- 综合排序
- 最热优先
- 最新优先
媒体融合专项版 ——500 + 账号全域管控方案
技术背景在 AI 重构内容生产力的浪潮下（徐达内，2025），媒体机构账号矩阵规模呈指数级增长，某省级媒体矩阵达 500 + 账号却面临 “数据乱、考核难” 痛点。 + 平台 OAuth 2.0 一键认证，账号数量无上限适配；内容生产引擎：集成 NLP 模型与行业词库，输入 “文旅 + 秋季” 即可生成 300 + 差异化文案，结合爆款解构算法实现二次创新；数据中台层 ：实时聚合 186 + 维度数据，支持账号分组管理与任务看板可视化。 return requests.post(f"{self.base_url}/groups", json=payload, headers=self.headers).json() # 带数据监测的内容发布 self.headers).json()标杆案例黄山旅游通过该架构整合 126 个账号，周更率从 50% 升至 85.7%，抖音话题播放量年增 160 亿；某省级媒体实现 500 + 账号 “一人管理”，数据统计效率提升
20010编辑于 2025-11-07腾讯云智慧传媒：构建全域数字基座与融合服务引擎
数据孤岛与运营断层： 媒体企事业单位内部多类型应用各自生长，链接跳转体验差；同时公域流量难以转化为私域资产，缺乏智能营销与数据分析支撑。 部署全栈技术产品矩阵与开放生态 张宇明|腾讯云智慧传媒行业解决方案专家 提出通过“开放共建·融合创新”模式，提供覆盖四大场景的三大域服务： 1. TDSQL数据库： 自研国产数据库引擎包，具备完整知识产权，适配生产、媒资、播出等核心场景。 云原生支撑平台： 包含容器服务TKE、微服务平台TSF等，支持公有云、专有云及私有化部署。 2. 融合服务引擎 媒体处理引擎： 提供音视频转码与内容质检能力，支持画质增强与19项技术检测。 数据处理引擎： 腾讯企点分析云，提供数据采集、增长分析与可视化能力。 XR演播室： 纯软件跟踪标定，无穿戴人体识别与动捕，低成本实现虚实融合。
300编辑于 2026-05-31融合LBS大数据重塑行业监管：文旅全域数智化治理与服务赋能路径
打通数据孤岛，直面政企客三端监管与服务断层 当前文旅产业在迈向全域数字化的进程中，普遍面临因数据底层割裂而导致的战略执行困境。 由于缺乏综合数据枢纽，管理部门无法对全域数字化旅游进行有效监管与把控，行业监测、经济运行分析与突发事件应急决策缺乏量化数据支撑。 ，底层数据融合直接支撑了“游云南”产品体系的爆发。 上线文旅融合大数据应用和算法模型，促成旅游资源的开放共享流通，建成全国具有引领示范作用的文旅行业大数据中心。 平潭综合实验区（畅游平潭）： 聚焦全域海岛特色，沉淀多业态用户数据。 通过融合台胞服务、移动餐车、海产溯源等创新功能，打通“吃住行游购娱”全要素，利用数据驱动延长游客旅游时长。 5.
2200编辑于 2026-05-30腾讯云以融合创新数字底座驱动智慧城市全域数字化转型
企业现有平台存在数据孤岛、运维成本高及AI应用开发效率低等问题，制约全域数字化转型。 构建“Data+AI”一体化的云原生数字底座 腾讯云提出以融合创新数字底座（IaaS+PaaS+SaaS） 为核心的整体解决方案： 腾讯云大数据平台TBDS：支持存算分离、湖仓一体架构，可兼容C86/ARM 实现数据效能提升与成本优化量化效果 某部委大数据平台：实现总局+31省+5市数据协同，承载超10PB数据量（来源：客户案例）。 数据湖性能加速：通过Iceberg+StarRocks架构优化，查询性能提升50%（来源：产品测试数据）。 合规资质：TBDS获得15+信创兼容互认证，操作系统与数据库通过国家可靠测评。
5010编辑于 2026-05-30- 来自专栏千帆企业应用连接器
零售企业全域数据打通最佳实践
多平台的数据如何更好的指导业务增长？ 零售客户：全域数据打通直播的开场，何露凡就为大家分享了一个自己亲历的大型零售客户的故事。 企业的CTO是个改革实战派，一直在反复思考实践，线下3000门店的数据，如何才能和线上数据互通，帮助企业进一步提升营收？ 原来企业的所有的线上订单、用户数据都是直接通过接口去和企业的业务中台对接，数据量大，脚本同步上亿条数据需要数个小时；而整体梳理升级后，腾讯云数据连接器作为一个“总线”，所有的数据出口都通过腾讯云数据连接器来对接 腾讯云数据连接器基于云原生的高性能架构，可拓展性高，自动伸缩扩容，支持大量数据并发同步。
99930编辑于 2023-01-04 - 来自专栏大数据在线
信创生态迎数据挑战，全域数据管控成趋势
随着越来越多关键工作负载的信创化，数据的“汇-存-管-用”全流程需要加速向全栈国产化演进，实现全域的数据可管可控。 以关键的CPU技术为例，目前有鲲鹏、兆芯、海光、飞腾、龙芯、申威等基于不同架构和指令集的CPU产品，为了实现对异构计算芯片的融合，需要在数据层实现各生态的兼容适配； 信创生态和现有X86生态的融合、过渡和切换 第三，数据流动解锁，无业务中断 数据驱动时代，数据的自由流动关乎着数据价值能否有效挖掘。 这当中，数据的类型包括结构化数据和非结构化数据，数据流动的路径则包括从X86生态到信创生态，以及信创生态内部之间。 03 跨生态的数据生命周期管理：可以在一个集群内实现跨生态的数据统一管理、数据流动、数据在线迁移。
94740发布于 2020-09-18 - 来自专栏AIGC新知
DCMM标准之数据安全域解读（二）：数据安全管理
《数据管理能力成熟度评估模型》（以下简称DCMM）是我国在数据管理领域首个正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化 图1 DCMM数据管理能力成熟度评估模型 目标：数据战略-引领价值发展方向 价值：数据应用-通过运营持续交付价值 环境：数据治理-搭建良好的运行环境 支撑： 数据质量-保证应用质量 数据安全-保证应用安全 标准： 数据架构-技术的标准 数据标准-数据的标准 建设：数据生存周期-项目全过程遵循标准 DCMM是我国在数据管理领域首个正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力 图 2 数据管理能力成熟度等级 02—DCMM数据安全域概述 《数据安全法》第三条对数据方面的基础定义： 数据：任何以电子或其他方式对信息的记录。 数据安全保护对象：包括国家层面的重要数据和核心数据、个人层面的个人信息、社会层面的公共数据、组织层面的组织数据等。
1.6K10编辑于 2024-10-08 - 来自专栏AIGC新知
DCMM标准之数据安全域解读（三）：数据安全审计
《数据管理能力成熟度评估模型》（以下简称DCMM）是我国在数据管理领域首个正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化 图1 DCMM数据管理能力成熟度评估模型 目标：数据战略-引领价值发展方向 价值：数据应用-通过运营持续交付价值 环境：数据治理-搭建良好的运行环境 支撑： 数据质量-保证应用质量 数据安全-保证应用安全 标准： 数据架构-技术的标准 数据标准-数据的标准 建设：数据生存周期-项目全过程遵循标准 DCMM是我国在数据管理领域首个正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力 图 2 数据管理能力成熟度等级 02 — DCMM数据安全域概述 《数据安全法》第三条对数据方面的基础定义： 数据：任何以电子或其他方式对信息的记录。 数据安全保护对象：包括国家层面的重要数据和核心数据、个人层面的个人信息、社会层面的公共数据、组织层面的组织数据等。
1.5K10编辑于 2024-10-08 - 来自专栏数据猿
【友盟+】COO叶谦：全域数据，智能未来
<数据猿导读> 2016中国互联网大会全域大数据应用论坛于6月21日在北京国际会议中心举行。【友盟+】COO叶谦对全域数据智能驱动未来分享了自己的观点和看法。 【友盟+】COO叶谦对全域数据智能驱动未来分享了自己的观点和看法。他表示：全域数据能力包括全面的数据采集能力、全面的数据处理能力和全面的数据服务能力。 全域数据能力是解决困局的新生产力 全域数据能力重点在全域两个字上，分为三个层次:全面的数据采集能力、全面的数据处理能力和全面的数据服务能力。 这些产品是基于全域数据的理念生成，致力于给各行各业的客户提供自由、灵活的全域数据采集和分析服务，帮助他们找到破局的方向。 对于全域数据的前景，叶谦表示，未来的智能生活离不开全域数据，也必将构建于全域数据的基石之上。 来源：数据猿
91640发布于 2018-04-19 - 来自专栏腾讯优码二维码
Oneid数据融合见解
接触了大量企业客户项目，沟通过程中发现很多都需要去解决数据打通，实现所有数据融合。 数据融合是指数据埋点上报后，如何把不同端/系统的数据打通。 如CRM系统、线下终端、线上APP、小程序、公众号融合，实现oneid数据串联。 与很多行业人沟通探讨过，发现可以讲的特别清楚的不多，结合行业资料单独进行了整理研究可以看出，数据融合是高度依赖于数据埋点的，而大部分公司都处于未埋点或者埋点不规范阶段。 因此先花一点点篇幅介绍数据埋点数据埋点数据埋点：市场上有各种各样埋点技术，究竟选择哪种让客户很困惑。埋点过程中客户要做什么，腾讯要提供什么都需要提前确认好。 当前服务的所有传统行业客户也都是通过该技术来完成数据上报数据融合数据通过代码埋点上报后，接下来就要解决数据融合问题数据融合：不同的端有不同的id，那这些id究竟如何串联起来。
47110编辑于 2025-01-08 工业制造全域数据资产化与敏捷洞察联合实践
但在全域数字化转型过程中，全球头部制造企业普遍面临底层数据架构与前端业务敏捷性脱节的核心痛点： 全局数据资产碎片化： 全球数据仓库缺乏针对中国业务的专项治理，各业务系统独立建设，导致数据维护呈现碎片化状态 二、 构建湖仓一体与AI驱动的智能分析底座 为实现全方位的数据赋能，毕马威（KPMG）联合腾讯云为工业制造企业构建了基于全局视角的“一体化数据赋能平台”，通过底层架构重塑实现数据资产化： 湖仓一体的大数据底座 ： 依托腾讯云 TBDS（大数据处理套件） 与 Wedata（数据开发与治理平台），集成流处理引擎、批处理引擎与OLAP引擎，完成端到端的数据集成、流式计算、数据治理与运营监控。 AI与物联网场景融合： 引入 iPaaS 与 AI Capability（大模型客服、算法模型训练），将数据应用向下延伸至物联网服务（如设备工况监控、寿命预测、大修提醒），向上赋能市场营销（用户画像、积分体系与精准投放 此模式充分融合了毕马威在工业制造行业的专业领域知识与腾讯在科技和数字领域的底层影响力。
16910编辑于 2026-04-07- 来自专栏点云PCL
多帧数据融合思路
一.对数据的输入 A、如何获取你的点云数据（使用什么设备，查找相应设备的介绍，设备的精度、稳定度、抗噪能力、数据的可视深度范围等，采用无标记点融合，或标记点融合；要考虑多帧数据之间的旋转角度）； B、如何将你的数据对象从环境中分割出来 （识别分割、手动分割CC），深度学习若能做分割，并且针对特定对象的效果还行的话，再结合PCL做多帧数据的融合，是一个创新点（前提是提高效率）； C、对数据的输入输出要掌握，一般程序都是一样的，复制粘贴即可 二、对数据的预处理（融合肯定至少两帧数据） A、数据是否有噪声：根据噪声的类别，选择合适的算法进行去除（直通滤波、条件滤波、统计滤波、双边滤波等等）； B、数据是否需要下采样：体素栅格滤波（参数的设置， 根据自己的目的，参考北航出的国内唯一一本PCL的书，同时兼顾PCL官网的更新内容）； B、精配准执行前的准备：是否建立空间拓扑关系（一般需要建立，加快计算速度）； C、是否需要剔除错误点对（一般需要剔除，提高融合精度 书以及官网都可查阅）； D、执行计算，并输出精配准融合点云对象，输出精配R和T，输出精配时间，并可视化（保存或可视化都行）。
2.5K20发布于 2019-07-30 - 来自专栏数据猿
友盟+ CEO朋新宇：未来的数据一定是全域数据
<数据猿导读> 在UBDC全域大数据峰会上【友盟+】CEO朋新宇发表了“友盟+开启数据plus时代”的主题演讲。他认为：未来的数据一定是全域数据。 一个大规模生产、分享和应用数据的时代已经开启，数据正在改变着世界。 ? 数据猿报道，2016年4月20日，2016 UBDC全域大数据峰会在京召开。 本次峰会是由行业协会、互联网领军企业、知名品牌商联合打造的国内首个全域大数据行业峰会。共同探讨跨国界、跨终端、跨领域的全域大数据最具前瞻性和代表性的话题。 ◆ ◆ ◆ 为什么是全域数据？ 这除了本身机器学习、算法和数据之外，背后很大的原因是它真正利用了全域大数据，能够使它在每一局下的棋子的胜算达到最高。 我们以此来引起全域的概念，结合互联网，你觉得互联网的行为就等于人的行为吗?
