数据挖掘

如今，我国大数据市场已进入了飞速发展时期，预计到2016年，中国的大数据市场将超百亿。对于企业来说，如何构建大数据平台，及时把握大数据商机?近日，Teradata天睿公司大中华区首席执行官辛儿伦(Aaron Hsin)、Teradata天睿公司国际集团总裁Hermann Wimmer接受了IT168记者的采访。

在2012年美国《财富》杂志按营收进行排名的全球企业500强中，中国的企业已经占据了79席，仅次于美国的132席。《财富》杂志认为，未来中国上榜企业的数量还会继续增长，甚至会超越美国。

最近两年, 有一些行业趋势在非常明显，用关键词来总结就是：大数据、OTT、多屏互动。大数据是从互联网和IT领域发展起来的一个专业术语，它存在于各个领域、各行各业;而“OTT”、“多屏互动”是广电行业的专业术语，但它们和大数据有关，和广大受众的媒体体验更是密切相关。

商业分析业界最具影响力的盛会SAS全球论坛(SAS Global Forum) 将于6月20日首次登陆中国，作为全球企业背后的管理大师，届时SAS将携手超过500位行业领袖、商业翘楚齐聚北京千禧大酒店，共同感受2013中国商业分析领袖峰会的盛况。

在高级商业分析领域拥有近40年丰富成功经验的SAS公司指出：大数据时代的来临向人们展示了大数据分析对企业业务发展的神奇价值，与此同时，大数据的数据量巨大、非结构性强、数据来源庞杂，使得大数据的处理与分析需要有别于传统数据分析的新技术(如高性能分析HPA)和新人才。

全球领先的商业分析软件与服务供应商SAS公司在其公司刊物SASCOM中发表文章，向读者揭示了当前商业分析发展的八大趋势。

笔者见到了TalkingData CEO崔晓波先生，并针对刚刚过去的2012年无线市场、手机终端游戏市场变化、技术演变等方面进行了交流。

刚刚过去的2012年，秦予有个很大的遗憾，就是没能招聘到自己想要的数据科学家，浪费了公司给的招人名额。他是支付宝用户价值创新中心的负责人。这个中心是支付宝大数据业务的核心部门。阿里巴巴2012年的进人指标只有200个，具体到支付宝公司，基本是只出不进，只有秦予所在的部门得到了难得的两个进人名额。但她只招到了一个合适的。

全球领先的商业分析软件与服务供应商SAS公司在中国的分支机构 — SAS中国荣膺“2013年中国杰出雇主”称号，该评选全球人力资源、领导力及战略领域知名调研机构 (CRF Institute) 发起。 凭借长期致力于“以员工为导向”的卓越表现，SAS中国连续六年获此殊荣。

日前，发现一篇很有意思的文章，《What Do Statisticians Do At Google？》 作者是Michael Hochster，其本身就是定量分析师(Quantitative Analyst)，在谷歌搜索和广告部门都工作过。现在就职于谷歌广告度量小组。从他的分析中，我们可以看到谷歌内部，这些最不为人知，但却很重要的一群人——定量分析师、统计学家、数据科学家们，他们都在做什么?

近日，Teradata 天睿公司大中华区Aster事业部总监孔宇华在采访中告诉记者，产品关联分析还对超市中产品的摆放、促销活动、采购产品都有非常大的用途，而美国大型连锁超市SuperValue通过部署Teradata Aster，可以分析过去8年产生的海量数据。从实际使用看，Aster 能够在2分钟内完成13个超市集团的商品关联度分析，这在过去往往需要超过4个小时。

根据今天的最新消息，Oracle正在计划收购DataRaker，借此获得一个用于分析来自智能电表的数据。

话起海量数据、大数据已不再限于概念和技术层面，当今业者讨论的更多是价值和实施层面。产生如此之大的转变源自大数据切切实实的开始为企业、为业务、为经营带来巨大的价值。浩瀚的数据海洋充满了客户的参数和特征，为CMO(首席营销官)提供了感知客户的基础和沃土，也提供发现商机的手段和条件。

越来越多的企业开始使用Hadoop来对大数据进行处理分析，但Hadoop集群的整体性能却取决于CPU、内存、网络以及存储之间的性能平衡。而在这篇文章中，我们将探讨如何为Hadoop集群构建高性能网络，这是对大数据进行处理分析的关键所在。

在纽约O’Reilly Strata Conference + Hadoop World期间，EMC公布了EMC Greenplum Chorus 开源代码，力求与数据科学平台商Kaggle合作让企业进一步挖掘大数据的经济价值。

金融机构越来多地依靠从收集到的大量数据分析中制定有针对性的方式与客户进行沟通，并创建个性化产品，以此在竞争对手中脱颖而出。

本文出自阿里巴巴数据库技术团队的微博，主要对数据挖掘业务在MySQL数据库上拉数据慢的问题进行分析和解决。

当前，众多企业都面对从四面八方涌来的数据流的冲击。涓涓细流汇成大河，而科技企业、专家、分析师和技术顾问们纷纷将这条数据之河定义为大数据。但是，在这些众说纷纭的大数据定义中，不乏大量的常见误解。

从2007年到2011年，Facebook的大数据处理架构是如何演变的?在一个变动异常频繁，并且快速增长的环境里，都要面临哪些挑战?Facebook使用了一些组件和技术，让公司大部分部门都可以根据不同的目的访问、分析、使用数据，背后的驱动力是什么?

图记SAP商业同略会：创新推动企业发展