
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
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14