
IBM在京召开主题为“凝聚专家力,智赢大数据”的2012 IBM PureData发布盛典,正式在中国市场发布针对大数据处理的专家集成系统——PureData。作为IBM PureSystems家族最新成员,PureData继承并发扬了IBM 在业界领先的专家优势和全面大数据能力,旨在利用全新的专家集成技术帮助各行业企业高效应对和驾驭激增的海量数据,获取关键洞察,从而实现企业市场、销售等各部门业务目标的快速推进。
IBM全球副总裁兼软件集团大中华区总经理胡世忠先生表示:“大数据已经成为新计算时代企业最严峻的挑战和最具价值的资源。作为业界最全面的大数据解决方案提供商,IBM将其在大数据方面的领先平台和广泛行业实践全面注入PureSystems专家集成系统,推出全新‘大数据专家’PureData,这不仅是IBM部署专家集成系统整体战略至关重要的一步,更是IBM大数据整体战略升级的重要里程碑。”
大步迈进新计算时代
新计算时代企业亟待实现大数据、云计算和安全的更高目标。IBM PureSystems利用全新IT模式帮助企业应对时代挑战。
在大数据、云计算、移动、社交等全球趋势下,我们正进入一个全新的认知系统时代——以数据为中心、统计分析、内向扩展、自动化系统和工作负载管理成为这个新计算时代的突出特质——这也意味着在全新的IT挑战和机遇下,越来越多的企业将踏上IT模式转型之路,在实现IT经济的同时寻求价值突破,利用智慧的运算为交付顺应未来(Tomorrow Ready)的IT基础架构,构建大数据、云计算和安全的更高目标——“三大就绪”:
云就绪(Cloud Ready):以云的形式管理 IT,从而提高效率,加快产品上市速度;
数据就绪(Data Ready):释放数据的价值,交付更可靠的洞察;
安全就绪(Security Ready):确保关键信息的安全性,从而符合法规要求、降低风险、保护客户。
然而,据IDC统计,目前全球企业面临的首要难题是需要将 IT 预算的70%以上用于低附加值的IT运维,而只有少数预算用于创新。2012 IBM 数据中心报告显示,有近三分之二的企业IT项目都超出了预算,并且均落后于预定计划完成部署;只有五分之一的企业IT部门能够将他们大部分的IT预算投入到创新之中。
为了带领业界向新计算时代迈进,以全新模式简化IT、节约成本、实现安全,IBM于2012年4月在全球范围推出第一款预置专家能力的新型系统PureSyetems。作为迈进新计算时代的重大举措,PureSystems 是 IBM 在过去四年中斥资20亿美元进行研发和收购取得的重大成果,通过预置专家能力、为集成而设计以及简化体验三大重要特征,揭示了新时代计算技术的三大主要进步,即帮助企业削减高额成本、降低IT复杂性并与信息管理技术相关联。
简化、高效、灵活:PureData为大数据而生
作为Pure家族“大数据专家”,PureData以专家模式和领先技术助力企业在数据处理速度、简化程度和成本控制等方面更上一层楼, 进一步拓展大数据价值。
据估计,过去两年间产生的数据占目前全球数据的90%,新的数据正在以每天2.5EB的量级高速增长。各行业企业正面临着同样的难题——如何利用更简便、经济的方式分析业务数据、了解客户购买行为、减少客户流失、开展需要大量数据支持的市场推广活动以及实时发现欺诈行为?对于这些企业的IT部门而言,业务需求将直接促成其对于工作负载优化、快速完成数据加载、集成的管理、单点支持和高效自动化运维等的激增需求。
正是在这样的需求之下,IBM PureSyestems家族大数据“专家”PureData应运而生。区别于其他数据系统的是,PureData能够将系统安装和配置时间从数天减至数小时,将复杂的分析操作时长从数小时降至数分钟,并且能够实现在单个系统上管理超过100个数据库。通过PureData,企业得以在传统IT环境或云环境中为业务用户提供高性能的数据服务,能够在不到10天的时间里完成Web应用的部署——同样的任务过去至少需要6个月才能完成。其中,PureData System for Analytics能够提供超越传统数据系统十倍、乃至百倍的速度,以及是上一代Netezza技术20倍的面向查询的并发与吞吐能力。
IBM全球副总裁兼中国开发中心总经理王阳博士表示:“作为IBM PureSystems专家集成系统的最新成员,PureData是IBM在数据处理领域发布的专家集成系统产品系列。PureData的研发利用了IBM数十年来在降低IT成本和系统简化方面所累积的丰富经验,将助力新计算时代企业在数据处理速度、简化程度和成本控制等方面更上一层楼,从而促成他们在大数据能力上质的飞跃。”
理论+平台+实践:IBM彰显全面大数据能力
IBM具有最全面的大数据实力,包括“全面的战略理论”、“全面的解决方案”以及“全面的落地实践”,帮助企业掌控大数据,实现业务需求。
IBM认为,“大数据”已经成为重要的时代特征,企业需要重新思考已有的IT模式,应对在数量和类型上不断新增的数据;同时,大数据又将推动企业进行基于信息革命的业务转型,更多商业价值和发展机会将产生于数据和洞察。
充分融合智慧的分析洞察方法论、大数据平台解决方案以及广泛深刻的全行业落地实践,IBM正在帮助金融、电信、制造、医疗、零售等行业企业量身打造大数据策略,利用优化的解决方案有效处理大规模、多样化、高速流动的企业数据,确保数据的真实性;通过对于这些数据的分析使企业获得充分信息,帮助企业获取对业务的洞察,以制定相应的战略,实现业务的快速突破和成长。
作为业界最全面的大数据解决方案平台,IBM“大数据平台”架构为各行业企业构建大数据解决方案提供了全面的技术支持。这一平台突破了传统数据仓库和数据管理理念,涵盖了从大数据治理到核心大数据处理的Hadoop系统、流计算、数据仓库,行业加速器以及最全面的业务分析工具。IBM大数据平台在为企业组织提供实时分析信息流和因特网范围信息源的能力的同时,实现更为经济高效的大数据管理,并为在此之上的业务分析奠定坚实的基础。
PureData携手合作伙伴拓展生态环境
PureSystems正在各行业全面落地,为合作伙伴提供更多机会,全面升级生态系统。
为帮助行业客户快速实现大数据价值,IBM将产品研发与生态系统建设工作并行展开。伴随PureData的一同推向市场的,还有IBM基于PureSystems市场营销所积累的合作伙伴计划。目前已经有60多家ISV(独立软件供应商)表示将全力支持PureData。此前,包括DynaFront系统和PCCW电讯盈科解决方案在内的多个合作伙伴已经在其数据中心内部安装了PureSystems。IBM将向这些合作伙伴提供针对PureSystems和PureData的技术和认证方面的支持。
IBM全球副总裁兼软件集团大中华区总经理胡世忠先生表示:“截止目前,超过700家合作伙伴表示支持PureSystems,并相继推出了200余种适于在PureSystems上运行的解决方案和应用。PureData将为这种开放的合作模式提供新的平台,激励更多合作伙伴开发适用于PureData的解决方案。这种面向合作伙伴的开放性,正是IBM专家集成系统与同类竞争型产品的重要区别所在。此外,在这些解决方案和应用的基础上,IBM还将同时推出数种新模式,以全面简化软硬件资源的配置和管理。这些模式涵盖社交业务、资产管理和业务流程管理,将为20多个行业应用领域提供支持。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23