
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29