
大数据连续上榜两会 iUAP誓做平台支撑
每年的“两会”期间,网民都会热议代表们的提案。媒体是关注者也是报道者,有些媒体还用“大数据”技术来分析两会代表们的属性,比如年龄、职业、学历、性别等。一个个具体而生动的数字让民众更了解两会及代表。大数据就是如此神奇,可以让一个你看似高深的问题变得更直接、易懂。
“大数据”近两年热度一直不减,两会提案都时常看到这个词。2013年,安徽移动总经理郑杰在提案中建议“大数据应该上升为国家战略”。2014年雷军建议“加快实施大数据国家战略”。随着大数据技术的成熟以及应用的成果初现,2015年两会提案中,“大数据”更是一个热词,且内容更落到实处。
金融行业,全国政协委员、建行原监事长谢渡扬建议:将银行业作为重点示范行业,率先启动,以带动和推动大数据应用在我国的发展;公共外交层面,完美世界CEO萧泓提出:将大数据应用于公共外交领域,以进行国家品牌建设。建议中国涉公共外交部门应建构基于大数据思维的新型决策机制。
从不同时间,不同的提案内容可以看出,大数据已经慢慢发展为整个产业的应用高度。起初,大数据是企业用于研究内部数据,之后延伸向外部数据尤其重点放在消费数据上,以研究客户行为。再成熟些,就是社 会大数据,即将大数据应用到整个社 会和产业中,以此作为产业发展的研究依据,从而促进社 会发展。这是大数据发展的规律。
“对于处于不同行业的企业而言,若想从大数据中获取创新的源泉,不妨从三大战略入手:产品战略、客户战略、生态系统战略。“记者采访用友集团iUAP中心大数据分析高级专家曾小青博士时,他给企业提出了这样一个建议。
曾小青表示,这从大数据对企业由浅到深的价值可以很好体现。
价值一:重塑客户行为。 利用客户交互数据重塑客户行为,这类数据使企业可以预测和引导市场尚未出现的需求,进而创造新的利润。比如Amazon推荐;
价值二:开发新产品和服务。企业借助数据获取洞见,支持日常业务以服务于现有市场和客户。瞄准新市场创新和设计全新的业务模式。比如个性化车险;
价值三:数据生态系统视野。企业可以从生态系统中的其他企业处获得补充数据。这种生态系统以适当的合作战略为基础。比如百 度开发数据。
然而,大部分机构和传统企业都普遍面临着大数据应用困境,曾小青博士用三个字来概括“大、快、智”。大,数据存储与计算规模瓶颈;快,数据数据处理技术不够高效;智慧,数据分析技术不够智能。
“我们iUAP其中就包含大数据技术,希望以平台的方式,来解决大数据的应用困境”曾小青告诉记者,用友iUAP企业互联网开放平台包括了大数据、移动、云计算、企业社交等核心技术。其中的数据平台,就是将大数据存储、分析和智能化处理等一整套核心能力通过平台化方式对伙伴提供服务。合作伙伴和传统企业将能够使用iUAP的大数据架构,通过处理机构和企业自身积累的大数据,进行挖掘处理,来改造和优化传统行业的企业管理、产品服务设计、商业模式等环节,为创新发展装上全新的动力引擎。用友iUAP所包含的大数据产品有数据平台和商业分析平台。通过这两个部分可以很好解决大数据“大“、”快“、”智“的问题。
数据平台架构
商业分析平台即用友BQ。用友BQ利用大数据处理技术,能够将各类数据进行快速整合,实现对海量数据的加速处理与实时分析,再通过丰富的数据可视化手段,提供商业分析决策支持所需的数据和信息,灵活快速地响应管理和业务变化,为企业和公共组织搭建一套灵活、完善的辅助决策分析体系。
用友BQ商业分析平台架构
数据平台又包含UDH大数据平台和AE数据处理平台。他们可满足企业结构化、非结构化数据统一处理,分析与实务统一处理的需求。可支撑各种可能的业务形态。
第一,大。实时集成可支持5000个在线用户,产生的业务数据集成延迟小于1秒;支持PB级大规模数据管理能力,支持传统数据库、Hadoop、大规模MPP集群,支持海量结构化数据10T以上;UDH的非结构化数据管理能力,可达到单集群100台以上;非机构化数据分析能力,每天可处理约数据量120TB,200亿条。
第二,快。用友BQ采用列存、自适应压缩、水平分区、智能索引、并行处理等技术,如果完全在内存中计算,比Hadoop MapReduce快100倍以上;如果包含磁盘数据,则快10倍以上,可实现最高50倍的分析场景性能提升。BQ基于AEDI实时处理,在内存进行数据计算,整个过程数据无落地,使用户可实时获取分析信息。
第三,智。用友BQ支持移动分析,可带来良好的可视化移动操作和高效的性能体验;数据可视化,可以很直观灵活的表达分析结果。比如提高数据地图、销售地图,无论离线和在线都可以跟这些可视化的地图整合;用友BQ里预置了丰富的算法和模型,降低客户实施数据挖掘的难度。可高性价比,大幅降低数据挖掘项目的实施成本,使大多数企业都用上数据挖掘。
另外,曾小青博士告诉记者,BQ利用iUAP 云平台完成私有云、社区云、混合云等各种复杂的云端部署。实现了应用服务器、数据库的弹性扩展,支持弹性负载均衡和自动伸缩,支持移动、社交、大数据分析、等各种新型应用。
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