86250发布于 2018-04-19 - 来自专栏学习
【机器学习】---异构数据融合
本文将详细讨论异构数据融合的概念、常用的技术手段、挑战以及代码示例。 2. 异构数据融合的概念 异构数据是指数据在格式、维度、来源等方面存在差异。 在实际应用中，异构数据的融合不仅需要考虑数据间的相关性，还要处理其不一致性和噪声。这使得数据融合成为一个复杂且具有挑战性的任务。 3. 常用的异构数据融合技术 在处理异构数据时，常用的融合技术包括以下几类： 3.1 早期融合（Early Fusion） 早期融合是指在模型训练前，将来自不同模态或来源的数据直接进行融合，构建一个统一的输入特征向量 （Recursive Fusion） 递归融合是一种层次化的数据融合方法，特别适用于处理大规模复杂异构数据。 异构数据融合的挑战 虽然异构数据融合在理论上可以带来显著的性能提升，但在实际应用中依然面临着诸多挑战： 4.1 数据预处理与对齐 异构数据可能具有不同的时间和空间分布，因此在进行融合之前，需要进行数据对齐
1.2K10编辑于 2024-10-01 - 来自专栏云+直播
全域智慧文旅创新实践
二、一机游模式总体规则 “一机游”其实是有两个层面的构成，作为一个平台经济体系，它向下主要是由物联网、云计算、大数据、人工智能夯实我们全域目的地资源变现体系商业化的基础设施；它向上是服务于游客、企业和政府 另外，作为我们整个数据化大脑的中心，能够通过关联的100多个场景、十几个部门、上百个旅游的业态，我们能不能充分的对人、对货、对厂一系列的数据的闭环进行研究，能推动在人货场之间的旅游的业态与产品的迭代，全周期的助力于整个全域旅游的发展 同时我们要对游客的这种数字身份进行一个高度的数字化治理，在这方面，从游客的身份到后面的管理体系，是我们来打通的，在整个诚信的消费体系和支付体系里面，他的体验是完整的，以及在最后游客的闭环，对他的社交分享和反馈，我们希望它对这层面都能够做到全域化的数据化的联通和运营 第三个是我们要加强科技文化和旅游的融合创新，激发我们的文化内涵价值打造我们文旅的新的IP经济。 那从游客角度再来看一下全域游，整个全域游的发展已经真的超出了以前我们所谓的旅游行业管理这种单项条件、围绕酒店旅行社管理的范畴，那么在整个全域游的范围中，当地的党政一把手都是要参与这个其中的。
1.5K52发布于 2020-03-11 - 来自专栏大数据应用解读
慧数招商：用大数据实现城市全域精准招商
大数据引领招商新模式 过去的招商是靠税收、土地和三通一平的优惠政策，未来的招商则需要大数据的支撑。大数据的应用，将彻底改变传统的招商模式，进入一个全新的数字化、智能化招商时代。 中科点击作为行业大数据应用专家，针对招商大数据的需求特点，深度策划，定制开发，融合自身核心技术优势打造出一套专业的招商大数据应用平台——慧数招商。 5大数据库 大数据应用，数据是一切应用的基础，没有数据的平台就好比没有水的井，没有存在的意义。慧数招商大数据平台整合企业、人物、产业、园区、舆情5大维度数据。 洞察全国企业多维度关联数据；关注企业领导、行业专家各种动态；6大新兴产业动态聚焦；全国高新园区资讯和动态实时关注；企业、人物、园区等多维度舆情数据监测，5大数据维度全面覆盖招商情报的方方面面，用全面、精准的数据为精准招商提供情报支撑 当前大数据已经上升到国家战略层面，成为推动经济转型发展的新动力，各地政府因地制宜，与时俱进，都在积极探索运用大数据开展智慧招商，依托线上平台的信息共享、数据分析，实现线下的精准招商，立足区域定位，科学运用大数据招商引资的时代已经到来
2.2K00发布于 2018-11-27 - 来自专栏NLP/KG
透视开源生态，OSGraph——GitHub全域数据图谱的智能洞察工具
