התחברות

התחברות
x
או
x
הרשמה
x

או

קליק אחד ואתם מחוברים. מהיר .קל .מאובטח.

מעניין? שתפו דף זה באמצעות הטלפון הנייד

אירועים קרובים

מאמרים

מגמות של ביג דאטה בעולם הביטוח
CA Technologies
SSIS - Buffer Size Optimization
קטגוריה ראשית
בדיקות BI ו-DWH לעומת הבדיקות בתחומים אחרים
קטגוריה ראשית
איסוף דרישות לפרויקטי BI
קטגוריה ראשית
כח המידע במיקוד
קטגוריה ראשית
0

הדף שלנו בפייסבוק

ברוך הבא, אורח
שם משתמש: סיסמא: זכור אותי

דיון: איך להאריך חיי פתרון שלא עובד

איך להאריך חיי פתרון שלא עובד 8 years 2 months ago #6979

  • Edith Ohri
  • Edith Ohri's Avatar
  • Offline
  • Moderator
  • הודעות: 322
  • קרמה: 0
איך להאריך חיי פתרון שלא עובד - כמובן השאלה היא למה בכלל להאריך אותו... בתחומים רבים השתלטו עלינו מוצרים לא רלוונטיים שהורסים כל אלטרנטיבה חופשית ועדיפה. מדובר לא בעוד "קונספציה" או פרדיגמה, אלא חוקי משחק כחניים שמטרתם הגדלת הכח ושעבוד הצרכנים/משתמשים לשיטה לאורך שנים. אלה הם פני הדברים בכריית נתונים ובתחומים רבים אחרים. התגלגל לידי משל אינדיאני עתיק --- "אם גילית שאתה רוכב על סוס מת, האסטרטגיה הטובה ביותר היא לרדת ממנו"
אך בימינו ניתן לקבל אסטרטגיות מתקדמות מזו, כגון:
  1. לקנות שוט חזק יותר.
  2. להחליף רוכבים.
  3. למנות וועדה שתילמד את נושא הסוס.
  4. לסדר ביקור בארצות אחרות כדי לראות איך תרבויות אחרות מתמודדות עם סוסים מתים.
  5. להוריד את הסטנדרטים כך שסוסים מתים יהיו כלולים.
  6. להגדיר ולסווג מחדש סוסים מתים בתור חיים-מוגבלים.
  7. לשכור קבלן חיצוני שירכב על הסוס המת.
  8. לרתום מספר סוסים מתים ביחד כדי להגדיל את המהירות.
  9. לספק מימון נוסף ו/או הדרכה לשיפור ביצועי סוס מת.
  10. לערוך סקר יעילות לבחינת האפשרות שרוכבים קלי-משקל ישפרו את הביצועים של סוסים מתים.
  11. להצהיר שמאחר וסוס מת אינו מצריך הזנה, הוא עולה פחות וחוסך תקורה, ולכן תורם בצורה משמעותית לשיפור הכלכלה יותר מסוסים אחרים.
  12. לכתוב מחדש את הביצועים הנדרשים מכל הסוסים.

  13. ...וכמובן הכי מקובל:
  14. לקדם את הסוס המת לעמדת ניהול-פיקוח.


אדית

הבית של GT data mining

בברכה
אדית
עריכה אחרונה: 8 years 2 months ago  ע''י Edith Ohri.
הנהלת האתר ביטלה גישת כתיבה ציבורית.
מנהלים: Edith Ohri
זמן יצירת העמוד: 0.159 שניות

Microsoft

Oracle

IBM

Informatica

Sap

SAS

Qlikview

Cloudera

Machine Learning