,大数据时代,谁掌握了数据,谁就能把握成功。“一切皆可量化”,道格拉斯这个大胆的宣言是解决诸多生活和商业问题的关键所在。 无论你的问题看起来多么不可量化,如健康、幸福感、顾客满意度、IT安全、投资风险、品牌价值、组织灵活性等,在本书中都可以找到量化的办法。作者在本书中: 专注于量化不确定性、风险和数据价值; 提供了令人拍案惊奇的测算无形之物的简便方法,让你仅仅基于已知数据就能准确决策; 展示了丰富而精彩的量化案例,让身边的数据唾手可得。 本书兼具实用性、可读性与趣味性,甚至让反感数据的人也能发现它的亲切。 作者简介 · · · · · · 道格拉斯• W. 哈伯德是应用信息经济学创始人、国际公认的知名测量师、决策分析师和风险管理专家。 他的应用信息经济学方法是一种量化的方法论,已被全球多家《财富》500强企业所应用,并被广泛应用于IT安全、娱乐传媒、军事物流、研发整合等众多领域。而这些领域的决策和管理往往依赖于一些看起来很难量化或者不可能量化的因素。 道格拉斯还是位广受欢迎的演说家。曾为《信息周刊》《首席信息官企业》《分析学》和《今日OR/MS》等杂志撰写文章。他还是《风险管理的失败》(The Failure of Risk Management)一书的作者。 目录 · · · · · · 权威推荐序 大数据时代的量化决策方法 自序 一切皆可量化 第一部分 量遍天下:没有什么不可量化 第1章 无形之物有法可测 幸福婚姻的价值和人生的价值都可量化? 管理顾问,绩效测评专家无法解决但本书可搞定 第2章 不同时代,不同领域的量化大师 坐在图书馆里就能估算出地球周长? 物理学家何如估算出芝加哥的钢琴调音师有多少? 只花费10美元,9岁女孩就揭穿医学谎言 质量和创新究竟能为企业带来多大的收益? 从量化大师身上能学到什么? 第3章 他们为什么说无形之物不可量化? 对传统定义的挑战 澄清链:量化方法就隐藏在量化目标中 5人法则:只需很小的样本就可以减少不确定性 4 个假设让量化看上去很简单 量化真的需要不菲的代价吗? 可以相信统计数字吗? 99岁患病老人不如5岁儿童的命值钱? 量化的5大步骤 第二部分 量化什么:不确定性、风险、信息价值 第4章 厘清待量化事物与决策的关系 清晰定义“不确定性”和“风险” 为退伍军人事务部IT 安全项目进行的量化工作 第5章 校准训练:修正你的判断 校准练习:让“估计”变得更准确 你的估值范围=你的认知程度 90%的信心意味着90%的概率吗? 经过校准训练的人往往预测得更准确 第6章 蒙特卡洛模型:评估风险大小 分清“感觉很好”与“真的很好” 蒙特卡洛模型:范围也能进行加减乘除? 寻找盈亏平衡点 不必一开始就建立蒙特卡洛模型 风险悖论:越重大的决策,越缺少风险分析 第7章 一条减少不确定性的信息价值多少? 预期机会损失:出错的机会和成本

立即下载
投资革命:移动互联时代的资产管理

本书紧扣当下热点:移动互联,向投资人展示了移动互联时代资产管理理念与思考。作者认为,移动互联网在这两年迅速发展,使得我们所熟悉的很多经济规律和价值创造的规则被冲击、被改变,必将对资产管理行业带来非常具有颠覆性的变化。该书从大局发展趋势指点移动互联、大数据、社交网络、云计算将给投资、公司估值等方面带来的影响。

立即下载
亚信DACP大数据资产管理

介绍亚信DACP产品,主要从企业大数据资产的角度介绍企业如何利用大数据工具进行数据资产管理和平台管理;

立即下载
《大数据时代:生活、工作与思维的大变革》.扫描版.pdf 高清 完整

书名页 推荐序一 拥抱“大数据时代” 推荐序二 实实在在大数据 译者序 在路上·晃晃悠悠 引言 一场生活、工作与思维的大变革 第一部分 大数据时代的思维变革 01 更多 不是随机样本,而是全体数据 让数据“发声” 小数据时代的随机采样,最少的数据获得最多的信息 全数据模式,样本=总体 02 更杂 不是精确性,而是混杂性 允许不精确 大数据的简单算法比小数据的复杂算法更有效 纷繁的数据越多越好 混杂性,不是竭力避免,而是标准途径 新的数据库设计的诞生 03 更好 不是因果关系,而是相关关系 林登与亚马逊推荐系统 关联物,预测的关键 “是什么”,而不是“为什么” 改变,从操作方式开始 大数据,改变人类探索世界的方法 第二部分 大数据时代的商业变革 04 数据化 一切皆可“量化” 莫里的导航图,大数据的最早实践之一 数据,从最不可能的地方提取出来 数据化,不是数字化 量化一切,数据化的核心 当文字变成数据 当方位变成数据 当沟通变成数据 世间万物的数据化 05 价值 “取之不尽,用之不竭”的数据创新 ReCaptcha与数据再利用 数据的“潜在价值” 数据创新1:数据的再利用 数据创新2:重组数据 数据创新3:可扩展数据 数据创新4:数据的折旧值 数据创新5:数据废气 数据创新6:开放数据 给数据估值 06 角色定位 数据、技术与思维的三足鼎立 Decide.com与商品价格预测 大数据价值链的3大构成 全新的数据中间商 专家的消亡与数据科学家的崛起 大数据,决定企业竞争力 第三部分 大数据时代的管理变革 07 风险 让数据主宰一切的隐忧 无处不在的“第三只眼” 我们的隐私被二次利用了 预测与惩罚,不是因为“所做”,而是因为“将做” 数据独裁 挣脱大数据的困境 08 掌控 责任与自由并举的信息管理 一场管理规范的变革 管理变革1:个人隐私保护,从个人许可到让数据使用者承担责任 管理变革2:个人动因VS预测分析 管理变革3:击碎黑盒子,大数据算法师的崛起 管理变革4:反数据垄断大亨 结语 正在发生的未来 参考文献

立即下载
一个完整的IT资产管理系统,ASP

一个完整的IT资产管理系统,用ASP语言编写的

立即下载
Java Web架构 资产管理系统

本系统是基于B/S的多层Web应用,在windows 7操作系统下,开发工具:MyEclipse +MySQL +Tomcat 6.0 此系统是公司固定资产管理系统,其中有两种角色可以登录并使用此系统.一是超级管理员,一是管理员。 资产管理,JSP,SSH,MySQL,设计模式。 Mysql数据库和JSP、Struts、Spring、Hibernate、AJAX技术,利用MVC设计模式将业务逻辑和表示逻辑分离,在表示逻辑层利用JSP技术实现了页面制作、利用AJAX实现无刷新技术,在业务逻辑层,利用Struts、Spring技术实现了系统设置、资产管理以及分类统计三个主要模块的开发,后台使用Mysql进行数据库的开发,并利用Hibernate技术完成对数据库的封装映射,实现了数据查询、修改、增加、删除等功能。

立即下载
关闭
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

高伟:数据资产管理——大数据时代的掘金术

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可返还被扣除的积分

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: