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
CDA数据分析师 出品 作者:李诗怡 定义: 用户增长核心分析框架,刻画用户从接触产品到自发推荐的全生命周期,五个递进环节构建 ...
2026-09-15在数字化营销与精细化用户运营时代,企业传统的广撒网式营销模式成本高、转化率低,已无法适配精准商业竞争需求。客户画像作为大 ...
2026-09-15 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-09-15在MySQL数据库数据查询与数据分析中,GROUP BY与ORDER BY是使用频率极高的核心关键字。二者语法结构相似,常搭配使用,但核心功 ...
2026-09-14随着数字化治理、智慧运营、数字孪生技术的普及,数字体征成为衡量业务状态、系统运行、城市治理与企业经营健康度的核心体系。数 ...
2026-09-14 很多数据分析师沉迷于复杂的模型和算法,却忽略了数据分析的一项基础能力——描述性统计。事实上,大量商业分析问题,用描述 ...
2026-09-14在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04