ПГС или ОПГС — что выбрать для работы

Природный ПГС — это смесь песка и гравия, что называется, «только из карьера». Она не просеяна и не очищена, содержит лишь до 20 % гравия, а также примеси вроде глины и известняка. Сам гравий у такой смеси довольно крупный, неоднородный, как изверженных, так и остаточных пород. А ОПГС — это очищенный материал, из него убирать примеси и добавляют гравий, доводя его долю до 70 %. При этом гравий у обогащенной смеси помельче. Какой материал выбрать для работы?

ПГС из карьера: крупная фракция, много примесей

Если замешиваете бетон

У природного ПГС в составе всегда есть глина, известняк или гравий остаточных пород. Из-за глины бетон трескается, снижается его прочность. А гравий остаточных пород имеет свойство расслаиваться. Поэтому на большинстве ответственных проектов ПГС в бетоне — признак брака.

Если это ПГС горно-овражного типа (у него угловатый гравий), то в нем много остаточных пород; он категорически непригоден для замеса бетона. В озерно-речном ПГС могут быть примеси ила, грунта, органики, но остаточных пород намного меньше, чем в горно-овражном. И, наконец, самый лучший — морской, в нем минимум глины и других примесей.

В целом, ПГС в бетоне можно использовать для:

• Заливки площадок для авто.
• Отделки нежилых построек с невысокой нагрузкой (например, для оштукатуривания сарая).
• Основы кладочного раствора.
• Заливки фундамента деревянного дома, когда сам грунт под домом — тоже ПГС.

Однако для долговечности и в этих случаях смесь стоит промыть, просеять или хотя бы добавить больше цемента, чтобы нивелировать влияние глины.

В ОПГС все компоненты приведены в нормативное соотношение по ГОСТ. В каких случаях для замеса бетона нужен только ОПГС:

• Для строительства жилых домов, отливки фундаментов — здесь важна проектная марка бетона. Из-за примесей в ПГС достичь точных показателей невозможно.
• Для ответственных, нагруженных мест, мест со сложными условиями эксплуатации. Здесь бетон делают именно с ОПГС в соотношении примерно 1:6.

Как проверить состав: увлажните и разотрите его между пальцами. Если образуется грязь, то в составе есть глина или пылевидные примеси.

Если отсыпаете дорогу

ПГС при обустройстве дорог используется только в качестве нижней подсыпки. ОПГС лучше уплотняется, утрамбовывается и меньше задерживает воду. Поэтому при обустройстве дорог с ним осадка минимальна, износостойкость выше. В каких случаях нужен именно ОПГС:

• При работе на слабонесущих грунтах.
• В местах с повышенной влажностью.
• Везде, где высокие требования к прочности и качеству.

Для чистовой отсыпки дорожек лучше вообще использовать просто гравий или щебень. Чем больше песка в отсыпке, тем быстрее он вымоется, выветрится, и придется снова досыпать. Выходит не очень экономно.

Подберем, рассчитаем объем и привезем ПГС, ОПГС, щебень и песок по Москве и Московской области. Звоните 8(495)974-45-51!

ОПГС: что это такое и методы использования

В современном строительстве используется большое количество натуральных неметаллических материалов и их смесей. В большинстве случаев это песок, гравий, глина. На дне водоемов, рек и морей добывается смесь песка и гравия, которая является основой ОПГС. Что это такое и в чем разница между ASG и OPGS?

Содержание

• 1 Смеси из природных материалов
• 2 Состав и деление ОПГС на группы
• 3 Способ применения
• 4 Особенности смеси

Смеси из природных материалов

Песочно-гравийные смеси очень популярны и входят в состав бетонных конструкций, используемых при строительстве домов, при прокладке дорог, при закладке фундамента. Качество смесей и их свойства зависят от того, где они были извлечены. Главный показатель — это связующие свойства. Часто нужны смеси, в которых количество щебня увеличено. Для этого в натуральную смесь добавляют щебень. Используется специально разработанное оборудование — грохот вибрационный. В результате получается смесь ОПГС, расшифровка которой представляет собой обогащенную смесь песка и гравия. В состав бетона входит искусственно обогащенная смесь: она сочетается с цементом и водой. Главное — соблюдать пропорции, чтобы бетон был надлежащего качества для той цели, для которой он предназначен. Область применения бетона также зависит от количества и качества щебня. Природная смесь ASG содержит до 20% гравия, а после обогащения его количество увеличивается до 75%, как видно на фото. ОПГС и относится к искусственно обогащенному составу ПГС.

Состав и деление ОПГС на группы

Большое значение имеет размер измельчения зерен, наличие глины и ила в составе теста. Все это сказывается на таком показателе, как сила ОПГС. Что это: показатели качества бетона? Это не только прочность, но и морозостойкость.

Одной из самых популярных ОПГС считается смесь, в которой содержание щебня составляет 70%. Остальные 30% — песок, не содержащий примесей. Но смесь может содержать глину, не более 1% от общей массы и до пяти процентов органических веществ. Зерна гравия доступны в различных размерах от 10 до 70 мм. Это не обязательно должна быть смесь. В смеси используются зерна одной из фракций: их размер может быть 10, 40, 20 или 70 мм. ОПГС делятся на группы по содержанию в них в процентах гравия:

• от 35 до 50%;
• от 50 до 65%;
• до 25%;
• до 75%.
• от 25 до 35%;

Способ применения

Как он разделен на группы ОПГС (что это такое — уже расшифровано), так и бетон бывает разных типов. Все зависит от того, где и для чего он используется. Стандартный способ приготовления: взять четыре части смеси, одну цемента и ½ части воды. Некоторые ингредиенты определяются по весу. Когда готовится бетон для укладки фундамента, оптимальное соотношение частей — 1: 8. Учитывая количество щебня в составе, вид цемента, который берется для приготовления смеси, получается бетон необходимой марки. В дорожном строительстве некоторые слои основания или верхней поверхности дороги сделаны из OPGS. В строительстве домов бетон используют не только для фундаментов, но и для цементных стяжек, для бетонных полов. На территории вокруг здания также выполняется ландшафтный дизайн с помощью бетона и смеси ОПГС.

Особенности смеси

Как строительный материал смесь очень доступна по цене и пользуется большой популярностью в строительных работах. Ведь он отлично выравнивает поверхности. Это качество особенно полезно при строительстве дорог. Покупая обогащенную песчано-гравийную смесь для строительства, следует обратить внимание на некоторые ее параметры: к какой группе она относится, каков процент в ней частей глины, пыли, ила. Все эти показатели влияют на стоимость ОПГС. Что это такое и как узнать процент всех включений? Оно не должно превышать 3% от общей массы. Стоит обратить внимание, какие фракции у щебня — они не должны превышать 40 мм. Вся информация указывается в документах, подтверждающих соответствие смеси требованиям ГОСТ.

404: Страница не найдена

Архитектура приложения

Страница, которую вы пытались открыть по этому адресу, похоже, не существует. Обычно это результат плохой или устаревшей ссылки. Мы извиняемся за любые неудобства.

Что я могу сделать сейчас?

Если вы впервые посещаете TechTarget, добро пожаловать! Извините за обстоятельства, при которых мы встречаемся. Вот куда вы можете пойти отсюда:

Поиск

• Узнайте последние новости.
• Наша домашняя страница содержит последнюю информацию об архитектуре приложений.
• Наша страница «О нас» содержит дополнительную информацию о сайте, на котором вы находитесь, «Архитектура приложений».
• Если вам нужно, свяжитесь с нами, мы будем рады услышать от вас.

Просмотр по категории

Качество ПО

• 
  Платформа Postman API будет использовать Akita для укротения мошеннических конечных точек

  Открытие и наблюдаемость Akita позволит использовать недокументированные API-интерфейсы в системе проектирования и тестирования Postman, чтобы вывести их на …

• 
  Как использовать методы тестирования на основе спецификаций

  Методы, основанные на спецификациях, могут играть роль в эффективном покрытии тестами. Выбор правильных методов может обеспечить тщательную …

• 
  GitHub Copilot Chat стремится заменить Google для разработчиков

  Публичная бета-версия Copilot Chat на GitHub развертывает интеграцию GPT-4, которая встраивает помощника чата в Visual Studio, но касается . ..

Облачные вычисления

• 
  Навигация по проблемам выставления счетов за использование нескольких облаков

  Отслеживание облачных счетов из нескольких облаков или учетных записей может быть сложным. Узнайте, как идентифицировать мультиоблачный биллинг…

• 
  5 лучших практик оптимизации затрат Google Cloud

  Стоимость всегда является главным приоритетом для предприятий. Для тех, кто рассматривает Google Cloud или текущих пользователей, откройте для себя эти оптимизации …

• 
  Как создавать моментальные снимки Amazon EBS и управлять ими через интерфейс командной строки AWS
  Моментальные снимки

  EBS являются важной частью любой стратегии резервного копирования и восстановления данных в развертываниях на основе EC2. Ознакомьтесь с тем, как …

TheServerSide.com

• 
  Опасности импорта Python и как обезопасить предприятия

  Оператор импорта Python несет в себе угрозу безопасности, которую должны остерегаться разработчики и предприятия. Вот как это работает…

• 
  Scrum против SAFe: как выбрать между лучшими Agile-фреймворками

  Какая структура Agile лучше всего подходит для вашей организации: Scrum или SAFe? Следуйте этим рекомендациям и советам, чтобы определить …

• 
  Понимание декоратора метода TypeScript

  В этом руководстве рассматриваются декораторы методов TypeScript, повторно используемый код, аналогичный аннотациям Java, который позволяет разработчикам применять логику …

Что такое моделирование данных? — Определение из SearchDataManagement

Управление данными

К

• Крэйг Стедман,
  Отраслевой редактор
• Джек Воган

Что такое моделирование данных?

Моделирование данных — это процесс создания упрощенной схемы программной системы и содержащихся в ней элементов данных с использованием текста и символов для представления данных и их потоков. Модели данных предоставляют план для разработки новой базы данных или реинжиниринга устаревшего приложения. В целом моделирование данных помогает организации эффективно использовать свои данные для удовлетворения потребностей бизнеса в информации.

Модель данных можно рассматривать как блок-схему, иллюстрирующую объекты данных, их атрибуты и отношения между объектами. Это позволяет командам по управлению данными и аналитике документировать требования к данным для приложений и выявлять ошибки в планах разработки до того, как будет написан какой-либо код.

Кроме того, модели данных могут быть созданы путем обратного проектирования, когда они извлекаются из существующих систем. Это делается для документирования структуры реляционных баз данных, созданных на разовой основе без предварительного моделирования данных, и для определения схем для наборов необработанных данных, хранящихся в озерах данных или базах данных NoSQL, для поддержки конкретных аналитических приложений.

Для чего выполняется моделирование данных?

Моделирование данных является основной дисциплиной управления данными. Обеспечивая визуальное представление наборов данных и их бизнес-контекста, он помогает точно определить потребности в информации для различных бизнес-процессов. Затем он определяет характеристики элементов данных, которые будут включены в приложения и в структуры базы данных или файловой системы, используемые для обработки, хранения и управления данными.

Эта статья является частью

Моделирование данных также может помочь установить общие определения данных и внутренние стандарты данных, часто в связи с программами управления данными. Кроме того, он играет большую роль в процессах архитектуры данных, которые документируют активы данных, отображают, как данные перемещаются через ИТ-системы, и создают концептуальную структуру управления данными. Модели данных являются ключевым компонентом архитектуры данных, наряду с диаграммами потоков данных, архитектурными чертежами, унифицированным словарем данных и другими артефактами.

Традиционно модели данных создавались специалистами по моделированию данных, архитекторами данных и другими специалистами по управлению данными при участии бизнес-аналитиков, руководителей и пользователей. Но моделирование данных теперь также является важным навыком для специалистов по данным и аналитиков, занимающихся разработкой приложений бизнес-аналитики, а также более сложных приложений для науки о данных и расширенной аналитики.

Какие существуют типы моделей данных?

Разработчики моделей данных

используют три типа моделей для отдельного представления бизнес-концепций и рабочих процессов, соответствующих объектов данных и их атрибутов и отношений, а также технических структур для управления данными. Модели обычно создаются по мере того, как организации планируют новые приложения и базы данных. Вот различные типы моделей данных и то, что они включают:

1. Концептуальная модель данных . Это высокоуровневая визуализация бизнес-процессов или аналитических процессов, которые будет поддерживать система. Он отображает виды необходимых данных, взаимосвязь различных бизнес-объектов и связанные с ними бизнес-правила. Руководители предприятий являются основной аудиторией концептуальных моделей данных, которые помогают им увидеть, как система будет работать, и убедиться, что она соответствует потребностям бизнеса. Концептуальные модели не привязаны к конкретным базам данных или прикладным технологиям.
2. Логическая модель данных. После завершения концептуальной модели данных ее можно использовать для создания менее абстрактной логической модели. Логические модели данных показывают, как связаны объекты данных, и описывают данные с технической точки зрения. Например, они определяют структуры данных и предоставляют подробную информацию об атрибутах, ключах, типах данных и других характеристиках. Техническая сторона организации использует логические модели, чтобы помочь понять необходимые проекты приложений и баз данных. Но, как и концептуальные модели, они не связаны с конкретной технологической платформой.
3. Физическая модель данных. Логическая модель служит основой для создания физической модели данных. Физические модели специфичны для системы управления базами данных (СУБД) или прикладного программного обеспечения, которое будет реализовано. Они определяют структуры, которые база данных или файловая система будут использовать для хранения данных и управления ими. Сюда входят таблицы, столбцы, поля, индексы, ограничения, триггеры и другие элементы СУБД. Разработчики баз данных используют физические модели данных для создания проектов и схем баз данных.

Эти три типа моделей данных подходят друг другу как часть общего процесса моделирования.

Методы моделирования данных

Моделирование данных возникло в 1960-х годах, когда базы данных стали более широко использоваться на мейнфреймах, а затем и на миникомпьютерах. Это позволило организациям привнести согласованность, воспроизводимость и дисциплинированное развитие в обработку данных и управление ими. Это все еще так, но методы, используемые для создания моделей данных, развивались вместе с развитием новых типов баз данных и компьютерных систем.

Это подходы к моделированию данных, которые наиболее широко использовались на протяжении многих лет, в том числе несколько, которые были в значительной степени вытеснены более новыми методами.

1. Иерархическое моделирование данных

Иерархические модели данных организуют данные в виде дерева родительских и дочерних записей. У дочерней записи может быть только один родитель, что делает этот метод моделирования «один ко многим». Иерархический подход зародился в базах данных мэйнфреймов — наиболее известным примером является IBM Information Management System (IMS). Хотя иерархические модели данных в основном были вытеснены реляционными, начиная с XIX в.В 80-х годах IMS по-прежнему доступна и используется многими организациями. Подобный иерархический метод также используется сегодня в XML, официально известном как Extensible Markup Language.

2. Моделирование сетевых данных

Это также был популярный вариант моделирования данных в базах данных мэйнфреймов, который сейчас используется не так часто. Сетевые модели данных расширены за счет иерархических моделей, позволяя дочерним записям быть связанными с несколькими родительскими записями. Конференция по языкам систем данных, ныне не существующая группа технических стандартов, обычно называемая CODASYL, приняла спецификацию сетевой модели данных в 1969. По этой причине сетевой метод часто называют моделью CODASYL.

3. Моделирование реляционных данных

Реляционная модель данных создавалась как более гибкая альтернатива иерархической и сетевой. Реляционная модель, впервые описанная в технической статье 1970 года исследователем IBM Эдгаром Ф. Коддом, отображает отношения между элементами данных, хранящимися в разных таблицах, содержащих наборы строк и столбцов. Реляционное моделирование подготовило почву для развития реляционных баз данных, и их широкое распространение сделало его доминирующим методом моделирования данных к середине 19 века.90-е.

4. Моделирование данных «сущность-связь»

Разновидность реляционной модели, которую также можно использовать с другими типами баз данных, модели сущность-связь (ER) визуально отображают сущности, их атрибуты и отношения между различными сущностями. Например, атрибуты объекта данных о сотрудниках могут включать фамилию, имя, количество лет работы и другие соответствующие данные. Модели ER обеспечивают эффективный подход к процессам сбора и обновления данных, что делает их особенно подходящими для приложений обработки транзакций.

Это модель данных «сущность-связь», созданная на основе образца базы данных Microsoft AdventureWorks.

5.

Моделирование размерных данных

Многомерные модели данных в основном используются в хранилищах данных и витринах данных, которые поддерживают приложения бизнес-аналитики. Они состоят из таблиц фактов, содержащих данные о транзакциях или других событиях, и таблиц измерений, в которых перечислены атрибуты сущностей в таблицах фактов. Например, таблица фактов может детализировать покупки продуктов клиентами, а связанные таблицы измерений содержат данные о продуктах и ​​клиентах. Известными типами многомерных моделей являются схемы «звезда», которые соединяют таблицу фактов с различными таблицами измерений, и схемы «снежинка», которые включают несколько уровней таблиц измерений.

Эта многомерная модель данных была создана на основе образца базы данных Microsoft AdventureWorks.

6. Объектно-ориентированное моделирование данных

По мере развития объектно-ориентированного программирования в 1990-х годах и разработки поставщиками программного обеспечения объектных баз данных также возникло объектно-ориентированное моделирование данных. Объектно-ориентированный подход похож на метод ER в том, как он представляет данные, атрибуты и отношения, но он абстрагирует сущности в объекты. Различные объекты с одинаковыми атрибутами и поведением можно сгруппировать в классы, а новые классы могут наследовать атрибуты и поведение существующих. Но объектные базы данных остаются нишевой технологией для конкретных приложений, что ограничивает использование объектно-ориентированного моделирования.

