
大数据连续上榜两会 iUAP誓做平台支撑
每年的“两会”期间,网民都会热议代表们的提案。媒体是关注者也是报道者,有些媒体还用“大数据”技术来分析两会代表们的属性,比如年龄、职业、学历、性别等。一个个具体而生动的数字让民众更了解两会及代表。大数据就是如此神奇,可以让一个你看似高深的问题变得更直接、易懂。
“大数据”近两年热度一直不减,两会提案都时常看到这个词。2013年,安徽移动总经理郑杰在提案中建议“大数据应该上升为国家战略”。2014年雷军建议“加快实施大数据国家战略”。随着大数据技术的成熟以及应用的成果初现,2015年两会提案中,“大数据”更是一个热词,且内容更落到实处。
金融行业,全国政协委员、建行原监事长谢渡扬建议:将银行业作为重点示范行业,率先启动,以带动和推动大数据应用在我国的发展;公共外交层面,完美世界CEO萧泓提出:将大数据应用于公共外交领域,以进行国家品牌建设。建议中国涉公共外交部门应建构基于大数据思维的新型决策机制。
从不同时间,不同的提案内容可以看出,大数据已经慢慢发展为整个产业的应用高度。起初,大数据是企业用于研究内部数据,之后延伸向外部数据尤其重点放在消费数据上,以研究客户行为。再成熟些,就是社 会大数据,即将大数据应用到整个社 会和产业中,以此作为产业发展的研究依据,从而促进社 会发展。这是大数据发展的规律。
“对于处于不同行业的企业而言,若想从大数据中获取创新的源泉,不妨从三大战略入手:产品战略、客户战略、生态系统战略。“记者采访用友集团iUAP中心大数据分析高级专家曾小青博士时,他给企业提出了这样一个建议。
曾小青表示,这从大数据对企业由浅到深的价值可以很好体现。
价值一:重塑客户行为。 利用客户交互数据重塑客户行为,这类数据使企业可以预测和引导市场尚未出现的需求,进而创造新的利润。比如Amazon推荐;
价值二:开发新产品和服务。企业借助数据获取洞见,支持日常业务以服务于现有市场和客户。瞄准新市场创新和设计全新的业务模式。比如个性化车险;
价值三:数据生态系统视野。企业可以从生态系统中的其他企业处获得补充数据。这种生态系统以适当的合作战略为基础。比如百 度开发数据。
然而,大部分机构和传统企业都普遍面临着大数据应用困境,曾小青博士用三个字来概括“大、快、智”。大,数据存储与计算规模瓶颈;快,数据数据处理技术不够高效;智慧,数据分析技术不够智能。
“我们iUAP其中就包含大数据技术,希望以平台的方式,来解决大数据的应用困境”曾小青告诉记者,用友iUAP企业互联网开放平台包括了大数据、移动、云计算、企业社交等核心技术。其中的数据平台,就是将大数据存储、分析和智能化处理等一整套核心能力通过平台化方式对伙伴提供服务。合作伙伴和传统企业将能够使用iUAP的大数据架构,通过处理机构和企业自身积累的大数据,进行挖掘处理,来改造和优化传统行业的企业管理、产品服务设计、商业模式等环节,为创新发展装上全新的动力引擎。用友iUAP所包含的大数据产品有数据平台和商业分析平台。通过这两个部分可以很好解决大数据“大“、”快“、”智“的问题。
数据平台架构
商业分析平台即用友BQ。用友BQ利用大数据处理技术,能够将各类数据进行快速整合,实现对海量数据的加速处理与实时分析,再通过丰富的数据可视化手段,提供商业分析决策支持所需的数据和信息,灵活快速地响应管理和业务变化,为企业和公共组织搭建一套灵活、完善的辅助决策分析体系。
用友BQ商业分析平台架构
数据平台又包含UDH大数据平台和AE数据处理平台。他们可满足企业结构化、非结构化数据统一处理,分析与实务统一处理的需求。可支撑各种可能的业务形态。
第一,大。实时集成可支持5000个在线用户,产生的业务数据集成延迟小于1秒;支持PB级大规模数据管理能力,支持传统数据库、Hadoop、大规模MPP集群,支持海量结构化数据10T以上;UDH的非结构化数据管理能力,可达到单集群100台以上;非机构化数据分析能力,每天可处理约数据量120TB,200亿条。
第二,快。用友BQ采用列存、自适应压缩、水平分区、智能索引、并行处理等技术,如果完全在内存中计算,比Hadoop MapReduce快100倍以上;如果包含磁盘数据,则快10倍以上,可实现最高50倍的分析场景性能提升。BQ基于AEDI实时处理,在内存进行数据计算,整个过程数据无落地,使用户可实时获取分析信息。
第三,智。用友BQ支持移动分析,可带来良好的可视化移动操作和高效的性能体验;数据可视化,可以很直观灵活的表达分析结果。比如提高数据地图、销售地图,无论离线和在线都可以跟这些可视化的地图整合;用友BQ里预置了丰富的算法和模型,降低客户实施数据挖掘的难度。可高性价比,大幅降低数据挖掘项目的实施成本,使大多数企业都用上数据挖掘。
另外,曾小青博士告诉记者,BQ利用iUAP 云平台完成私有云、社区云、混合云等各种复杂的云端部署。实现了应用服务器、数据库的弹性扩展,支持弹性负载均衡和自动伸缩,支持移动、社交、大数据分析、等各种新型应用。
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