分类
外汇交易资金管理系统

用技术分析的许多现有的工具和创造他们的算法

如前文所述,政治家的修辞策略植根于特定的机构中。当使用传统修辞分析的方法来观察网络上的修辞时,这就变得有问题了。因为正如乔蒂·狄恩(Jodi Dean)所指出的那样,当我们在审视社交媒体中的言论状况时,不能直接将其视为公共领域。哲学家乔蒂·狄恩

什么是区块链技术?

术语云一词是指可以在线访问的计算服务。您可以通过云访问软件即服务 (SaaS)、产品即服务 (PaaS) 和基础设施即服务 (IaaS)。云提供商负责管理其硬件和基础设施,并为您提供通过互联网访问这些计算资源的权限。他们还会提供更多其他资源,而不只是数据库管理。如果您想加入公有区块链网络,则需提供您的硬件资源,用于存储您的分类账副本。您也可以将云上的服务器用于此目的。有些云提供商也在云上提供完整的区块链即服务 (BaaS)。

什么是区块链即服务?

区块链即服务 (BaaS) 是第三方在云上提供的一种托管式区块链服务。您可以开发区块链应用程序和数字服务,而云提供商则提供基础设施和区块链构建工具。您要做的就是自定义现有区块链技术,以便更快捷、更高效地采用区块链。

什么是 AWS 区块链服务?

AWS 区块链服务提供多种专门构建的工具,以满足您的要求。您可以使用这些服务构建从中心化分类账数据库(维护不可变的交易记录)到多方、完全托管式区块链网络(帮助消除中介机构)的一切。AWS 拥有众多来自合作伙伴的经过验证的区块链解决方案,可为所有主要区块链协议提供支持,包括 Hyperledger、Corda、以太坊、Quorum 等。因此,您可以借助 AWS 更轻松、更快捷、更高效地开发区块链和分类账应用程序。部分有用的 AWS 区块链服务如下:

Amazon Managed Blockchain 是一种完全托管式服务,让您可以使用 Hyperledger Fabric 和以太坊轻松加入公有网络或创建和管理可扩展的私有网络。立即创建 AWS 账户开始使用区块链。

用技术分析的许多现有的工具和创造他们的算法

来源:网络综合 65 2022-05-29

数据科学家必备工具有哪些?

Hadoop在过去的几年里,几乎成为大数据的代名词。这是数据科学家的***库中的主要支撑。知道Hadoop不只是一个程序是非常重要的,它更像一组工具(类似于微软的Office)。这个套件被用于传输,保存和处理大数据。它还包含有一个调度器(Oozie)、元数据和表格管理架构(HCatalog)。所有在Hadoop中处理数据的任务都是分布在安装了Hadoop的所有机器集群中的,这些任务可以是面向对象程序(OOP)代码、数据分析程序、数据图形化脚本以及其他具有有限处理时间(finite process time)特征和对数据分析有用的任务。Hadoop会确保不管你对数据做什么样的操作都能以高效的方式完成,并以直观的方式呈现。

Pig是针对Hadoop进行计算的一个高级编程语言(High-level programming language)。你可以将它视为Hadoop生态系统中各种操作的控制元件。它的性能是可扩展的。

Hadoop并不是进入大数据技术的唯一选择。另有一个也很有意思但并不那么有名的备选方案是Storm(被Twitter、阿里巴巴、Groupon以及其他许多公司所使用)。Storm显著快于Hadoop,同样也是开源,而且使用起来相对简单,是一个值得选用的Hadoop备选方案。不像Hadoop, 用技术分析的许多现有的工具和创造他们的算法 Storm 不执行MapReduce任务,而是运行topology(拓扑)。核心的差异在于MapReduce最终会将任务结束,而topology会永远运行或直到它被用户终止。(你可以将它类比为操作系统后台一直运行的进程)。topology可以被画成计算图,用以处理数据流。这些数据流的源被称为spout(形象化为“水龙头”),而它们会被接入bolt(形象化为“闪电”)。一个bolt可以使用任意数量的输入源,做一些处理,并输出新的数据流。你可以在图2中看到Storm topology。

对数据使用Topology方法可以确保即使在出现故障的情况下也能处理出正确的结果(因为topology会持续地运行),也就是说如果计算机集群中的某一台计算机发生了问题也不会危害到在运行在整个集群上任务的一致性。需要注意的是,Storm topology 一般是由Java、Ruby、Python和Fancy语言编写而成。Storm软件则是由Java和Clojure(一个与Java配合良好的函数型语言)编写,同时它的源代码也是这个类型技术中最为流行的项目。

Spark由加利福尼亚大学伯克利分校的AMP Lab开发而成。Spark是MapReduce领域的最新玩家,它的目标是数据分析在写入和运行端的速度更加快速。不像许多在这个领域的系统,Spark使用内存查询数据,替代了磁盘的读写。这样,Spark在许多迭代算法上比Hadoop的表现更为优越。它是由Scala实现的(参见一下部分),在写作本书的时候,它的主要用户是UC Berkeley的研究者和Conviva公司。

HPCC 系统以它自己的大规模数据分析架构,HPCC试图用Enterprise Control Language语言(ECL)更近编写并行工作流,ECL语言是一个声名式语言,以数据为中心的语言(有些类似于SQL、Datalog和Pig)。HPCC是用C++写成的,根据一些人的说法,这样使得内存查询更快。HPCC由于拥有自己的分布式文件系统而也成为Hadoop一个有力地备选工具。

D3.js是数据驱动文档(Data Driven Documents)的缩写,D3.js是一个开源JavaScript函数库,可以让你编辑大数据的展示文档。这个工具可以让你利用网页技术(例如HTML5、SVG以及CSS)来创建动态图形。另外,它还提供可视化方法,例如和弦图、气泡图、树状图以及节点连接树。由于它是开源的,因此这个列表还在持续地扩展着。D3.js设计的目标是运行快速和兼容于跨硬件平台的程序。尽管它不一定会替代完全成熟的数据可视化程序(见4节),但这是一个你值得留意的好工具。D3.js是由纽约时报的图形编辑Michael Bostock开发的。

Impala是一个分布式查询执行引擎,是为原生存储在Apache HDFS 和Apache HBase的数据而设计的。由Cloudera开发,它聚焦于数据库而且不会使用到MapReduce。因为它避免了MapReduce作业的额外开销,所以可以实时地返回结果。

如果你花了大量的时间在编写脚本上面(通常如果你使用文本编辑器,例如Notepad++或者Textpad),编程会让你劳累不堪。为了减轻这种影响,在过去的许多年里,众多集成开发环境(Integrated development environments,IDE)被开发出来。这些IDE为编程语言提供了额外环境,将它的引擎、编译器以及其他组件和舒适的图形界面以更加友好的方式呈现。一个在Java世界里非常著名的IDE就是Eclipse(见图4),同时也可以作为其他语言的运行环境,甚至是像R一样的数据分析包(Data analysis packages)。

用技术分析的许多现有的工具和创造他们的算法

Dillet, B. (2022). Speaking to algorithms? Rhetorical political analysis as technological analysis. Politics, 42(2), 231-246.

*Political理论志周末版正式改版,周六仅推送一篇在社会学、政治学、国际政治和政经学科具有一定代表性意义的最新研究成果Benoit Dillet

在过去的 10 年里,修辞分析(用技术分析的许多现有的工具和创造他们的算法 rhetorical analysis)在政治研究中蓬勃发展。修辞是一种极具创造性的实践。通过使用轶事、转换语境或仪式特征等技巧,演说家不断寻找新的方式来表达自己。修辞者的工作尽可能接近常识。他们认可既定理念的同时推进新理念,曾经的言辞后来成为日常决策的常识前提。

在这种情况下,修辞回归政治辩论的核心并引发了一个更具争议性的问题:我们是否正在见证政治修辞的彻底转变和两极分化?虽然这个问题的答案需求更长的时间才能回答,但是现有的学术研究以及 Facebook 自己的内部研究表明,Facebook 使用户的政治观点两极分化。但是修辞在这其中所起到的作用依然很模糊。本文通过专注于修辞试图更新政治修辞分析的框架,并表明修辞情境不仅是在演说家和情境之间构建的,而且它们本质上是由软件和算法调节和控制的。算法是修辞情境(演说者、论点、语境和效果)组合中的在社媒时代的一个新的组成部分。一些重要的研究分析了从印刷文化和广播到电视时代的转变及其对修辞的影响。用于演讲的空间和时间大大减少,迫使政客们调整和缩短他们的演讲。这种时间压缩还与电视图像的新经济相结合。早在 1980 年代就有调查指出,视觉时刻比伟大演说家令人难忘的话语更具表现力。进入数字时代和社交媒体,我们更需要评估演说的形式和内容是否已经被新媒体生态所改造。

自2016年以来,人们越来越意识到新技术对极右翼的崛起和选举结果的影响。在这种高度动态的政治文化中,政治内容的传播高度依赖于对修辞的使用。例如,特朗普的竞选团体在社媒宣传时使用Facebook对摇摆州的关键选民进行微观定位。最近,Facebook 执行官安德鲁·博斯沃思(Andrew Bosworth)发布了一份内部备忘录,其中他为 Facebook 的政策辩护,该政策将政客的页面及其政治广告活动从 Facebook 的许多规则中豁免,特别是在针对性信息投放、事实核查和仇恨言论方面。鉴于这些社交媒体平台的相对新颖性,许多学者和记者都对其未知的影响保持警惕,特别是社交媒体对公共话语的长期影响以及权力平衡可能发生的变化。Facebook 执行官安德鲁·博斯沃思(Andrew Bosworth)

在媒体生态悠久的历史中,修辞也适应了新的交流方式。它是一门具有悠久传统的古老学科,它可以是一种为了说服而学习的交际技巧或技能,但它也可以更普遍地表示话语的说服要素。简而言之,它既表示探究的模式,也表示探究的对象。通过解开这种双重性质,修辞学研究表明,修辞既是特殊的又是一般的,既是一种内在的专业实践,又是完全平庸的,并广泛用于日常言语。随着 Facebook和Twitter 等社交平台主导的媒体时代到来,公民已经改变了他们相互交流政治的方式,这使得修辞分析研究社交语言的转变变得特别有趣。媒体在社交媒体上发布的非政治内容(例如关于食物或者运动)也可以被解读为某种政治忠诚(例如素食主义或保守主义)并寻求社会反馈。

如前文所述,政治家的修辞策略植根于特定的机构中。当使用传统修辞分析的方法来观察网络上的修辞时,这就变得有问题了。因为正如乔蒂·狄恩(Jodi Dean)所指出的那样,当我们在审视社交媒体中的言论状况时,不能直接将其视为公共领域。哲学家乔蒂·狄恩

比如,计算机科学家瓦伦丁·卡萨尼格(Valentin Kassarnig)在 2016 年创建了一个名为政治演讲生成(Political Speech Generation)的AI软件,就是算法技术空间内数字参与的产物。这一 AI 软件用于为共和党或民主党制作政治演讲和国会辩论。这一技术助于数据科学家越来越频繁地与政客及其团队合作,来检查以前和当代言论的大型数据集。计算机科学家瓦伦丁·卡萨尼格(Valentin Kassarnig)

在研究算法和修辞之间的关系时,我们需要区分不同的客观条件在两者之间所起的作用:(1)演说内容越来越多地被平台的数字形式所塑造;(2) 虽然平台承诺打破演讲的层次结构,但算法依然将政治传播垂直化;(3) 修辞分析需要考虑数字偏见;以及(4) 算法和修辞机器学习的未来。

在视频平台 Youtube 上,大量网红利用分享政治观点谋生,成为所谓的修辞企业家(rhetorical 用技术分析的许多现有的工具和创造他们的算法 entrepreneurs)。艾伦·芬莱森(Alan Finlayson)的一项研究指出某些共同点:他们使用家庭空间为背景,谈论自己的情感和观点,建立粉丝社区,同时他们也承认他们的转化叙事(从别的话题引入到政治立场长)。芬莱森基于他的分析发现社交媒体比左翼激进主义者更有利于极右翼的观点传播。英国政治学家艾伦·芬莱森(Alan Finlayson)

为了支持这一论点,他提到了雷吉斯·德布雷(Régis Debray)用技术分析的许多现有的工具和创造他们的算法 的观点,即社会主义适应于印刷媒体,尤其是小册子这样的形式,而极右翼已经更好地适应了数字媒体形式。而新工党和克林顿的民主党占据了两者之间的空间,电视形式。这是因为左倾的网络活动者更有可能分享示威和集体行动的图像,而右倾的网络活动者会选择网络memes和关于国家问题的好评文章。而社交媒体平台总是不断修改更新他们的算法,相比左翼所倾向于分享的图像等媒体形式,演说内容以及其修辞可以通过编程更好地适应于算法动态的变化。法国媒介学家雷吉斯·德布雷(Régis Debray)

要了解社交媒体平台如何影响政治语言、它如何流动、如何垂直、如何传播或如何被忽视,最关键的点在于要明确,社交媒体平台本质上还是以牟利为目的的私营公司,它们所有促进社交互动的行为都是基于自身利益为出发点的。例如,Facebook 承认他们在 2014 年 8 用技术分析的许多现有的工具和创造他们的算法 用技术分析的许多现有的工具和创造他们的算法 月使用的算法旨在优先考虑与“冰桶挑战”相关的帖子,而不是在密苏里州弗格森举行的“黑人的命也是命”抗议种族不平等和警察对黑人的暴行。关于弗格森抗议的 Facebook 帖子之所以被隐藏,并不是 Facebook 策划的阴谋,而是因为算法的设计和设定的优先级。相比于一段展示警察暴行的视频,用户还是更喜欢看名人向自己倒冰水。

然而,如果算法只是一面镜子,那它显然无法直接给社会带来显著的进步。一个特别突出的例子是,亚马逊在 2018 年取消了AI招聘工具,因为它系统地给女性求职者的分数较低。尽管该AI工具的初衷旨在减少无意识的偏见。但是因为算法了解社会和制度关系中的结构性种族主义,让种族这一概念嵌入到技术之中。亚马逊取消了存在歧视的AI招聘工具

总而言之,修辞政治分析的未来需要整合一种技术分析,以解释最近演说者与受众之间关系的所有变化。演讲撰稿人和政治家正在聘请 AI 公司来帮助开展竞选和政治行动。关于在政治中使用数据存在一些误解:数据不仅用于为政策的设计和实施提供实用信息(例如在健康、刑事司法或教育方面),而且还在为政治的各个维度提供信息,包括言论。数据科学并不能独立于意识形态和修辞干预而使用,而是将越来越多地与它们一起使用。

什么是 ERP?

下载 ERP 傻瓜宝典封面缩略图

ERP 还与客户关系管理 (CRM) 解决方案等前台应用集成,从而构建客户的整体视图。此外,基于云的 ERP 应用通常嵌入了新一代技术,例如物联网 (IoT)、区块链、人工智能 (AI)、机器学习和数字助手。这些先进的技术提供的数据和能力不仅增强了许多传统的 ERP 功能,还为企业提高效率、推出新服务以及在整个企业范围获得更深入的洞察创造了新的机会。由于 ERP 系统在整个企业中无处不在,其管理通常由相关团队与 CFO 以及 CIO、COO 等主要企业高管合作完成。

ERP 基础知识

ERP 管理系统在设计时都会依据一个规范定义的数据结构(模式),该模式通常拥有一个通用数据库。这有助于确保整个企业统一使用基于通用定义和用户体验的规范化信息。借助 ERP 管理系统,企业可以将这些核心构造连接至跨业务部门(财务、人力资源、工程、营销和运营等部门)的工作流驱动的业务流程,从而将系统和系统用户连接起来。简而言之,ERP 是现代企业用于整合人员、流程和技术的工具。

了解行业分析机构对 Oracle ERP 云与其他财务管理软件提供商进行比较的结果。

这家汽车制造企业妥善部署了 ERP 管理系统,之后他们开始使用适当信息来统一标识各个部件。例如,他们用零件名称、尺寸、材料、来源、批号、供应商零件编号、序列号、成本和规格,以及其他许多描述性和数据驱动的信息来标识“前制动片”。

数据是每一家现代企业的命脉,因此企业需要借助 ERP 管理系统来更轻松地收集、组织和分析数据,并将数据分发给需要它们来有效履行其职责和任务的个人和系统。

ERP 管理系统的一个重要原则是集中收集并广泛分发数据。ERP 让混乱的环境变得秩序井然。通过实施 ERP,企业不必再使用多个单独的数据库以及大量零散孤立的电子表格,所有用户(从 CEO 到应付账款办事员)将能以一致的方式创建和存储数据并使用来自通用流程的相同数据。安全、集中化的数据信息库让企业中每一个人都增强了信心,因为他们知道自己能够及时获得准确、完整的数据。组织中执行的每一个任务(从季度财务报表到各个未偿应收账款报告)因此而确保了数据完整性,摆脱了对容易出错的电子表格的依赖。

现代财务发展趋势

随着软件即服务 (SaaS) 云应用的快速发展,ERP 格局发生了变化。由于移动平台的兴起和劳动力的分散化(随时随地办公),因此 ERP 系统不再绑定以前的本地后台应用。新一代基于云的现代 ERP 解决方案支持新的行业动态,同时提供相应的能力来减少支持时间,能够帮助组织快速应对不断变化的市场和行业趋势。

ERP 的业务价值

  • 改善业务洞察 — 利用报告生成的实时信息
  • 降低运营成本 — 采用精简的业务流程和优秀实践
  • 加强协作 — 用户可共享合同、请购单和采购单中的数据
  • 提高效率 — 提供跨业务职能的通用用户体验和完善定义的业务流程
  • 一致的基础设施 — 支持从后台到前台的整个部署,为所有业务活动提供一致的外观和体验
  • 提高用户采用率 — 提供通用的用户体验和设计
  • 用技术分析的许多现有的工具和创造他们的算法
  • 降低风险 — 提高数据完整性并加强财务控制
  • 降低管理和运营成本 用技术分析的许多现有的工具和创造他们的算法 — 采用统一的集成系统

ERP 简史

从纸卡到移动设备
ERP 的历史可追溯至 100 多年前。1913 年,工程师 Ford Whitman Harris 提出了史称经济订货批量 (EOQ) 的模型,这是一个用于生产调度的有纸制造系统。随后的几十年中,EOQ 一直是制造业的标准。1964 年,美国工具制造商 Black & Decker 打破了这一局面,将大型机与 EOQ 概念相结合,首开先河地采用了物料需求计划 (MRP) 解决方案。

此后,MRP 一直是制造业的标准,直到 1983 年制造资源计划(称为 MRP II)的提出。MRP II 采用各种不同的模块来提供关键的软件架构组件和集成的核心制造组件,包括采购、物料清单、排程和合同管理。不同的制造任务首次被集成到了一个共同的系统中。此外,MRP II 还提供了一个美好的愿景,即组织可以利用软件来共享和集成企业数据、改进生产计划、减少库存和浪费(废料),从而提高运营效率。随着 20 世纪 70 年代和 80 年代计算机技术的发展,企业开始提出类似 MRP II 用技术分析的许多现有的工具和创造他们的算法 的概念来处理制造以外的业务活动,包括财务、客户关系管理和人力资源数据。到了1990年,技术分析师针对这类新的业务管理软件提出了“企业资源计划”的概念。

ERP 部署模式:从本地部署到云端

ERP 的过往:从 20 世纪 90 年代到新千年
从 20 世纪 90 年代到 21 世纪初,ERP 经历了一个快速普及的阶段。与此同时,实施 ERP 管理系统的成本也开始攀升。企业通常需要在本地服务器机房内部署大型硬件设备来支持软件的运行,而购买硬件以及软件许可证投入的资本成本过了 5 到 10 年就已折旧殆尽。此外,几乎所有组织都希望针对自身的特定需求来定制 ERP 系统,因此需要承担额外的软件顾问和培训费用。

同时,ERP 技术开始拥抱互联网,支持各种新特性和功能,例如嵌入式分析。随着时间的推移,许多组织发现其本地部署的 ERP 管理系统已无法满足现代安全性需求,同时也无法跟上智能手机等新兴技术的发展步伐。

ERP 云 — 新的 ERP 交付模式

软件即服务 (SaaS)
通过云,具体来说,通过软件即服务 (SaaS) 交付模式提供 ERP 的时代已经到来。在云端以服务的形式交付 ERP 软件,就意味着软件是在远程服务器网络上运行,而不是在公司机房内运行。云提供商在一年当中会数次打补丁、管理和更新软件,因而企业不必每隔 5-10 年对本地部署的系统实施成本高昂的更新换代。云交付模式让企业不必购买软件和硬件,不必雇用额外的 IT 人员,从而同时降低了资本支出 (CapEx) 和运营支出 (OpEx)。企业可以将这些节省下来的资源转投给新的商业机会,同时确保其使用的 ERP 软件永不过时;而员工则可以将工作重心从 IT 管理转移到创新和增长等可创造更多价值的任务上来。

迁移至 ERP 云解决方案的 7 个原因

对于各种规模的企业而言,包括中小型企业,一次性淘汰本地部署系统并全部迁移到云中是不现实的,就算可行,企业也不愿意在短暂的开发窗口内去冒险。然而,在本地 ERP 系统上默守陈规、忽视企业资源计划云解决方案的所有优势,也不是个理想的选择。那么,您为什么应该考虑使用云应用来替换或增强本地部署系统?

1. 迅速采用不断发展的 SaaS 新技术

与传统系统不同,人工智能 (AI) 等新一代技术可帮助云端系统快速改进功能而无需定期更新。如今,ERP 系统不需要最终用户提供额外输入或新输入,变得越来越易于管理和使用。

2. 延伸现有 ERP 系统的价值

通过云应用扩展和集成原有软件可以补充和加强重要任务,为原有 ERP 系统注入新的活力,从而为企业提供了一个开始采用云功能的绝好机会。

3. 获得新技术

找到与原有 ERP 软件模块互补的云应用,您可以立即利用迅速发展的新技术并改善用户范式。这些技术可提供能带来即时业务功能和价值的免费系统,而您的运营不会发生根本变化。

4. 减少第三方依赖

原有系统的报告和分析功能通常需要第三方供应商参与才能生成运营商务智能。使用原有 ERP 供应商提供的云应用通常可以产生相同或更好的智能,且无需增加供应商。

5. 完善财务系统

旧系统从来都不是用作现代报告引擎的。云技术诞生并发展于近十年,作为一种核心理念,它采用完全不同的思维方式,不仅了解 ERP 平台能够实现哪些目标,还了解取得成功的因素。

6. 更强大的安全资源

云解决方案服务提供商拥有庞大的全职团队,致力于每天 24 小时主动监控云安全问题和威胁并保持系统最新。

7. 吸引人才

一直以来,很多采用传统 ERP 的企业都面临着这样的难题:在满足日常业务需求的同时,既需要定制化特性和灵活性,又要避免其高昂成本和复杂性。请观看此视频,了解 用技术分析的许多现有的工具和创造他们的算法 Oracle ERP 云如何为您带来协作无间的团队、统一的数据和实时洞察,从而帮助企业及其财务团队做出致胜业务决策。借助云端 ERP 服务,您的组织将能够面向未来、引领变革。

SaaS 交付模式的一大优势是,可以通过引入新的特性、功能和优秀实践来让软件与时代同发展。ERP 云提供商将会定期部署更新(Oracle 每月更新一次)。这意味着订阅用户能够定期获得革命性的新兴技术,例如人工智能、数字助手、机器学习、区块链、增强现实和物联网 (IoT)。

随着 ERP 软件的发展,企业可以利用这些新的技术快速改进业务实践,过去需要大量人工干预的流程(例如金融账户对账)可以实现自动化。此外,企业还可以全面、实时地掌握前端、仓库、工厂车间以及任何其他区域中的业务活动,而每位相关员工可以通过自己的智能手机和平板电脑等移动设备轻松获取这些信息。