Это пример графовой модели данных с узлами, соединенными ребрами.

7. Моделирование графических данных

Графовая модель данных является более современным ответвлением сетевых и иерархических моделей. Обычно в паре с базами данных графов он часто используется для описания наборов данных, содержащих сложные отношения. Например, графовое моделирование данных является популярным подходом в социальных сетях, механизмах рекомендаций и приложениях для обнаружения мошенничества. Модели данных графа свойств являются распространенным типом — в них узлы, которые представляют объекты данных и документируют их свойства, связаны отношениями, также известными как ребра или ссылки, которые определяют, как разные узлы связаны друг с другом.

Что такое процесс моделирования данных?

В идеале концептуальные, логические и физические модели данных создаются в последовательном процессе, в котором участвуют члены группы управления данными и бизнес-пользователи. Вклад руководителей предприятий и рабочих особенно важен на этапах концептуального и логического моделирования. В противном случае модели данных могут не полностью отражать бизнес-контекст данных или удовлетворять информационные потребности организации.

Как правило, специалист по моделированию данных или архитектор данных инициирует проект моделирования, опрашивая заинтересованные стороны бизнеса для сбора требований и сведений о бизнес-процессах. Бизнес-аналитики также могут помочь разработать как концептуальную, так и логическую модели. В конце проекта физическая модель данных используется для передачи конкретных технических требований разработчикам баз данных.

Питер Эйкен, консультант по управлению данными и адъюнкт-профессор информационных систем в Университете Содружества Вирджинии, во время вебинара Dataversity 2019 года перечислил следующие шесть шагов для проектирования модели данных:

• Определите бизнес-объекты, представленные в наборе данных.
• Определите ключевые свойства для каждой сущности, чтобы различать их.
• Создайте черновой вариант модели сущность-связь, чтобы показать, как связаны сущности.
• Определите атрибуты данных, которые необходимо включить в модель.
• Сопоставьте атрибуты с сущностями, чтобы проиллюстрировать значение данных для бизнеса.
• Завершите работу над моделью данных и проверьте ее точность.

Даже после этого процесс обычно не завершается: модели данных часто необходимо обновлять и пересматривать по мере изменения активов данных организации и потребностей бизнеса.

Это шесть шагов, которые необходимо выполнить при разработке модели данных.

Преимущества и проблемы моделирования данных

Хорошо спроектированные модели данных помогают организации разработать и внедрить стратегию работы с данными, которая в полной мере использует их данные. Эффективное моделирование данных также помогает гарантировать, что отдельные базы данных и приложения содержат правильные данные и разработаны с учетом бизнес-требований по обработке данных и управлению ими.

Другие преимущества моделирования данных включают следующее:

• Внутреннее соглашение по определениям данных и стандартам. Моделирование данных поддерживает усилия по стандартизации определений данных, терминологии, концепций и форматов в масштабах всего предприятия.
• Расширение участия бизнес-пользователей в управлении данными. Поскольку моделирование данных требует участия бизнеса, оно поощряет сотрудничество между группами управления данными и заинтересованными сторонами, что в идеале приводит к улучшению систем.
• Более эффективная разработка базы данных при меньших затратах. Предоставляя разработчикам баз данных детальный план для работы, моделирование данных оптимизирует их работу и снижает риск ошибок проектирования, которые потребуют пересмотра позже в процессе.
• Более эффективное использование доступных данных. В конечном счете, хорошее моделирование данных позволяет организациям более продуктивно использовать свои данные, что может привести к повышению эффективности бизнеса, новым деловым возможностям и конкурентным преимуществам по сравнению с конкурирующими компаниями.

