京公网安备 11010802034615号
经营许可证编号:京B2-20210330
近段时间,广东某外贸企业报关员宋先生,明显感觉到在当地海关部门办理货物报关的时间缩短了不少,海关窗口的报关业务效率显著提升。同宋先生一样,对这种变化感受最为强烈的当属中国海关的工作人员。而这一切变化的背后,依赖的正是全国海关动态数据仓库平台,以最新的云计算概念,为海关提供灵活、动态、高效、可管理的IT与数据服务。
有着46个直属海关单位(广东分署,天津、上海特派办,41个直属海关,2所海关院校),600个隶属海关和办事处,通关监管点近4000个的中华人民共和国海关,数万亿的进出口物流管控和繁杂的业务类型,都离不开信息化的支持。受制于直属机构所处的地理位置,货物运输方式和货物清关量的不同,用户需求的多样化让中国海关意识到,早期分布式数据库部署方式的弊端开始显现出来:数据仓库缺乏分级处理的能力,无法根据报表的优先级进行自动化的处理,这将直接导致影响数据处理的速度,带来效率的降低。
改变,势在必然。实现云数据中心的集中化部署,成为中国海关攻克信息化屏障的首要任务。为此,中国海关动态数据仓库工程项目组决定重新设计和规划全国海关动态数据仓库平台,引入最新的云计算概念,为海关提供灵活、动态、高效、可管理的IT与数据服务。
基于云技术的微软云数据平台——Windows Server 2012进入了项目组视线。中国海关先后在北京、上海、广州等地设立数据中心,各海关直属机构以就近原则将IT系统与数据中心相连接。各数据中心的底层基础架构采用Windows Server 2012云操作系统进行搭建,通过微软最新的Hyper-V 3.0服务器虚拟化技术将所有硬件设备的计算能力整合到一起,形成资源池,以此为上层数据平台及应用提供灵活高效的支持。通过System Center 2012对基础架构进行全面管理,包括虚拟机的分配、云计算管理以及应用程序监控。
在全新的海关数据仓库云平台上,原先需要执行4个小时以上的一个复杂查询,在SQL Server PDW (Parallel Data Warehouse)上仅需2秒即可返回结果。原先最耗时的一个后台数据清洗转换导入ETL作业需要运行5-6个小时,在SQL Server PDW上仅用1分42秒就可以执行完毕。依托Windows Server 2012提供的云计算平台和SQL Server PDW带来的高性能数据仓库,海关的综合管理业务平台提供了即席查询、固定查询、多维分析、报表指标等各种数据处理功能。
云计算与高性能,也让海关各个部门高效联动审批成为可能。现在,业务人员可以几乎实时地通过指标分析发现业务中的风险点,能够立即通过发送联系处置单,要求相应部门进行处置。大幅提升关务处理效率,并为海关未来信息化的发展奠定坚实的基础。
中华人民共和国海关动态数据仓库工程组一位负责人表示:“数据处理是一个很重要的能力。之前海关的数据都由各个部门分散去做,而我们想找到一个解决方案,将这些数据梳理并构建一个体系,从而提升海关整体的数据处理能力。微软的Windows Server 2012私有云平台加上最新的SQL Server 2012数据平台恰恰能够满足我们对灵活性、可管理性和成本效益的需求,使用微软的方案构建起的动态数据仓库,能够对各海关直属单位的业务需求进行分级化处理,从而实现资源的优化配置,实现关务工作效率的全面提升。”
如果说投资IT,采用微软全新的SQL Server 2012数据平台,让代表国门形象的中国海关增色不少,那经常与海关打交道的地中海航运公司则依赖微软SQL Server 2012帮助公司改善速度,控制能力、节约成本,使公司业务进一步扩展。
长期受困于如何在低成本下提供持续不间断的数据访问,保证企业核心业务不受影响,构建集成式高可用性灾难恢复解决方案,地中海航运公司与微软展开了长期紧密合作。通过使用 SQL Server 2012,MSC 可以通过更快速的数据访问,最小化的停机时间,更好的安全性,以及更低的成本获得更快速的增长。“SQL Server 2012 AlwaysOn 功能为我们提供了集成式高可用性与灾难恢复解决方案,可以用更低的成本提供持续不间断的数据访问与更高性能。”地中海航运公司首席技术官Fabio Catassi表示,通过使用 SQL Server 2012,公司可以通过更快速的数据访问,最小化的停机时间,更好的安全性,以及更低的成本获得更快速的增长。
微软云数据平台带给中国海关的价值正惠及着更多中国进出口贸易企业,地中海航运则从16年前在业界排名 20 位,发展到今天按照船舶箱位数和集装箱数量计算的第二大运输商。今天,以灵活、智能著称,兼具最新云技术的微软云数据平台,带给客户的价值还在延续。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24