- 博客(24)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 AI伦理建设
智驾也一样，一方面人会慢慢习惯后智驾带来的伤亡，另一方面智驾自身也会进化，还包括对智驾的一些交通规则变革、伦理约束，也会极大程度的降低伤亡概率。在不允许伤人的红线之下，那就只能放弃，因为你不主动撞人，但是你无法控制人不会主动往你上面撞呀。但是，在生命神圣不可侵犯之下，也会让你在多起事故之后，把你给生吞活剥了。构建人与人之间的伦理，我们用了数以千年，而且还在不断完善中。但是，在便捷性面前，终于还是选择了有伤亡的代步工具。没有交通工具之前，大家都徒步，伤亡是最小的。有了马车后，会冲撞人，伤亡就开始出现。
2026-01-28 11:16:56
113
原创 【数据积木·数据体系篇】可复用、标准化与价值实现的系统工程
本文通过木质积木的类比，阐述了数据体系建设的核心逻辑。数据应像标准积木一样具备可复用性，通过标准化实现灵活组合。这种"一体两翼"架构将数据加工为通用构件，支持多场景调用。可复用性带来三大价值：降低重复开发成本、统一业务口径、持续累积数据资产。标准化是实现的工程基础，包含模型、口径、流程和管理四个维度。最终形成效率提升与资产增值的良性循环，使数据从成本中心转变为驱动企业创新的战略资产。
2026-01-28 11:09:08
778
原创 下一代手机猜想
下一代革命性的手机，是碳基生命与硅基生命的融合。我们不能用现在的思维来定义未来的逻辑。什么设备呀，屏幕呀，APP呀的。有点马斯克脑机的意思。
2026-01-27 14:34:39
252
原创 【数据积木·架构篇】数据积木化：一体两翼架构综述
本文提出"数据积木"理念，构建"一体两翼"数据管理架构。"一体"指数据生产流水线，包括四层：汇集层(原始数据)、归集层(标准化)、聚集层(可复用资产)和市集层(应用交付)。"两翼"分别是数据治理(标准制定)和数据开发(标准执行)，确保数据质量和高效加工。该架构借鉴积木制造流程，将数据从原材料加工为可灵活组合的标准化组件，使数据成为可复用、可持续增值的企业战略资产。
2026-01-27 14:30:27
1068
原创 【数据积木·引言篇】数据积木化：重构企业数据管理的底层逻辑
摘要：丹麦乐高通过标准化积木块生产模式，实现了敏捷响应市场、成本优化和创新民主化，与传统玩具成品制造形成鲜明对比。当前企业数据开发普遍存在"成品城堡"困境：定制化报表开发效率低下、数据口径混乱。数据积木思维提出将数据治理为可复用的标准化组件，如同乐高积木般自由组合。这种模式能提升响应速度、降低维护成本，并赋能业务人员自主分析。实现这一转型需要打破"业务特殊论"等认知误区，将数据团队角色从需求响应者转变为资产架构师。数据积木不仅是技术升级，更是组织认知的革命。
2026-01-12 20:28:04
774
原创 随感-数据中台
而留在DS里面都数据，如同一个巨大的沼泽，沼泽有水有泥有草，但是却没法直接利用这些水、泥、草。ODS再往后，根本走不动了，因为ODS的数据汇集是纯IT技术活，而后续则就是由业务驱动的。他又拿不出可用的数据，虽然他实现了数据统一存储，却没有标准，无法直接使用。你说ODS没有数据吗？他是有数据的，而且所有数据都有，表面看消除了数据孤岛；，还美其名曰数据入湖，消除了数据孤岛，更有恬不知耻的说我们实现了。数据中台的破局之道在于如何让中台的数据高效的被业务端用起来。了，IT不懂业务，自然就无法自行展开后续的。
2026-01-11 20:32:54
140
原创 SQL优化三板斧：精简之道、驱动为王、集合为本
本文记录了2016年一次SQL优化实践。面对一个347行、执行耗时4分多钟的复杂SQL，作者通过三阶段优化：首先精简重复子查询和冗余表关联；其次分析执行计划，优化视图访问方式；最后重构查询结构，将大查询拆分为三个子查询结果集关联。最终将查询时间从4分钟降至3.5秒，钻取时间从14分钟降至10秒以内。文章提炼出SQL优化的三个核心原则：精简之道（消除冗余）、驱动为王（小结果集驱动）、集合为本（合理组织数据集合）。这次优化历时两天，展示了处理复杂SQL性能问题的系统方法。
2026-01-11 20:32:01
866
原创 与AI高效对话，你只差这七个字：“我是谁+我想干什么？”
掌握一个简单公式，告别无效提问，让AI从“答非所问”变成“得力助手”。每次与AI对话，你是否也有这样的困惑：明明问得挺清楚，得到的答案却总差那么点意思？问题或许不在AI，而在一个我们从未意识到的关键差异——想象一下：去医院时，医生默认知道你是；请教老师时，老师清楚你是。这些“默认知道”的背景信息，构成了有效沟通的基础。但AI不同。每一次对话，你面对的都是一片。它不知道你的年龄、职业、需求场景，甚至不知道你提问时是站着还是坐着。
2026-01-08 09:16:43
354
原创 一次非典型SQL优化：如何通过业务逻辑优化另辟蹊径？
本文记录了一个SQL性能优化案例的全过程。开发人员反馈10个类似功能的SQL查询总耗时超过120秒阈值，这些查询用于检查当前表和历史表的数据重复性。优化过程经历了四个阶段：1)执行计划分析发现索引使用合理；2)SQL改写使性能提升一倍但仍不达标；3)考虑并行执行方案被业务需求否决；4)最终通过深入理解业务逻辑，发现可以增加时间戳字段实现增量检查，从根本上解决问题。案例展示了SQL优化的完整路径：从执行计划调整、SQL改写，到技术方案优化，最终回归业务逻辑优化。
2026-01-08 09:10:50
751
原创 传统搜索与AI创作
比如投资分析师和城市规划师，他们对分析2025年某城市人口分布与公交站点匹配度，虽然核心数据一致，但是维度、方向、结论导向是不同的。”远比“分析2025年某城市人口分布与公交站点匹配度”要精确很多，更能降低大模型幻觉。这一点要明确告诉给大模型，而且你的需求越明确，大模型的理解就越精确。如果还停留在搜索引擎阶段是关键词的惯性，那注定要被大模型的幻觉“戏耍”为了更好的精确理解意图，你最好还要告诉大模型你的角色。因为不同角色，对同一个目标，所要求的结果是不一样的。输入的关键词越简练，匹配的效果自然越好。
2026-01-05 09:24:27
159
原创 一次耐人寻味的SQL优化：除了SQL改写，还要考虑什么?
本文记录了一个SQL性能优化的典型案例。面对"编辑日志查询"功能因数据量剧增导致的性能问题（从100万/日增长到6000万），作者通过多轮优化：先是移除自定义函数提升性能，随后发现数据量过大（单次查询500万+结果）是根本原因。解决方案包括表分区、强制时间条件、创建联合索引等，但遭遇跨部门协作难题。深入分析发现模型设计缺陷导致查询效率低下，提出拆分字段方案又面临版本迭代压力。最终通过架构调整解决了问题，但也引发了对模型设计前瞻性、日志查询意义等深层思考。整个过程展现了技术优化与组织协调的
2026-01-05 09:03:13
1024
原创 【ChatBI祛魅（3）】ChatBI 的“BI”之困：Text-to-SQL何以成为“皇帝的新码”？
前文揭示了ChatBI在“Chat”环节的溃败。但即便AI听懂了指令，其核心引擎——Text-to-SQL——真能胜任吗？在简单世界里，它像把万能钥匙；可一旦面对企业数据迷宫中交织的业务逻辑，它便瞬间失灵，生成的可能只是无法运行的“皇帝的新码”。本文将为这最后一环祛魅，剖析智能取数何以在复杂现实前撞上高墙。
2025-12-31 09:43:50
1123
原创 【ChatBI祛魅（2）】ChatBI 的“Chat“幻灭：当AI理解撞上业务意图的铜墙铁壁
摘要：ChatBI的对话功能存在根本缺陷，导致数据准确性危机。问题根源在于三重鸿沟：1）意图鸿沟 - AI缺乏业务场景理解，导致误读用户需求；2）交互鸿沟 - 将双向需求确认简化为单向猜测；3）确定性鸿沟 - 分析结果不可复现。当前AI无法真正理解业务语境中的隐含信息，所谓的"智能对话"只是产生误解的独白。在解决这些认知层级问题前，ChatBI的便捷性是以牺牲商业分析准确性为代价的。
2025-12-31 09:39:58
742
原创 【ChatBI祛魅（1）】ChatBI热潮下的冷思考：数据准确性为何成为“阿喀琉斯之踵”？
摘要：ChatBI作为商业智能领域的新趋势，其数据准确性成为关键瓶颈。本文指出，尽管厂商常宣称90%以上的准确率，但实际应用中存在三大核心挑战：自然语言理解歧义导致指标口径混乱、大模型输出结果不稳定难以复现、分析过程黑箱化丧失可解释性。这些根本问题使ChatBI在真实业务场景中面临"开盲盒"式的决策风险。文章强调，准确性是BI不可妥协的生命线，若无法解决这一"阿喀琉斯之踵"，ChatBI将难以从概念炒作阶段跨越到实际价值创造阶段。
2025-12-25 11:25:58
611
原创 致CIO：如何让您的数据团队，从“成本中心”变身“业务增长引擎”？
本文指出，IT部门深陷“投入增长、价值模糊”的困境，根源在于数据管理仍停留在被动“项目交付”模式。为此，文章提出以 “数据资产化”为支点，通过建设开发治理与可视化两大赋能平台，并重塑架构师、开发工程师、资产运营专员三类核心角色，推动数据职能从“成本中心”系统性转型为驱动业务的“价值引擎”，为CIO/CTO提供清晰的转型路径与实施框架。
2025-12-22 18:10:41
707
原创 “知数善用”漫画番外（下）：从“沼泽困局”到“产品超市”，业务妹子与数据哥的协同共生之路
这是「知数善用」漫画番外的圆满结局篇。业务小智与数据大程在经历信任危机后，通过“知数善用”理念实现觉醒，共同将数据封装成可复用的“产品”，上线了清晰的“数据产品超市”，并建立了“使用-反馈-迭代”的协同闭环。故事生动展现了双方如何从互相抱怨的“囚徒”，转变为共同创造价值的“伙伴”，最终让数据真正成为驱动业务的敏捷力量。
2025-12-17 18:15:10
313
原创 “知数善用”漫画番外（上）：从“完美合作”到“沼泽困局”，业务妹子与数据哥怎么了？
这是「知数善用」组织篇的轻松番外。我们用一部真实的“职场纪录片漫画”，讲述了业务妹子小智与数据哥大程，如何从“黄金搭档”一步步深陷需求爆炸、重复开发、数据矛盾的“数据沼泽”。故事还原了无数企业业务与IT从合作到互相抱怨的经典困局，为后续的“突围”与“共生”埋下伏笔。
2025-12-16 15:29:24
280
原创 知数善用之组织篇：如何驱动业务与数据的“双向进化”，填平价值鸿沟？
我们建了数据中台，买了BI工具，为什么业务部门还是说“用不起来”？问题的核心，并非技术不足，而在于组织能力与“知数善用”新机制的根本性错配。本文将为您系统剖析三大组织错配，并给出驱动业务与数据团队“双向进化”的完整转型路径。
2025-12-12 11:21:25
1209
原创 从“知人善用”到“知数善用”：破解企业数据价值困局的管理哲学
过去四十年，我们学会了‘知人善用’，成就了组织能力；未来十年，我们必须学会‘知数善用’，这将定义数字时代的核心竞争力。
2025-12-10 16:03:37
695
原创 主数据治理的“普高”与“职高”之路：别再混淆MDM与数据中台
企业常混淆MDM与数据中台中的主数据治理。本文以“普高vs职高”为喻，系统解构二者差异：MDM重全域管控与流程固化，目标是“统一”；数据中台重场景化集成与敏捷服务，目标是“好用”。文章通过两种典型场景剖析其协同关系，并为企业提供“奠基长远”与“敏捷先行”的务实建设路径，强调从源头规划协同，避免重复治理与技术负债
2025-12-08 09:20:59
247
原创 AI的“炼油厂”革命：没有数据治理，所有模型都是空中楼阁
针对企业AI项目高失败率的普遍痛点，提出了一个独创的 “价值协同三角”模型，深刻论证了数据治理是AI成功不可逾越的前置条件，并为技术管理者提供了清晰的行动框架。
2025-12-05 16:50:57
817
原创 做成做大做强
需求+技术=>做成只要有具体的需求，外加匹配到一定的技术，做成一个项目是没问题的。这无关乎投入多少？也无关乎由什么人来做？比如总是能听到这样的段子：一个国家级的项目，由一家世界强的企业中标，最后真正code的是高校的在校学生。投入+人员=>做大持续的成本和时间投入，外加一个可靠的团队，就能将一个项目级需求做成一个产品。这也是当前很多信息化产品的“涅槃”之路。但是理想很丰满，而现实却很骨感。市面上，但凡有点想法的外包公司，都是想着从大量的项目中沉淀知识，打磨属于自己的具有竞争力的产品，
2020-07-02 17:24:43
176
原创 数据库的发展在经历一个大变革时代
数据库的发展在经历一个大变革时代，RDBMS世界的一个显著的特点是：我们什么都能搞定，只要是关系型的数据存储和处理，无论是ERP还是进销存，无论是OA还是HRMS。各个数据库厂家在这一点上是一样的，数据库产品的差异性不大。所以才形成寡头效应，通杀嘛。而现在呢？随着对数据的探索不再局限于关系型、结构化，数据探索向纵深推进，每一次推进，都会发现现存的数据库技术无法满足需求，而得益于开源技术的支撑，与其委曲求全削足适履的向现有数据库靠拢，还不如坐地起楼自成一家。因为专注于单个细分的领域，也不需要太多的顾虑，只
2020-06-17 17:37:44
194
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人