从计算和数据分析的起源到我们现在所说的“现代数据堆栈”的旅程。接下来是什么？ 计算和数据分析的起源 计算和 的起源始于 20 世纪 50 年代中期，并随着 1970 年 SQL 的引入而开始成形： 数据分析  1954 年：  - “  ”，俄语到英语的机器翻译。  自然语言处理 (NLP) Georgetown-IBM 实验  1960： 打孔卡  1970： 结构化查询语言 (SQL)  1970 年代： - 创建一种语言“允许高管在没有中介的情况下建立模型” 交互式财务规划系统  1972 年：   - 现代计算的最早应用之一，自然语言信息检索系统，帮助地质学家访问、比较和评估有关月球岩石和土壤成分的化学分析数据 C，LUNAR 1975 年：   - 第一个在线分析处理 (OLAP) 系统，旨在从不同角度分析业务数据 Express 1979 年：   - 第一个电子表格计算机程序 VisiCalc  20世纪80年代： ——“计算机化协同工作系统” 群体决策支持系统  “现代数据堆栈”  “现代数据堆栈”是一组用于在集成良好的云平台中收集、存储、处理、分析和可视化数据的技术和工具。尽管 QlikView 出现在云时代之前，但它是大多数人认为 Tableau 和 PowerBI 等现代平台使用的分析仪表板的最早示例：  1994 年：   - “仪表板驱动的分析”  QlikView  2003： 画面 2009 年：   - “计算搜索引擎” Wolfram Alpha  2015：  PowerBI  2017 年：   - “搜索驱动的分析” ThoughtSpot 纸张、查询语言、电子表格、仪表板、搜索，下一步是什么？ 一些最具创新性的分析应用程序，至少在用户体验方面，将人类语言转换为某些计算输出：  LUNAR 的历史悠久，最初开发于 70 年代，旨在帮助地质学家使用自然语言访问、比较和评估化学分析数据。 Salesforce WikiSQL 引入了第一个为文本到 SQL 用例构建的广泛数据纲要，但仅包含简单的 SQL 查询。 Yale Spider 数据集引入了针对更复杂查询的基准，最近，BIRD 引入了现实世界的“脏”查询和效率分数，以为文本到 SQL 应用程序创建适当的基准。 文本到 SQL：  Wolfram Alpha、ThoughtSpot 文本到计算语言：  ChatGPT 高级数据分析 文本到代码： “对话驱动的数据分析”是自然演变吗？ 在 NLP 和 LLM 的推动下， ，变得更加直观 搜索和聊天等现代分析界面的用户体验正在不断发展 分析界面起源于为 但决策者仍然在很大程度上 决策者提供支持， 依赖数据分析师 许多决策者 ，最适合“一次性分析” 查询都是临时的 洞察力的产生是一个 ，在数据对话中（可能是与同行）获得许多洞察力 创造性的过程 从分析的想象到结果的呈现，数据分析 工作流程是脱节的。 致谢 “计算和数据分析的起源”部分的日期感谢 和  。 https://web.paristech.com/hs-fs/file-2487731396.pdf http://dssresources.com/history/dsshistoryv28.html 也发布 在这里。

Read My Stories

該音頻是用故事的原始語言製作的！

计算和数据分析简史 - 从打孔卡到“现代数据堆栈”

About Author

註釋

標籤

这篇文章刊登在

Related Stories

架构师指南：构建 AI/ML 数据湖参考架构

扬帆起航：利用数据湖开发生产级 RAG 应用程序

创建以用户为中心的加密产品：客户反馈的重要性

想赢得 HackerNoon 写作比赛吗？以下是 #crypto-api 比赛获奖者的推荐

架构师指南：构建 AI/ML 数据湖参考架构

扬帆起航：利用数据湖开发生产级 RAG 应用程序

创建以用户为中心的加密产品：客户反馈的重要性

想赢得 HackerNoon 写作比赛吗？以下是 #crypto-api 比赛获奖者的推荐

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps