行业动态
智能工厂视角下的能源化工企业数据架构相关思考
智能化工厂以卓越运营为目标，贯穿运营管理全过程，通过技术变革和管理创新，全面提升企业感知、预测、协同和分析优化能力，建成具备高度数字化、可视化、集成化和自动化的智能工厂，实现工厂状态全面感知、生产操作自动化、智能优化和科学决策。
数据治理：让数据质量更好
大数据时代数据产生的价值越来越大，基于数据的相关技术、应用形式也在快速发展，开发基于数据的新型应用已经成为企业信息化建设的一个重点领域。当前各大厂商、用户都在探索与数据相关的开发技术、应用场景和商业模式，最终目的就是挖掘数据价值，推动业务发展，实现盈利。目前数据应用项目非常多，但真正取得预期效果的项目少之又少，而且开发过程困难重重，其中的一个重要原因就是数据质量问题导致许多预期需求无法实现。如果没有数据治理，再多的业务和技术投入都是徒劳的，因为很经典的一句话：Garbage in Garbage out。
人工智能在数据治理中的应用
介绍了人工智能与数据治理的发展现状，分析了数据治理对人工智能的基础性作用，并从多角度对人工智能在数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理等数据治理环节中的应用进行了分析和研究。
对用户等级和会员体系探索
本文首先总结成长体系的设计方法，然后再用实例列举不同类型产品的玩法，深入分析同种类型成长体系的异同，找到规律，发现问题并提出一些建议。 精细化运营是在产品同质化环境下留住用户最有力的武器，其中用户成长/等级体系是常用手段之一。一个良好的用户成长体系，能带领用户从新手到种子用户的转变，和用户建立情感关联，最终实现用户粘性和平台价值的提升。所以研究用户成长/等级体系非常重要。
主数据的3个特点、4个超越和3个二八原则
本文对致力于企业主数据、元数据、参考数据、数据资产、数据质量、数据安全的布道和实践者。
腾讯八节产品课——教你产品从0到1的思考
笔者现在从0到1在思考产品，于是又重新看了下腾讯大学在2018年上线的《腾讯八分钟产品课》，分别从“用户”、“定位”、“需求”、“时机”、“匠心”、“危机”、“合作”和“商业化”这八个角度来拆解腾讯的产品之道。笔者其实从中学到了很多东西，稍微的拆解了下，可以一起来聊下。
如何看待数据模型在数据管理中的位置
国际数据管理协会DAMA在DMBOK2中定义了11个数据管理职能领域，数据建模与设计是其中的一个关键领域。数据模型作为数据建模与设计的核心产出物，势必与其他各个领域都有着千丝万缕的联系。我尝试着将这些关系总结整理成这篇文章，与大家一同分享。
浅谈数据质量管理：为了更清醒的数据
做过数据产品的人都会知道，质量高的数据对于产品的意义。笔者在之前曾经历过数据质量管理的具体功能设计，算是较为完整地感受过数据质量管理过程。所以在此简单复盘下经验，借此抛砖引玉。