数据湖是一个集中式存储库，允许您以任意规模存储所有结构化和非结构化数据。您可以按原样存储数据（无需先对数据进行结构化处理），并运行不同类型的分析 – 从控制面板和可视化到大数据处理、实时分析和机器学习，以指导做出更好的决策。
摘要：华为开发者大会2021（Cloud）大会期间，华为云FusionInsight MRS云原生数据湖HetuEngine架构师武文博，分享了“跨湖跨仓场景下如何实现海量数据分钟级分析”主题。
摘要：全托管Serverless服务DLI就像是我们日常使用的滴滴共享打车，我们不再需要为购买和保养私家车而支出固定成本。
如果说运维和监控保障了业务系统的稳定，而数据分析是可以帮助业务做增长的。那如何利用云产品做业务数据沉淀和分析呢？ 下面我们讲讲关于数据的沉淀，展示和分析的一些简单实践。
你知道有四种过滤Spark数据集的方法吗？
第13周总结：Spark&流计算，数据分析和机器学习总结
一个数据驱动型公司，最重要的就是对用户的数据进行挖掘，根据数据提取模型。最常见的是用来分析事物之间的相关性。便于我们决策。
拿下数据分析师offer的实战技能
你们年货都买了些什么？
Python 实战案例分析 | 某化妆品企业的销售分析
交易反欺诈是VoltDB适用场景之一，是典型的事件驱动的业务，核心是摄取高频的交易数据，并逐条对交易进行一系列复杂的反欺诈规则校验，最终生成评判交易可疑度的分值，发送给下游业务系统，触发交易拦截动作。
摘要：详解华为云IoTA服务如何助力IoT数据开发者快速实现IoT数据价值变现，带你动手实践完成一整套工业物联网方案的开发。
拿下数据分析师offer的实战技能
摘要：采用 SQL 作为数据查询和分析的入口是一种数据全栈的思路。
“颜值和性格成反比”更可能是我们犯了伯克森谬误而得出的错误结论；面对涉及到能力、品格、长相、运气的各种“负相关”论断，我们都应该保持戒心。
日前，openLooKeng发布了新版本v1.2.0。在易用性和安全性上，该版本优化了数据加载性能，新增结果分页显示、动态添加目录等新功能，为用户提供更加友好的使用界面；同时也丰富了Ranger的功能，使openLooKeng可以提供更高细粒度的权限控制。
定义上说，元数据(Metadata)即描述数据的数据，但是在实际使用的时候，还是存在很多细分的概念，业务层偏向应用端，技术层偏向底层系统的交互和实现，在对性别的描述上都是核心维度。本质上看元数据，介于系统和业务中间，提供双方都能明白的语义和逻辑。
又不知道写什么，便稍微介绍一下一般我们常用的数据分析的流程。本篇主要以90年代的 CRISP-DM 为例进行说明。
本文开始正式写Pandas的系列文章，就从：如何在Pandas中创建数据开始。Pandas中创建的数据包含两种类型：
数据产品经理的稀缺性：好的数据产品经理，为什么可遇而不可求。
GrowingIO 基于 BitMap 搭建的数据模型
每年双十一购物狂欢节都是云原生数据仓库AnalyticDB MySQL版（原分析型数据库MySQL版）的一块试金石。今年AnalyticDB除了在阿里数字经济体内进入更多核心交易链路，全力支撑双十一以外，AnalyticDB全面拥抱云原生，构建极致弹性，大幅降低成本，释放技术红利
上一篇文章中带大家了解了数据分析基础，配置好了数据分析的基本环境，以及利用pandas模块读写csv文件，在本文开头，我也补充了csv与tsv的基本介绍与区别，意在更好的让大家理解相关知识点，本文将带大家继续学习文件读取。
前面四篇文章讲了数据分析虚拟环境创建和pandas读写CSV、TSV、JSON、Excel、XML格式的数据，HTML页面读取，今天我们继续探索pPython、Pandas操作各类数据库。
本系列学习笔记参考书籍： 《数据分析实战》托马兹·卓巴斯，会将自己学习本书的笔记分享给大家，同样开成一个系列『数据分析从零开始实战』。
前面三篇文章讲了数据分析虚拟环境创建和Pandas读写CSV、TSV、JSON、Excel、XML格式的数据，今天我们继续探索Pandas，如何利用Pandas读取HTML页面+数据处理解析。
前面两篇文章讲了数据分析虚拟环境创建和pandas读写csv、tsv、json格式的数据，今天我们继续探索pandas读取数据，如何读取Excel和XML数据？
摘要：在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。本文主要针对“点击率”这一因素进行分析，与大家分享。
酷家乐是群核科技旗下知名业务品牌，专注云设计系统及三维内容制作的技术研发和应用，面向家居、房产、公装等全空间领域，为企业级客户提供设计渲染、营销展示、生产施工、几何建模等场景的解决方案和服务。
传统的 RDBMS 系统在三件事上值得注意：锁定：即锁定记录的功能，以便其他人无法更改它们。
Openet已经迈出了大胆的一步
早在2000年代中期，H-Store第一次在M.I.T.被我们提出来。
本文摘录自我们最新白皮书《工业物联网的主动欺诈预防》。
我们面临着这样的难题：这些系统需要做出复杂的决策，且要以极低延迟的方式做出决策。