京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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现场发布IBM PureData
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。”
IBM全球副总裁兼IBM软件集团大中华区总经理胡世忠先生
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。”
IBM全球副总裁兼IBM中国开发中心总经理王阳博士
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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19