 | 预测建模成为财产保险业中的竞争力决定因素 | 04-20 |
| 据Towers Watson最近的研究表明，预测建模正迅速成为财产保险业台面上的条件。 |
| 研究聚焦于实时营销解决方案的需求 | 03-26 |
| 主导咨询公司决策管理解决方案（Decision Management Solutions）会同智能数据采集（SmartData Collective）最近进行的一项多阶段的研究项目关注在预测分析解决方案在云中交付的需要的认别上。 |
| 首席信息官在直觉与数据驱动决策之间的争论 | 03-21 |
| 首席信息官（CIO）所面临的挑战并不是简单的选择和安装高端分析软件，而在于评估企业领导是信任数据呢还是相信他们个人的直觉，首席信息官（CIO）在星期二的年度SAP 影响者峰会上告诉一组分析师说。 |
| 科技公司从移动革命背后的关键因素中能学到什么 | 03-13 |
| 技术市场正进行着因膨胀的移动革命造成的公司之间的争战。该市场的教父Palm公司打破了个人计算机和手机计算机之间隔阂；PALM退出之后，动态研究(RIMM)拾起并定义了连接的移动智能市场，创造一个世界并不知道它所需要的数十亿美元的产业。微软(MSFT)一直试图占领这个市场却遭到多次的失败，主要是由于设 |
| 六个步骤来保持预测分析中的预测 | 03-06 |
| 业务比以往任何时候都更依赖于预测分析来做出重要决策，从银行如何预测价格风险到销售团队如何预测哪些客户是最有可能购买的。对未来的预测是基于数据模式，从实时网络点击，心理上的人口统计资料和多年积累的交易历史等大量信息源中进行的挖掘。只要基础数据定义和数据流程被妥善地管理，预测分析就是强大的商业武器。 |
| 2012年客服中心的购物清单 | 03-01 |
| 尽管面对经济形势的挑战，为顾客服务部门和客服中心的工作必须继续。这些企业需要规划投资以提高他们来年的表现。他们也别无选择。每年，客服中心的领导都要求“多快好省,”，而它的技术与应用程序，由业界最佳实践的支持，使他们能实现重要的企业目标。 |
| Expedia高管: 开发者需要懂得分析 | 02-23 |
| 根据纽约市最近举行的预测分析会议所作的主旨发言，网站开发者不仅要了解他们的客户或客户的执行团队，还需要了解消费者和消费者响应的数据。 |
| 财务和营销业务利用大数据时，IT部门退在边上 | 12-07 |
| 需要分析含大量非结构化信息的巨大数据集的流程迫使一些企业重新考虑怎样管理他们的数据资产，同时一些如市场营销和财务这样的个别业务部门绕过IT部门自己完成工作或把工作外包到云提供商那里。 |
| 在商业智能（BI）中成功融合大数据的10个步骤 | 11-22 |
| 企业每一天都在产生并获取大量的关于客户、供应商和运营方面的信息。再加上目前可以在多媒体、智能手机和社交网站获取的信息，我们正面临着比以往任何时候都更多的数据。 |
| 从智能中提取业务 | 11-14 |
| 专家小组讨论由大量数据引发的机遇和挑战 |
| 关注数据管理的另一个理由 | 10-27 |
| 基本上，当你想到数据整合的时候，你会想到数据，而不是应用程序。在某种程度上，这是因为处理数据的方式往往是分成两步 , 把数据从一个数据仓库、数据集市，或者此类的东西中取出数据（因此，在提取、转换和加载中有“提取”）, 然后做你想做的事情再加载它。 |
| 如何正确分析客户行为网上投放目标广告 | 08-11 |
| 仅仅使用选定目标的公司只简单地基于人口统计、点击行为和浏览的历史来对可能感兴趣的顾客投放广告。连续多日地在这些顾客浏览网页时对这些相同的顾客提供同样的广告，将会降低客户的用户体验。我们将采取另一种方式：它涉及到使用数据建模和预测分析去做实时精密的定位。 |
| 景观：社交媒体和业务分析 | 07-11 |
| “社交媒体分析”指的是首先收集关于使用社交媒体的数据和/或社交媒体的内容（这一步常被称为“网页分析”），然后对数据进行分析获取有用的洞察力。是用社交工具（如wikis，内容管理系统等等）在执行业务分析时给予协作。 |
| 社交商业智能不只是社交数据更多是协作 | 07-08 |
| 利用社交商业智能（BI），我们开始把数据仓库中“正规”来源的数据与另外用户提供的数据、知识和观点的数据源组合在一起,而这些非结构并不是来自数据仓库，你的分析的时候，必须考虑到数据的可靠性和数据源背后的动机。 |
| 掌舵者位置上的商业智能（BI） | 07-07 |
| 商业智能（BI）应该成为使管理者能够有效驾驭企业达成战略目标的控制面板，扩充传统商业智能（BI）框架与外部数据的协作，高级分析和企业绩效管理框架为管理层提供所有的控制面板工具，以带领他们的公司驶向成功战略的成就。 |
|
站内文章搜索
