
新联邦业务数据湖为颠覆大数据应用铺路
EMC公司今天发布联邦业务数据湖。这套完整的工程解决方案包括来自EMC信息基础设施、Pivotal和VMware的领先的存储及大数据分析技术,帮助客户利用大数据的新世界,从而扫清通向新洞察和颠覆性差异化道路的障碍。
方案可在短至七天内实施,联邦业务数据湖可极大简化构建一个数据湖所需的大量复杂任务,是专为企业需要的速度、自服务和可扩展性而设计,让组织能够通过使用大数据分析,开始更好地进行业务决策。作为一个来自EMC联邦的融合解决方案, 联邦业务数据湖将重新定义基础设施,最大化IT组织部署混合云和数据湖的速度和敏捷性,加入企业混合云解决方案。
大数据不可思议的潜力最初且最重要的是受传统应用、现代应用、传感器和智能设备数据增长驱动的,以及大量全新的公共数据,例如社交媒体订阅。基于廉价存储和无限计算的增长,以及通过新应用和产品让实时分析与直连行动成为可能的新技术,现在是有可能捕获并处理这类数据的。这些存储与分析技术,以及海量数据集共同组成业务数据湖。
业务数据湖正成为企业最优先考虑的事,因为它将填补传统数据仓库留下的一个关键空白。业务数据湖包含结构化和非结构化数据,来源各种各样,分析聚焦于建立模型以预测未来。成功部署数据湖的公司正利用数据和预测模型构建新产品、应用和业务模型,重新定义他们的行业,接管或延续其“市场领导者”的地位。
一个充分有效的业务数据湖将提供三项关键功能:
· 存储:面向所有种类的分析,存储许多不同数据源的结构化和非结构化数据,为分析用例提供所需的混合容量和性能。
· 分析:面向所有类型的分析场景,包括基于Hadoop的、In-Memory No-SQL和横向扩展MPP,提供现代化的数据管理和分析工具。
· 显露&行动:向用户提供数据和应用,实现结果的实时变化并影响关键决策。
直到今天,构建一个高效的数据湖一直都是困难且复杂的。对那些尝试部署数据湖的IT组织而言,他们必须为每个分析用例部署并配置正确的分析平台,以及相对应的存储,从Hadoop到实时。一旦环境被创建,数据必须在所有正确的访问权限和管理应用到数据集的情况下加载。环境和数据集的部署是一个复杂且耗时的任务,IT很难满足业务使用者的需求。
联邦业务数据湖解决方案
联邦业务数据湖解决方案让部署一个业务数据湖变得容易。核心产品来自EMC联邦公司,EMC信息基础设施、Pivotal和VMware,提供联邦业务数据湖的核心功能,满足关键需求:存储、分析、显露和行动。
联邦业务数据湖是一套完整的工程解决方案,能够快速自动化配置,让IT组织能够引领业务需求。分析层是完全虚拟化的,通过运行在Vblocks上的VMware实现,带预定义的分析用例,以及自动化安装与配置。EMC Isilon为数据湖提供存储基础,实现容量和性能的理想平衡。
分析层由Pivotal大数据套件,包括PivotalHD,世界领先的SQL-on-Hadoop引擎,HAWQ。Pivotal大数据套件提供企业级SQL,能在存储于Hadoop的数据基础上,与业内顶尖分析平台,如SAS、Tableau及其他实现无缝集成和互操作。EMC还提供两种额外的业务数据湖,为客户提供包括与Cloudera、Hortonworks在内的Hadoop 发行版集成的选项,以及未来任何基于开放数据平台的Hadoop发行版。
EMC数据湖服务:
一套完整服务和教育将与联邦业务数据湖一同可用,让处在大数据旅程不同阶段的客户都能够实施该解决方案,证明解决方案的价值并快速确定战略性的大数据用例,包括:
· EMC 技术管理服务:对那些准备好部署数据湖的客户,EMC技术管理服务提供完整的咨询服务,安装并部署联邦业务数据湖,优化分析环境,配置并自定义数据需求。
· EMC价值验证服务:对于那些知道用例但正寻求帮助,以部署最新的大数据分析,快速应用开发工具和技术的客户而言,价值验证服务论证了使用真实客户数据的特定用例的投资回报率。
· EMC大数据愿景研讨会:对那些尚未决定如何开始将大数据注入其业务策略的客户,EMC大数据愿景研讨会分析组织的战略、业务目标,然后划分特定用例的优先顺序,帮助组织开启大数据旅程。
· 教育服务:上述服务之外,EMC提供培训和认证,发展商业领袖和大数据实践者所需的从基础到高级的大数据和数据科学知识和技能。
供货
联邦业务数据湖将于2015年4月起定向供应一些国家。
客户证言:
“对那些一直寻求新收入流或节省成本的机会,保持市场地位的企业而言,像联邦业务数据湖这样帮助组织意识到大数据管理和存储新技术的解决方案是必不可少的。大数据解决方案让我们能够扩展我们的产品至包括Hadoop即服务在内,延伸Adobe数字营销能够为客户带来的价值。”
Adobe数字营销技术运营部总监 Dan Culter
分析师证言:
“连接设备的数量持续高涨,数字商业世界正扰乱传统的业务模式。现在不再是一个只与产品本身有关的时代了,而是与数据和数据的应用有关的时代。通过大数据,组织能够收集尽可能多的数据,采用分析技术理解数据,进行预测并采取行动,这样做的结果是新业务模式的产生。像联邦业务数据湖这样的大数据解决方案让组织能够将数据、分析和应用汇集,发展新业务机会。”
Wikibon大数据首席分析师Jeffrey Kelly
EMC管理层证言:
“几乎每一个传统的业务模式都面临着短期,持续的破坏。竞争优势的快车道将留给那些能够从大量增长的数据中快速拥抱并产生价值的企业。全新的联邦业务数据湖解决方案让利用所有种类数据,构建预测模型的过程更容易,使新应用、产品和业务模型能够重新定义行业。”
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