正是基于本文所描述的架构特点，数据魔方目前已经能够提供压缩前80TB的数据存储空间，数据中间层glider支持每天4000万的查询请求，平均响应时间在28毫秒（6月1日数据），足以满足未来一段时间内的业务增长需求。

大多数数据科学家和机器学习从业人员就是在这样的情况下积累了经验，逐渐习惯于那些用着顺手的算法，而且在那些常见的需要权衡的问题上面拥有良好的直觉但小的数据集仍然时不时的出现，而且伴随的问题往往难以处理，需要一组不同的算法和不同的技能。

统计学和数据挖掘研究目标的重迭自然导致了迷惑。事实上，有时候还导致了反感。统计学有着正统的理论基础（尤其是经过本世纪的发展），而现在又出现了一个新的学科，有新的主人，而且声称要解决统计学家们以前认为是他们领域的问题。

我看到过很多讨论数据产品的文章，但大家基本没有统一的认识，对概念的理解也不太认同，所以这里想简单写写自己的观点，主要内容也是不会在其它网文看到的一家之谈。

为了尽量能比其他领域的开发者维持相当的发量，实时计算平台的建设，就势在必行。本文将从需求与风险、试试计算平台组建分析由上至下地阐述对平台建设的一些思考。

传统零售企业向全渠道业务模式转型，无论是“业务协同”还是“业务一体化”流派，其根本含义就是“业务协同”。对于以实体店单渠道运营为主的传统零售企业来说，都是属于业务变革，本文为打算进入零售分析的同学熟悉全渠道业务流程提供参考。

大家好，今天选择的论文是一篇FM的升级论文，叫做Attentional Factorization Machines: Learning the Weight of Feature Interactions via Attention Networks。翻译过来叫做注意力FM：通过Attention网络学习特征交互的权重。