Путешествие от истоков вычислений и анализа данных к тому, что мы сейчас называем «Современным стеком данных». Что будет дальше?  Истоки вычислений и анализа данных  Истоки вычислений и   начались в середине 1950-х годов и начали формироваться с появлением SQL в 1970 году: анализа данных  1954:   — «   », машинный перевод с русского на английский.  Natural Language Processing (NLP) Джорджтаунский эксперимент IBM  1960:    Перфокарты  1970:  Язык структурированных запросов (SQL)  1970-е:   . Создайте язык, который «позволит руководителям создавать модели без посредников». Интерактивные системы финансового планирования  1972:   - Одно из первых применений современных вычислений, система поиска информации на естественном языке, помогла геологам получить доступ, сравнить и оценить данные химического анализа лунных пород и состава почвы. C, ЛУННАЯ  1975:   — первая система онлайн-аналитической обработки (OLAP), предназначенная для анализа бизнес-данных с разных точек зрения. Express  1979:   — первая компьютерная программа для работы с электронными таблицами.  VisiCalc  1980-е:   – «Компьютеризированная система совместной работы» Системы поддержки групповых решений  «Современный стек данных»  «Современный стек данных» — это набор технологий и инструментов, используемых для сбора, хранения, обработки, анализа и визуализации данных на хорошо интегрированной облачной платформе. Хотя QlikView существовал до облака, это самый ранний пример того, что большинство считает аналитической информационной панелью, используемой современными платформами, такими как Tableau и PowerBI:  1994:   — «Аналитика на основе информационной панели».  QlikView  2003:  Таблица  2009:   — «Вычислительная поисковая система». Wolfram Alpha  2015:  PowerBI  2017:   – «Поисковая аналитика» ThoughtSpot  Бумага, языки запросов, электронные таблицы, информационные панели, поиск, что дальше?  Некоторые из наиболее инновационных аналитических приложений, по крайней мере с точки зрения пользовательского опыта, преобразуют человеческий язык в некий вычислительный результат:  Преобразование   История LUNAR стара как мир. Впервые она была разработана в 70-х годах, чтобы помочь геологам получать доступ, сравнивать и оценивать данные химического анализа, используя естественный язык. Salesforce WikiSQL представила первый обширный сборник данных, созданный для варианта использования преобразования текста в SQL, но содержащий только простые запросы SQL. Набор данных Yale Spider стал эталоном для более сложных запросов, а совсем недавно BIRD представила реальные «грязные» запросы и показатели эффективности для создания подходящего эталона для приложений преобразования текста в SQL. текста в SQL.    Wolfram Alpha, ThoughtSpot Преобразование текста в вычислительный язык:    расширенный анализ данных ChatGPT Преобразование текста в код:  Является ли «Аналитика данных на основе диалога» естественной эволюцией?  UX современных аналитических интерфейсов, таких как   и становится более интуитивно понятным благодаря NLP и LLM. поиск и чат, развивается  Аналитические интерфейсы созданы для того,   но лица, принимающие решения, по-прежнему в значительной степени  чтобы помочь лицам, принимающим решения, полагаются на аналитиков данных.  Многие   и лучше всего подходят для «одноразовой аналитики». запросы лиц, принимающих решения, носят разовый характер  Генерация идей — это   , в ходе которого многие идеи получаются в ходе разговоров о данных, возможно, с коллегами. творческий процесс    : от представления анализа до представления результатов. Рабочий процесс анализа данных разрознен  Благодарности  Даты раздела «Истоки вычислений и анализа данных» благодаря   и   . https://web.paristech.com/hs-fs/file-2487731396.pdf http://dssresources.com/history/dsshistoryv28.html  Также опубликовано  здесь.

Read My Stories

Этот звук создан на языке оригинала истории!

Слишком долго; Читать

Get Free Unlimited IP Geo Data With IPinfo Lite

Краткая история вычислений и анализа данных - от перфокарт до «современного стека данных»

About Author

КОММЕНТАРИИ

БИРКИ

ЭТА СТАТЬЯ БЫЛА ПРЕДСТАВЛЕНА В

Related Stories

Невидимые слои: почему интервью с пользователями являются незаменимым активом

Создание криптопродуктов, ориентированных на пользователя: важность отзывов клиентов

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Невидимые слои: почему интервью с пользователями являются незаменимым активом

Создание криптопродуктов, ориентированных на пользователя: важность отзывов клиентов

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps