
2012年初,IBM在发布一年度软件策略的同时,也将培养更多重点行业的人才的目标提上了日程,很快在今年五月份,IBM与合作伙伴一起,组织了IT实践达人大赛。第一阶段是知识问答阶段,主要方式是网上答题,答题的主要方向有四个,包括:移动、大数据、云计算以及敏捷开发。
IBM软件集团大中华区战略及市场总监吴立东女士透露,截止目前为,有28000人次参与了知识问答的过程,一共有13000人在网上参与了这个活动,值得称道的是很多人取得了满分。
8月份,IBM举行了重要的软件技术峰会,此次峰会了,IBM的院士、IT实践达人、杰出工程师济济一堂,面对面地交流那四大领域的热点问题。
进入2012年第四季度,IBM组织了IT实践达人行业应用大赛,如今实践达人赛24强出炉,作为此次大赛的主办方,IBM期望更多的IT实践者了解和把握软件行业这些主要的发展趋势,将领先技术融于业务应用实践,最终助力企业智慧成长。在大赛试题设置上,组委会特别面向八家全国行业领先的企业征集真实业务场景的技术难题和企业实际的业务需求。经过IBM专家、企业IT高管及资深技术专家团多番讨论,融入云计算、大数据、企业移动、敏捷开发等软件技术理念,精心设计试题。这八家企业涉及电信、能源、银行、保险、证券、医疗等六大行业。
IBM大中华区软件技术和服务销售部总经理兼总监陈嘉满特别向赛迪网记者表示,选择这四个领域其实极具深意,首先因为客户在这四个领域的需求最为迫切,对业务的提升也最具意义。其次,在这四个领域IBM都是领导者。
以大数据为例2012年5月17日,IBM正式发布智慧分析洞察“3A5步”动态路线图(如图),集合IBM各领域的卓越解决方案和能力,同时也前瞻性的将普遍的大数据处理拓展到完善的‘大洞察’战略高度,充分涵盖信息价值发掘历程中的各个层面。同时,IBM还推出了大数据平台以及智慧分析特色解决方案,以帮助企业全面满足核心需求,应对大数据难题:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30