京公网安备 11010802034615号
经营许可证编号:京B2-20210330
戴尔:大数据炼金术
戴尔大数据亮相2015中国国际大数据大会
未来的一年,企业级用户将加大在商业智能分析和大数据分析上的投入,如:如何提高批量分析效率、规划大数据分析架构,加速业务模式改变,降低数字经济环境下传统业务模式的风险。
善用大数据CIO体验跑车之速
传统IT环境,资源使用管理效率低,成为高成本中心,再加上IT对业务响应速度慢,无法满足互联网+时代下的业务需求,这就难以实现企业的弹性IT交付。最关键的是传统IT架构格局,还阻碍着新应用的部署。
CIO甚至被嘲讽为“Career is Over”,也就是职业生涯即将结束的含义。
戴尔大中华区企业技术战略架构师许良谋认为,通过IT创造价值,以云计算为核心的新IT环境,IT资源使用管理效率得以优化,实现用户自我选择管理IT服务交付,IT对业务的响应速度提高。
CIO可以释放大量IT资源,实现业务创新和IT创造价值。在新IT环境下,具有前瞻性的CIO以跑车的速度成为“战略架构师”,即“Career is Optimizing”,在公司的战略价值迅速提高。
新IT面向未来的解决方案
新IT的战略是什么?在复杂的IT业务环境下,如何实现高效、经济、安全的大数据应用?
从大数据分析到大数据实践,戴尔用未来就绪的IT战略为用户打造了一套数据管理平台和数据分析平台。
这就意味着,戴尔新IT解决方案让企业将爆炸式增长的数据变成业务核心竞争资源,实现通过IT创造价值,通过IT实现业务突破创新。
戴尔自身实践“炼术成金”
戴尔的大数据技术分析平台是经过戴尔公司自身的实践而成的“炼金术”。大数据的实践在戴尔整个生产、销售、市场等各个业务环节中都得到充份的验证。
首先,戴尔公司早在1994年,就成功通过电子商务模式进入中国市场,不仅开启了IT销售模式的一个新纪元,同时打造了一个卓越供应链标杆企业,实现“零”库存管理。其实大数据的实践早已经在戴尔自身的业务运营中展示了完美的成果。
第二,戴尔开启在中国1.0到4.0的时代,戴尔本身就是一互联网+制造的应用典范!无论从生产流程、业务流程还是到商业模式从容应对各种挑战。戴尔成都工厂实现了年总产值突破千亿元,资本支出下降了 50%,节省了高达96%的能源成本,完成戴尔“中国制造”的重要部署。这背后具备了一套强有力的IT系统的支撑。戴尔大数据解决方案更是在生产线和安全上给予重要的价值,高度自动化生产和数据安全的智能分析。
戴尔第一个内部的“大数据”使用方案,通过电商和生产工厂高度自动化流水线控制和数据安全分析系统,
用ETL来作为我们大数据的仓库的实施,最终实现了加速,通过“大数据”Hadoop技术框架,深化高效数据转移,经验证的技术架构,高度工程化解决方案。
第三,戴尔的精准营销智慧决策和分析系统,用SAP HANA来加速。戴尔自身对精准营销的需求,通过实践将它变成一个蓝图。
①首先对硬件、网络、主机进行优化。②结合客户需求,用软件分析达到精准营销效果,无论从数据备份、数据的灾备,或者做性能优化和分析,形成了一个完整的IT体系生态。
值得一提的是,戴尔大数据在SAP HANA技术蓝图基础上,用内存式RealTime的方式来演示,此项创新应用更是获得2015全球SAP HANA最有创意奖。
第四,大数据炼金术除了为戴尔自身的长久发展带来重要价值外,更帮助很多国内外的企业变数据为企业核心竞争力,通过开放的架构让企业从容应对变化,打造未来就绪的IT。
比如戴尔中国和SAP中国为某石油客户做了一个非常庞大的六个维度的新型拓扑,里面的数据多到可怕:181亿条记录,数据分析量超过60TB容量!其中进行了星形模型设计,包含2个事实表数据,明细数据模型、指标汇总模型,6个维度表数据,编号维表、ID维表、组织维度表、人员姓名、三级单位名称、分公司名称。
原有系统是2小时以上才能计算出结果,且易发生中断,采用戴尔Compellent存储全闪存技术在SAP HANA的新商业智能架构后,单个查询缩短到20秒以内,400并发查询运行缩短到10分钟以内!
如何开始大数据战略第一步?
戴尔中国4.0时代,大数据战略如何进一步落地?为了更有效务实的帮助中国用户踏上大数据实践之旅,不久前戴尔与英特尔正式成立了“戴尔中国大数据联盟创新实验室”,用户可以充分了解大数据的使用方法。戴尔通过大数据联盟实验室给客户提供了很好的平台,客户可以通过免费使用这个平台的各种资源并尝试四大应用。
结语通过自身的实践,戴尔搭建了切实可行的大数据技术架构和分析平台,最终让企业用户在大数据之旅中不迷茫,不断的从大数据里获益,在互联网+时代继续跑赢大势!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16