• 首页
  • Ottomi社区版
  • 数据处理产品
    • 分布式编目归集系统(Ottomi-Atlas)
    • 数据迁移中心(Ottomi-Flux)
    • 数据质管卫士(Ottomi-Guardian)
    • 数据开发空间(Ottomi-Forge)
    • 指标建模中心(Ottomi-Metrix)
    • 数据资产管家(Ottomi-Vault )
    • 数据共享基地(Ottomi-ShareLink)
    • 数据中台(Ottomi-Nexus)
  • 数据应用方案
    • 可信数据空间(Ottomi-TrustForge)
    • 12345热线智能决策分析系统
    • 机场鸟防“探、识、驱”一体化平台
    • 智能门址解析系统(Ottomi-GeoSolver)
    • 知识图谱管理系统 (Ottomi-TagNet)
    • 主数据管理系统(Ottomi-Masterkey)
    • 城市部件管理二维码建设方案
    • 数字孪生智慧城市数据支撑方案
    • 数智基建平台(Ottomi-Neuron)
  • ICT方案
    • 企业应用不间断方案
    • 多副本数据保护方案
    • 异地容灾数据双活方案
    • 企业应用现代化
    • 企业多点办公广域网优化方案
  • 测评
  • 技术社区
  • 视频
  • 关于我们
    • 奥腾简介
    • 企业文化
    • 相关动态
    • 联系我们
  • English
  • 首页
  • Ottomi社区版
  • 数据处理产品
    • 分布式编目归集系统(Ottomi-Atlas)
    • 数据迁移中心(Ottomi-Flux)
    • 数据质管卫士(Ottomi-Guardian)
    • 数据开发空间(Ottomi-Forge)
    • 指标建模中心(Ottomi-Metrix)
    • 数据资产管家(Ottomi-Vault )
    • 数据共享基地(Ottomi-ShareLink)
    • 数据中台(Ottomi-Nexus)
  • 数据应用方案
    • 可信数据空间(Ottomi-TrustForge)
    • 12345热线智能决策分析系统
    • 机场鸟防“探、识、驱”一体化平台
    • 智能门址解析系统(Ottomi-GeoSolver)
    • 知识图谱管理系统 (Ottomi-TagNet)
    • 主数据管理系统(Ottomi-Masterkey)
    • 城市部件管理二维码建设方案
    • 数字孪生智慧城市数据支撑方案
    • 数智基建平台(Ottomi-Neuron)
  • ICT方案
    • 企业应用不间断方案
    • 多副本数据保护方案
    • 异地容灾数据双活方案
    • 企业应用现代化
    • 企业多点办公广域网优化方案
  • 测评
  • 技术社区
  • 视频
  • 关于我们
    • 奥腾简介
    • 企业文化
    • 相关动态
    • 联系我们
  • English
技术社区
  • 技术社区
  • 数据中台探讨
    • 1、建立一个SQL编写的运维团队,是不是就行了?
    • 2、湖仓一体,用传统ETL工具一口气能不能把数据处理全流程做完?
    • 3、数据不集中,分散到在各个业务系统好不好?
    • 4、依靠数据库建索引是不是就解决性能问题了?
    • 5、有了DATAX是不是数据采集问题就解决了?
    • 6、大数据建设的目的就是BI吗?
    • 7、百亿级的数据量,T+1的延时是合理的吗?
    • 8、你的BI为什么运行得很慢?
    • 9、为什么要先做源端数据编目?
    • 10、面对数百套业务系统,前置机就是最好的沟通桥梁
    • 11、数据质量谁来负责?
    • 12、元数据对数据资产评估有什么帮助?
    • 13、为什么要面向业务需求来构建数仓体系?
    • 14、百亿级结构化数据的处理流程是怎样的?
    • 15、怎样一站式解决数据归集难题?
    • 16、我们的数据开发组件有哪些?
    • 17、数据中台与AI结合,能做哪些事情?
    • 18、DAMA数据质量管理规范和实践
    • 19、为什么需要一站式API共享管理系统?
    • 20、数据中台如何防泄露?
    • 21、大数据中心要不要为源业务单位赋能?
    • 22、数据中台与可信数据空间的关系
  • 技术观点
    • 数据资产全流程管理体系建设
    • 自动化编目归集及数据共享服务系统
    • 基于 K-means 聚类的新闻推荐系统:技术原理与应用场景
    • NLP技术驱动下的文本分类:重塑新闻信息处理新范式
    • 利用多租户体系建立专题库
    • 数据中台概念再讨论
    • 已经分类分级了,为什么敏感数据依然泄露
    • DAMA数据质量规范在政务大数据中的实践
    • 再见,数据延迟!增量同步与差异更新的原理
    • 省市县级的数据平台对接依据
    • 数据中心端要不要对数据质量负责
    • 你为什么收不上来数据?
  • 行业相关链接
  • 数据中台探讨

📝 1、建立一个SQL编写的运维团队,是不是就行了?

📝 2、湖仓一体,用传统ETL工具一口气能不能把数据处理全流程做完?

📝 3、数据不集中,分散到在各个业务系统好不好?

📝 4、依靠数据库建索引是不是就解决性能问题了?

📝 5、有了DATAX是不是数据采集问题就解决了?

📝 6、大数据建设的目的就是BI吗?

📝 7、百亿级的数据量,T+1的延时是合理的吗?

📝 8、你的BI为什么运行得很慢?

📝 9、为什么要先做源端数据编目?

📝 10、面对数百套业务系统,前置机就是最好的沟通桥梁

📝 11、数据质量谁来负责?

📝 12、元数据对数据资产评估有什么帮助?

📝 13、为什么要面向业务需求来构建数仓体系?

📝 14、百亿级结构化数据的处理流程是怎样的?

📝 15、怎样一站式解决数据归集难题?

📝 16、我们的数据开发组件有哪些?

📝 17、数据中台与AI结合,能做哪些事情?

📝 18、DAMA数据质量管理规范和实践

📝 19、为什么需要一站式API共享管理系统?

📝 20、数据中台如何防泄露?

📝 21、大数据中心要不要为源业务单位赋能?

📝 22、数据中台与可信数据空间的关系

  • Next

    1、建立一个SQL编写的运维团队,是不是就行了?

底部菜单
数据中台(Ottomi-Nexus)12345热线智能决策分析系统机场鸟防“探、识、驱”一体化平台上海奥腾科技隐私权政策说明上海奥腾科技社区软件许可协议
奥腾科技

智聚·协同未来,奥腾科技致力于为用户提供智能协同的自动化数据处理产品和方案。

Copyright ©2001 上海奥腾计算机科技有限公司 沪ICP备19028839号-1 gongan_beian 沪公网安备31010402001011号