20世纪90年代以来，数字经济从美国悄然兴起，并在世界范围内蓬勃发展，对人类现有的生产和生活方式产生了重要影响。数据资源成为驱动数字经济发展的关键要素。2015年10月，党的十八届五中全会提出实施国家大数据战略，推进数据资源开放共享。但是，数据资源至今没有作为一项专门的资产类别出现在企业的资产负债表上。数据资产属性的识别与确认成为当前亟待解决的问题。
疫情汹汹时，每个人都无法置身事外。搜集疫情相关的各种数据、制作1500多张疫情分布地图、连续推送20多期“图说疫情”分析……北京建筑大学测绘与城市空间信息学院院长杜明义教授带领团队积极投身到科技战疫的洪流中。
数据作为机器学习的基础，从 GB、TB 到 PB 已经增长了无数倍，现在大一点的业务场景，没有 TB 级数据都提供不了高效的体验。那么数据怎么治理才好，怎样与模型、算力结合才算妙？在本文中，我们将看看什么是 HAO 数据治理模型，看看公安数据到底是如何规范处理的。
在9月29日给同济大学管理科学与工程硕士班同学上课中同学们得提问题涉及到了很多有意思的话题，因此撰文对其中几个问题进行回答，也共同分享，上次谈到智能制造是一个技术变革还是一个管理变革，但是，发现远不止于此，包括制度、技术、管理、组织、生态等都是需要变革的。此次简要谈谈其中一个同学问到的“人工智能应用中，是否人发挥的作用更大？”。
数据清洗(Data cleaning)– 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。
数据分析是从数据中提取有价值信息的过程，过程中需要对数据进行各种处理和归类，只有掌握了正确的数据分类方法和数据处理模式，才能起到事半功倍的效果，以下是数据分析员必备的9种数据分析思维模式：
导读：在数字经济时代，互联网、智能设备和其他形式的信息技术的爆炸性增长使得数据以同样令人印象深刻的速度增长，企业经营的各个阶段都可以被记录下来，产品销售的各个环节也被记录下来，客户的消费行为和网上行为都被采集下来。数据已成为一种重要的生产要素，通过对数据的收集、存储、再组织和分析建模，隐藏在数据中的重要价值及规律逐渐展现出来，正成为企业转型升级及可持续发展的重要推动力量。大数据分析建模是大数据应用的核心和重要基础，已成为科技界和企业界关注的热点话题。
2018年11月27日-28日，第六届WISE大会——“WISE 2018新经济之王”如期而至。在这个不断变化、充满焦虑和不安、却又英雄辈出的时代，我们一起见证着新经济之王的诞生。我们认为主要由科技创新和资本扩张所驱动增长的经济模型可以被认为是新经济，这个领域里有许多正在高速成长的，了不起的新经济公司。从任何角度来看，他们既颠覆了行业，也推动了行业发展，更深刻地改变着我们每个人的生活。
一个数据报告（副本）依据需求不同，普通难度的数据报告要经历7个步骤，本文具体展开。
数据清洗是数据标准化项目实施过程中非常重要的阶段，也是企业投入的人力物力最多、投入的时间最长且用户深度参与的阶段。如果说数据标准的制定是企业数据标准化的基础，那么数据清洗实际上就是对制定的数据标准是否科学合理的检验和完善过程，同时也是对制定的标准的宣贯过程，其重要性不言而喻。
从商业模式来说，人工智能的相关企业有三种：第一种是提供人工智能技术的公司，比如机器视觉、NLP等等；第二种是将人工智能与具体行业应用结合的公司，比如fintech、人工智能医疗、无人驾驶等等。而还有一种最容易被遗忘：为人工智能行业服务的公司。
数据清洗的经验与教训 。
数据可视化，特别是基于Web的数据可视化的时代已经到来了。对于数据可视化的开发者来说，依然有很多挑战要去面对。这些迎接这些挑战的方法，则是很多专业的数据可视化开发者不愿意让别人知道的秘密。
数据清洗， 是整个数据分析过程中不可缺少的一个环节，其结果质量直接关系到模型效果和最终结论。本文从五个步骤教你怎样进行数据清洗。
数邦客
