
解析大数据如何改变企业应用
毋庸置疑,大数据将会对企业数据的应用与处理带来巨大的改变。但关于大数据Hadoop、内存处理等相关技术给企业应用前景所带来的影响却是极少进行讨论的。
“当大数据技术融入到企业业务流程和企业应用程序当中时,就会体现出它真正的价值。”SAP大数据战略负责人David
Jonker说。“一个整体的操作平台可以简化您的IT环境,在这个平台当中内置很多重要的应用程序,这些应用程序可以解决非常具体化的问题,所以这也就是我们启动这项SAP大数据策略的根本目的。”
这也就是为什么目前SAP正在建设许多企业应用程序的原因-包括客户关系管理(CRM)和已广泛使用的ERP解决方案-企业最高级的内存处理平台,高性能分析设备(HANA)。HANA也是一种商业智能分析解决方案。
内存技术的优势
虽然许多关于大数据的讨论都集中在存储和大型数据集的处理方面,Jonker说道,其实大多数企业的数据量都是处在可处理范围内的。真正阻挠企业的则是其速度或是流速,它们是处理和分析的关键因素。
内存处理需要解决的是保留在内存中的数据流速问题,而不是存储在磁盘上的数据。而在内存平台上构建企业应用程序则会大大改善这些工作,他解释道。
而非将ERP或CRM数据设定在三至六个月的限制时间之内,然后加载到数据库中;而是在企业应用程序本身当中保留公司的历史数据,并且不会降低应用程序的性能。同时还简化了支持这些应用程序所需的基础设置,Jonker说道。
他说:“对于交易和分析的所有详细信息都可以运行在同一系统当中,无需进行这些数据或多维数据的汇总,也无需处理掉这些数据。你可以将这些数据全部保留在系统中,所以这样的解决方案会大大降低成本。并且这种解决方案也将大大简化总体复杂性。”
SAP已经更新了30多种HANA内存处理平台应用程序。
Hadoop的利用
内存技术并不是改变企业应用建设的唯一大数据技术。通过提供Hadoop服务的MapR技术公司市场营销副总裁Jack Norris,我们了解到新兴企业也会使用大数据开源工具Hadoop作为一个提供新应用程序的平台。
“一些Web 2.0的企业会依据Hadoop来建立相关业务,使用Hadoop作为底层引擎。”Norris说道。“Ancestry.com做了一整套家族关系匹配应用,他们现在甚至具有DNA匹配服务。Hadoop则是这个应用处理的核心。”
“所以,它不仅仅使商业智能化或进行对现有数据库的处理,更是达到了用户们所追求的快速成本效益的目的。它对企业的营收带来了巨大的影响力,并开启了真正的多种新可能。”
他补充说道,Xactly公司就是利用Hadoop来改变CRM的最好例子。这是一套销售薪酬管理解决方案,基于Salesforce的CRM,并且是集成在云中的解决方案。
“他们其实是将Hadoop集成到他们的产品当中,意在为客户提供额外的度量和数据分析服务。” Norris说。
尽管大数据解决方案是以传统应用程序为前提的新应用和新功能的基础,但那并不意味着大多数企业已经开始使用大数据了,BI思想领导者和SAS分析供应商副总裁Jill
Dyché告诉我们,事实上,当他们开始提出使用大数据技术的倡议时,甚至都未必开始使用那些应用程序中的数据。
大数据和CRM
“你能使用ERP作为大数据项目的来源吗?绝对可以!哪些人开始实施了?目前尚未有人去实践。” Dyché说。
通常,企业在使用像Hadoop这种系统来加快现有的业务流程,例如信用风险评估与评分或是处理社交媒体数据进行更有针对性的营销等等,专家说。为此,可从CRM系统中牵引出大数据项目。Dyché解释说,事实上,最终它能够帮助企业实现他们所一直希望CRM能够做到的事情:让他们能够更好地针对他们现有的客户进行营销活动。
“对较少客户的相关话题进行更细致的划分,这是完全可以实现的。”她说。“大概在十五年前,当一天结束时,我的CRM系统仅仅是能够自动处理我的电话薄,它并不能帮助我洞悉客户,进行特殊市场的细分,以及捕捉客户特定的采购行为与喜好。现在,有了大数据技术我们不仅可以完成上述操作,并且能够向下挖取更多行为细节,其处理速度也非常之快。”
大数据和商务智能
如今,大数据已被广泛使用在商务智能和分析应用程序等方面。在过去的一年BI和分析厂商们都在急于迎接Hadoop的到来。
一些公司,包括具有SAS高性能分析服务器的SAS和具有InfoSphere的IBM,都纷纷推出内置BI工具的内存平台或是Hadoop平台。Dyché说,但几乎普遍地,如今在BI工具中支持Hadoop平台功能的,至少都具备以下两种方法当中的一种:
集成连接器,可以很容易地将数据从Hadoop转移到其它工具上。
数据可视化工具,可以更容易地从Hadoop当中进行数据分析。
即使是具备内存线路的SAP,当意识到Hadoop中具备大数据处理系统时,它便为SAP BI和Business Objects与Hadoop之间提供了有效的连接途径。
所以,这也就足以证明了,大数据技术正在改变企业应用,而且更多的系统也都在支持大数据技术。但要谈及这些技术最终将如何改变企业的建设与使用,都还言之尚早。
“当大数据真正的价值被完全实现时,我们现有的状况将会变得更好,但那也是我们去设想更多可能性的时候。”Jonker说。“下一阶段,我们将对我们的企业业务运行进行更多的设想,在这些方面,我们还能做些什么?业务的运行是否会有一个崭新的、与现在不同的方式吗?这将会持续带来更多的创新。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10