Однако моделирование данных — это сложный процесс, который может оказаться трудным для успешного выполнения. Вот некоторые из распространенных проблем, из-за которых проекты по моделированию данных могут сбиться с пути:

• Отсутствие организационной приверженности и деловой заинтересованности. Если корпоративные и бизнес-руководители не согласны с необходимостью моделирования данных, трудно добиться необходимого уровня участия бизнеса. Это означает, что команды управления данными должны заблаговременно заручиться поддержкой руководства.
• Непонимание со стороны бизнес-пользователей. Даже если заинтересованные стороны бизнеса полностью привержены делу, моделирование данных — это абстрактный процесс, который людям может быть трудно понять. Чтобы избежать этого, концептуальные и логические модели данных должны основываться на бизнес-терминологии и концепциях.
• Сложность моделирования и увеличение объема. Модели данных часто бывают большими и сложными, и проекты моделирования могут стать громоздкими, если команды продолжают создавать новые итерации, не завершая проекты. Важно установить приоритеты и придерживаться достижимого масштаба проекта.
• Неопределенные или неясные бизнес-требования. В частности, с новыми приложениями бизнес-сторона может не иметь полностью сформированных информационных потребностей. Разработчикам моделей данных часто приходится задавать ряд вопросов, чтобы собрать или уточнить требования и определить необходимые данные.

Последнее обновление: декабрь 2021 г.

Продолжить чтение О моделировании данных

• Советы по проектированию модели данных, которые помогут стандартизировать бизнес-данные

• Моделирование данных и архитектура данных: в чем разница?

• Как справляться с трудностями процесса моделирования данных

• 5 принципов хорошо спроектированной архитектуры данных

• Моделирование концептуальных данных начинается с вариантов использования в бизнесе

Углубитесь в интеграцию данных

• абстракция данных

  Автор: Роберт Шелдон

• Как правильно выбрать историю данных для вашей аудитории

  Автор: Technics Publications

• Что такое архитектура данных? Схема управления данными

  Автор: Крейг Стедман

• 7 методов и концепций моделирования данных для бизнеса

  Автор: Рик Шерман

Бизнес-аналитика

• 
  5 преимуществ облачной бизнес-аналитики по сравнению с локальными решениями

  BI, перемещающийся из локальной среды в облачную, использует операционные усовершенствования и преимущества. Оптимизация этих инструментов создает более …

• 
  Collins Aero сокращает задержки рейсов с помощью платформы Databricks

  Инструменты поставщика хранилища данных составляют основу аналитических продуктов, призванных помочь авиакомпаниям прогнозировать и предотвращать …

• 
  Teradata делает VantageCloud Lake доступным в Azure

  Делая свою облачную платформу изначально доступной в Azure, поставщик средств управления данными и аналитики стремится более …

ПоискAWS

• 
  AWS Control Tower стремится упростить управление несколькими учетными записями

  Многие организации изо всех сил пытаются управлять своей огромной коллекцией учетных записей AWS, но Control Tower может помочь. Услуга автоматизирует…

• 
  Разбираем модель ценообразования Amazon EKS

  В модели ценообразования Amazon EKS есть несколько важных переменных. Покопайтесь в цифрах, чтобы убедиться, что вы развернули службу. ..

• 
  Сравните EKS и самоуправляемый Kubernetes на AWS
  Пользователи

  AWS сталкиваются с выбором при развертывании Kubernetes: запустить его самостоятельно на EC2 или позволить Amazon выполнить тяжелую работу с помощью EKS. См…

Управление контентом

• 
  5 шагов для интеграции механизма персонализации контента в CMS

  В современном деловом мире основное внимание уделяется обслуживанию клиентов, и персонализированный контент может иметь большое значение для достижения …

• 
  7 советов по созданию базы знаний

  База знаний предлагает самообслуживание для клиентов и сотрудников. Организации могут собирать отзывы и формировать культуру …

• 
  4 шаблона статей базы знаний

  Базы знаний могут улучшить клиентский опыт и производительность сотрудников, но организации могут не знать, с чего начать. Откройте для себя четыре шаблона. ..

ПоискOracle

• 
  Oracle ставит перед собой высокие национальные цели в области ЭУЗ с приобретением Cerner

  Приобретя Cerner, Oracle нацелилась на создание национальной анонимной базы данных пациентов — дорога, заполненная …

• 
  Благодаря Cerner Oracle Cloud Infrastructure получает импульс

  Oracle планирует приобрести Cerner в рамках сделки на сумму около 30 миллиардов долларов. Второй по величине поставщик электронных медицинских карт в США может вдохнуть новую жизнь в …

• 
  Верховный суд встал на сторону Google в иске о нарушении авторских прав на Oracle API

  Верховный суд постановил 6-2, что API-интерфейсы Java, используемые в телефонах Android, не подпадают под действие американского закона об авторском праве, положив конец …

ПоискSAP

• 
  Доходы SAP от облачных вычислений растут, но реакция Уолл-стрит снижается

  Акции SAP упали после неутешительного отчета о прибылях и убытках, но аналитики говорят, что у компании хорошие позиции, а покупательский спрос высок .