
华为大数据的创新之路
华为始终秉承着以客户为中心的理念,反映在大数据领域,就是要贴近行业典型客户进行联合创新,有针对性地提供平台解决方案,并引领合作伙伴在平台上持续构建价值应用。
历史的车轮驶入2015年,人们对大数据的关注焦点,已经从之前的概念炒作,发展到如何通过大数据为客户业务创造价值。未来,数据将以十倍、百倍的速度增长,信息"过载"已经成为许多企业的一大症结。即使是石油,在开采出来之后,还需要经过冶炼、蒸馏、精制等,才能为社会创造价值。企业的数据,如果不能快速地抽取、分析和变现,也将成为企业的沉重负担。
在各行各业受到互联网冲击的年代,客户需要的不仅仅是供应商,更是合作伙伴;需要的是持续的联合创新、持续的开放解决方案供应、持续的咨询服务,这样才能帮助客户直面竞争和挑战,甚至成功逆袭。
FusionInsight:累计成功部署500+项目
大数据已成为华为未来的战略方向之一。从2009年起,华为就开始有节奏地投入大数据,如今已经取得开源社区、客户和生态伙伴的共同认可。其具体举措包括:在ApacheHadoop和Spark社区投入高级专家持续贡献内核代码,已取得社区排名全球第4的成绩;2011年发布第一个平台版本,成功帮助电信运营商改善了基站投资结构,大幅降低了高端客户的离网率;2013年发布全新架构的FusionInsight大数据平台,并快速在金融、公安、政府和教育等行业取得突破,已累计成功部署了500+项目,同时,已有200+合作伙伴的行业方案采用了FusionInsight平台。
华为始终秉承着以客户为中心的理念,反映在大数据领域,就是要贴近行业典型客户进行联合创新,有针对性地提供平台解决方案,并引领合作伙伴在平台上持续构建价值应用。
FusionInsight的整体结构分为三层:最底层的DataOS是基石,可支持主流的开源处理引擎--MapReduce批处理、Spark内存迭代、STORM流处理,以及华为自研的MPPDB,它是业内唯一的全栈企业发行版,可满足不同场景的数据处理需求。同时,自研的Elk可支持企业的SQL应用无缝迁移到大数据平台;中层的DataFarm是伯乐,是让数据有效流动起来的关键所在,支持ISV利用平台能力进行多源数据的实时集成,支持各类开源的算法库,使能客户和伙伴的挖掘能力,帮助数据分析师不断地进行试错和模型训练;最上层的行业增强解决方案是加速器,在DataOS和DataFarm的基础上,针对行业典型大数据场景(比如金融业的风控),有针对性地优化并预置参数、算法、模型和逻辑包,大大缩短了基于大数据的新业务上线时间,满足了在线应用的高要求,填补了企业高要求与无序开源的空白,最后联合ISV开发上层应用,提供关键场景的端到端解决方案。
大数据:走向企业生产和关键业务
FusionInsight在平台水平能力上持续做厚,支持多集群统一管理及多租户、容灾备份、存储EC、数据加密、OMS支持HA等高级特性,支持全Web化的交互式体验,以及不断丰富的数据治理工具,让大数据从企业的实验平台走向生产、走向关键业务。
金融行业近年来受互联网冲击很大,去中介化让金融脱媒、客户脱媒、甚至信息脱媒甚嚣尘上,各大银行倍感压力。2014年,随着以FusionInsight为代表的大数据解决方案开始走向商用,这一局面开始得到改观。比如,国内一家领先的商业银行在采用了华为的FusionInsight进行潜在小微贷款客户的全量挖掘后,其名单转化率比采用传统的数据仓库提升了40倍,或有金融资产预测误差率则降低了一倍;另一家银行过去主要通过批量发送推荐短信的方式开展营销活动,无法做到个性化,致使客户多有抱怨,而采用FusionInsight后,理财推荐的短信发送量比过去下降了82%,而命中率却上升到了95%,真正实现了千人千面的精准营销;还有一家银行在信用卡征信采用FusionInsight后,其发卡时间从15天大幅缩减到了立等可取,在安全性更好的前提下达到了实时体验。
交通管理是典型的大数据行业,其数据特点也是非常典型的5V,面临着新形势下的反恐压力及人均警力严重不足的困境。华为FusionInsight帮助中国某省的公安部门实现了上千个数据库的高效集中,形成了统一的大数据平台,强大的SQL能力帮助交管部门无缝迁移了应用,支持秒级发现套牌车、分钟级发现同行车、实时交互查询高危车辆、自学习优化交通网络效率,用智能的方法有效缓解了城市拥堵。
在政府行业,很多政府部门都拥有海量的价值数据,但这些数据高度分散,应用也呈现烟囱式分布。华为通过将其FusionInsight大数据平台与FusionSphere云平台联合,正在为多个政府部门建设统一的大数据云数据中心,将云计算和大数据结合,实现了大数据能力的服务化,让数据能更加高效地开放,更好地服务于民生。
电信行业也是数据高度密集的行业,电信运营商更是应用大数据的先行者,华为较早就进入了这个领域,通过FusionInsight平台帮助全球多个TOP运营商构筑了融合的大数据中心。比如,中国某省的运营商利用FusionInsight实现了VIP客户的预防性维挽,并优化了基站的投资分布,当年就为该客户节省了几百万元的支出,同时,通过开放技术还让客户的移动位置数据很好地服务于各级广告主,让数据真正变现成了货币。
上述成绩的取得,离不开华为各级合作伙伴的大力支持,FusionInsight发布之初就非常注重生态链的构建,每个行业的TOPISV都与华为的大数据实验室成功实现了对接;与此同时,华为近期还与国际领先的数据挖掘厂商SAS签署了战略合作协议,率先在国外某客户成功实现了FusionInsight的商用,迈出了国际化的坚实步伐。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA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 ...
2025-08-18