大数据

推荐系统的核心是为用户提供个性化的内容。而实现的方式不外乎根据用户的历史行为去预测未来的潜在点击。一个成功的推荐系统，一般要从两个维度体现它的价值：一是帮助用户发现没接触过但会喜欢的有新鲜感的内容;二是提升平台的点击活跃程度，让长尾内容得到更充分的曝光。

移动互联网时代，产品服务都在快速迭代，对颠覆式创新有着极高的要求。更重要的是，咨询业的竞争优势也在逐渐消失，很难再满足快速发展的企业。而基于大数据的解决方案，不仅能够快速找到“发力点”，还蕴藏着无限的商机。

在大数据时代，如何挖掘数据的价值？互联网人又应该具有什么思维？在黑马连营 的课堂上，曾在阿里巴巴领导大数据分析等工作，时任1号店副总裁的张高峰做了主题为“大数据在电商的应用与趋势”的分享。

所谓数据和商业的关系，过去叫商业智能，今天这个概念已经发生了很大的变化。在一个全互联网为基础平台的情况下，我们看商业如何重构未来商业。

这是一篇讲述维度数据模型设计的文章，偏向于数据平台而非数据分析，请读者根据自己的兴趣爱好阅读。

数据挖掘、海量存储、数据仓库、大数据、商业智能、数据分析、平台……经历过几十年的发展演变后，数据库管理系统已经发展成为一门内容丰富的学科，造就了一个庞大的软件产业。

你知道“in”吗？in是国内知名的图片设计软件，在 “in” 里用户不仅可以给照片上打上各种标签，如品牌、地点、心情等，还可以给图片加上各种贴纸进行处理！它区别于国外的instagram，定位于“让照片更加有意思”的社交化分享，你可以将打上标签的图片实时与好友分享互动。

公司要做数据分析，首先要考虑数据的准备，也就是数据平台的建设，最近接触了几个客户都处于这一环节，而且其中一个在方案选型过程中，也是充满了纠结，而我也并没有在开始阶段给出合理全面的建议。

正文之前，先出一个思考题：大家猜猜哪几家公司可能知道你是否有小三（如果他们想知道的话）？为什么？

原来分析的都是后台交易数据，现在要分析用户浏览行为，那要怎么搜集数据，埋点要注意点什么？

机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。本文主要回顾下几个常用算法的适应场景及其优缺点！（提示：部分内容摘自网络）。

以一个数据分析者的角度来与大家分享如何使用spark进行大数据分析

Google搜索，早已成为我每天必用的工具，无数次惊叹它搜索结果的准确性。

人类正从IT时代走向DT时代，从五年前开始，我们在云计算上面押了很多宝，才诞生了互联网金融，如果没有数据支持，互联网金融是不可想象的。——马云

用R全面解析Mahout的基于用户推荐协同过滤算法(UserCF),改进的采用欧氏距离，并用R语言实现，与Mahout的结果进行对比。