京公网安备 11010802034615号
经营许可证编号:京B2-20210330
英特尔与SAP共筑大数据分析平台
大数据时代,对于数据的处理需求除了面向更大规模的海量性以外,也需要信息的快速展现。为帮助企业用户提升海量数据分析效率,加速获取实时的业务洞察,进而提升在行业内的竞争优势,英特尔公司携手大数据实时分析领先企业SAP在京举办了主题为“数据芯处理 高效创共赢”的2014英特尔数据中心媒体沟通会。
双方在阐释对大数据市场、应用等方面的最新洞察以及双方协作创新策略的同时,还重点介绍了双方精心打造的、基于英特尔硬件平台的大数据实时分析平台,并现场演示了该解决方案的应用效果。
数据处理需要重架构
大数据实时分析,是英特尔和SAP在本次沟通会上高度聚焦的主题,也是目前大数据应用领域内诸多用户及厂商所共同关注的焦点话题——继过去几年间海量复杂结构数据的存储、清洗、处理、查询和基本的分析功能在开放架构开源平台上得以实现后,对这些数据价值的深度挖掘,特别是实时的分析和挖掘就成了企业用户迫在眉睫的需求,他们都渴望利用新的技术和方案,以更快的大数据分析速度以及更精准的分析结果,来辅助和支持更为高效的商业决策。
英特尔(中国)有限公司数据中心及云计算业务产品市场总监贺晓东表示,数据处理市场的数据中心需要重架构,它会朝着更快、支持更大的数据量和更高的性价比来做。从英特尔来讲,无论用户朝哪个方向走,都有这样的产品、平台,至强的E7、E5来支撑这样一个方向。
英特尔提供的是一个数据分析的数据生命周期的支撑,首先是核心业务系统、数据库、业务数据的收集,比如传统的CRM、ERP等等我们都可以提供至强E7这样的高可用、稳定性的平台来给用户提供数据分析。
“我们提供的是一个可靠的、稳定的、可服务的方案,来满足用户的需求。等到了数据进一步的抽取、梳理,然后把它存档,再进行深度挖掘分析时,这时候需要可弹性扩充的平台,这时候我们可以用E5这样的平台。”贺晓东补充道。
数据中心的发展方向是降低数据的存储、处理,整个流程数据中心的功耗等,英特尔在可管理性方面也会做很多平台化的工作,到最后是表现层,可以通过一个台式机、通过终端、通过平板,甚至手机,形成各种各样的智能可视化报告,英特尔的产品线从性能、可扩展性方面是涵盖整个数据的全生命周期的支撑的。
英特尔与SAP共筑大数据实时分析平台
“作为企业管理软件解决方案提供商,我们一直在聆听企业用户在大数据应用方面的需求和困难,并对自身产品和技术不断进行相应的优化与改进,使之能够符合企业用户日益提升的在计算性能与大数据实时分析方面的需求,”SAP公司数据库及技术平台部售前总监宋一平指出:“很荣幸在这一过程中,我们能够与英特尔公司同行,英特尔持续向我们创新的计算、存储、网络平台,并为我们软件产品在其上的全面优化,以及相关解决方案的验证提供了强有力的支持。”
为满足企业用户对实时分析的迫切需求,英特尔与SAP结合彼此在计算力和数据分析应用上的优势,共同打造了大数据实时分析平台。该平台的基石是具备高性能和高能效,并提供计算、存储和I/O均衡优势的英特尔架构开放硬件平台,部署了SAP强大的、基于内存的数据库和商业智能技术,能够以前所未有的优异性能及数据分析速度,帮助企业用户掘取实时的洞察力,更快地制定更为明智的业务决策,或创造新的业务模式及流程,从而捕获新机遇,并进一步降低业务运营成本。
英特尔与SAP HANA实际上有很长期的合作,差不多有20几年的历史。“HANA在产品研发最初的时候,实际上我们在德国英特尔是有一个团队来支持HANA的整个架构的,保证用户在采用HANA时内存实时数据分析解决方案时用到的是最好的解决方案,当然其中包括硬件平台的解决方案。”宋一平说道。
众所周知,HANA平台是需要认证的,现在HANA在英特尔E7上面是有很详细的认证介绍,这对用户来讲是非常有参考价值的,英特尔和SAP的关注点是如何帮助本地的客户加速把这样的实时分析技术落地。
“英特尔中国和SAP中国打造一个所谓的端到端的大数据解决方案,因为大数据既要有实际的分析,又要有大量、海量的历史数据挖掘,在我们的云创新中心搭建了一个HANA的平台和Hadoop的平台,这里做了这么一个非常优化的调试,如果用户愿意用他的数据在这里做一些尝试性的测试,做一些调优,这块就是非常好的端到端的测试平台,用户如果愿意来的话,可以来做一些测试,我们可以支持各种各样的,比如说从数据的源头到数据的管理,到数据的应用。”贺晓东说道。
“很高兴看到英特尔与SAP的合作从传统数据分析时代一直沿延到大数据分析时代,这种合作可谓优势互补、强强联手,”英特尔(中国)有限公司数据中心及云计算业务产品市场总监贺晓东表示:“基于英特尔架构硬件平台和SAP领先的内存计算和分析技术构建的大数据实时分析平台,就是这种协作创新凝聚的结晶。我们也期待能与更多的合作伙伴及用户携手,围绕开放架构大数据解决方案的开发开展更为广泛的合作,以产出更多多样化、差异化的创新成果,确保每个行业和领域都能在大数据时代获益。”
此外,英特尔与SAP还将继续致力于大数据解决方案的研发与拓展,并将一些关键的大数据革新技术贡献到Hadoop开源社区及相应生态圈内部的大数据合作伙伴,推动大数据技术的落地与数据分析领域的进一步发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09