"透视开源生态，OSGraph——GitHub全域数据图谱的智能洞察工具OSGraph (Open Source Graph) 是一个开源图谱关系洞察工具，基于GitHub开源数据全域图谱，实现开发者行为 数据结构对底层数据建模，既而实现直观的图可视化分析呢？ 为了更直观地表述图数据结构在开源数据洞察的优势，我们结合具体的场景案例说明。面对GitHub数据，我们多多少少会遇到如下类似的问题，这些问题可以通过上述的6类图谱很好的直观展现。 开源伙伴图谱构建了一种“人-人”关系视图，GitHub原生数据并不存在基于账户的“好友/粉丝”数据，我们通过两个人共同Star的项目以及参与的PR/CR等开发活动数据，构造了开发者之间的关系视图。 当然，基于项目现有的标签数据并不能做到精准的领域分类（不少项目没有标注标签数据），因此未来我们希望结合NLP技术做到更好的项目领域识别和分类。
45910编辑于 2024-07-10 - 来自专栏量子位
全域营销的数据科学 | 4月30日TF101
，共同探讨大数据时代全域营销所面临的技术挑战，深入剖析工业界问题的数据本质，并提出相应的解决方案与案例。 为工程师提供顶级交流平台 CCF TF第101期 时间 2023年4月30日 19:00-21:40 主题 全域营销的数据科学 欢迎扫码了解详情报名现场参会 报名链接：https://conf.ccf.org.cn /TF101 当前营销技术步入了全渠道、全周期的全域时代。 随着用户、渠道、创意广泛的数据积累，多学科综合的数据科学技术在营销领域发挥着越来越重要的作用。 会议安排 TF101：全域营销的数据科学主持：CCF TF数据科学SIG委员，腾讯总监/专家 孙子荀 时间 主题 讲者 19:00-19:10 活动介绍及致辞 孙子荀CCF TF数据科学SIG委员，腾讯总监
48410编辑于 2023-05-06 - 来自专栏重庆的技术分享区
大数据与机器学习融合
更多的线性代数和可扩展计算 我最近与柏林工业大学的学生进行了两次非常有趣的讨论，我了解了机器学习社区和大数据社区之间的鸿沟有多大。 我认为这里的主要信息是机器学习者真的喜欢用矩阵和向量来思考，而不是那么多的数据库和查询语言。 我认为这个系统仍然有效的主要原因是在这里运行的工作大多是计算密集型的，没有太多的数据密集型。大多数情况下，系统用于运行大批量的模型比较，在基本上相同的数据集上测试许多不同的变体。 将其与典型的“大数据”设置进行对比，您可以在其中获得数TB的数据并运行相对简单的分析方法或在其上搜索。 这里的好消息是，今天最需要的可扩展计算并不复杂。 从大数据到复杂方法？ 就我看到的方式而言，迄今为止，大数据主要是由于需要以可扩展的方式处理大量数据，而这些方法通常非常简单（至少在机器学习研究中是这么简单）。
1.3K40发布于 2018-06-10 2022全域经营增长指南
本报告基于腾讯智慧零售与品牌合作实践，通过10+行业、30+标杆案例（覆盖生鲜商超、鞋服、美妆、家居等），总结可复制的全域经营方法论，为品牌提供数据驱动的精细化运营参考。 数据支撑：案例中品牌私域GMV平均增长超50%，用户复购率提升20%-30%（数据来源：《2022全域经营增长指南》丛书）。 数据库与调研范围 数据来源：腾讯有数（用户链路追踪）、企业微信（导购与用户互动数据）、品牌小程序（交易与会员数据）、腾讯广告（公域引流效果）。 生态协同优势： 微信生态与腾讯云深度整合，支持小程序交易组件、企业微信导购赋能等场景，如百丽时尚通过腾讯云选联盟连接全域流量，沉淀数千万新会员。 权威背书 数据来源：Gartner® 2022年云数据库报告、Forrester Wave™ 2022年Q4中国公有云报告、腾讯智慧零售《2022全域经营增长指南》丛书。
14710编辑于 2026-04-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号