
用友iUAP:应变“互联网+”时代的企业大数据管理与分析
企业运营模式在互联网+时代已经发生了革命性的转变,客户导向、实时运营、数据驱动。互联网化让企业从供应商、服务商、渠道商到客户,甚至最终用户都希望能够建立一个密切的联系。
并且伴随着互联网化的不断深入,企业也将越来越向着数字化发展。数据管理和分析数据的需求越来越大,而这需要多个平台配合解决。用友iUAP的数据平台和用友BQ商业分析平台则可以很好的支撑用户的不同需求,在互联网+时代快速帮助企业开展大数据管理和分析。
企业大数据管理发展进程
用友网络助理总裁,兼集团iUAP中心副总经理谢东指出,数字化的信息和处理能力是支撑企业互联网化的技术,企业各类数据的综合构成了企业在数字世界的完整画像,这也意味着企业需要从数据中挖掘价值。
用友网络助理总裁,兼集团iUAP中心副总经理谢东
随着企业业务应用的深化与外延,企业需要处理的数据在两个维度延伸,第一,处理数据类型的增加;第二,企业涉及的数据视野更广泛。在这样一个大数据的环境下,企业需要重新认识数据,从关键业务数据到一切都是数据;从关注自己的数据到关注所有相关甚至看似不相关的数据 ;从自己处理所有数据,到利用一切可以利用的处理能力。因此,企业现在需要解决自己的数据资产变现的问题,即价值如何最大化。
伴随着大数据的发展,企业开展大数据管理和分析需要经历不同的阶段。谢东认为企业要想做好大数据,需要管理好以下三方面,一是解决企业数据管理架构问题;二是解决企业大数据管理的技术问题;三是大数据应用的建设问题。
企业数据架构的选择思路要从一种架构支持所有应用,转变成多种架构支撑多种应用,针对不同应用场景选择不同的架构来解决相应的问题。像半结构化、非结构化数据处理要引用NoSQL、NewSQL,甚至Hadoop等新兴数据处理技术。
之后将进入数据管理阶段,分为孤立系统、数据集市、数据仓库以及统一元数据仓库几个阶段。分析应用的发展路径则会经历报表报告、交互分析、挖掘预测,最终到决策自动化四个阶段。
最后企业将开始大数据分析建设,并且需要遵循四个原则,业务驱动、自上而下、价值最大化、全员应用。
iUAP平台的全方位支撑
用友iUAP是面向大型企业的互联网开放平台,分为开发与集成、移动与社交、大数据、互联网与云服务四大部分,十二大产品。iUAP在应对数字化企业变革和企业大数据管理和分析上有两大平台:数据平台和用友BQ商业分析平台。
数据平台包括iUAP DI(数据集成)、iUAP CDC(实时数据集成)、iUAP AE(结构化数据引擎)、iUAP UDH(非结构化数据引擎)。CDC实现业务库与分析库秒级数据延时的同步;AE采用列存储技术,使查询响应提高10倍以上,并实现透明压缩;UDH基于Hadoop开源产品体系,实现大规模结构化、非机构化数据集成、分析处理和统一展现。
用友网络集团iUAP中心数据平台总经理李长山指出,基于数据平台企业可以做到数据整合,同时支持企业外部数据整合;通过列式存储技术加速分析;支持结构化、非结构化、半结构化数据处理、PB级分布式并行计算、离线和在线数据处理;对分析模型和业务模型统一建立和管理,以及元数据整体的传递;提供了相应的工具进行预测。
用友网络集团iUAP中心数据平台总经理李长山
目前AE的用户量要多于UDH,也间接反映出企业在数据管理和分析的应用还主要在结构化数据阶段。企业引入UDH会有很多考虑因素,用友加速UDH扩展的思路是提供企业管理器支持快速部署。当然企业也可以基于自身各方面能力自建,所以对企业而言AE可能是必选,UDH则是可选。
在数据平台之上,用友BQ商业分析平台是一个综合的商业分析平台产品套件。包含数据集成、分析引擎、多维展现工具、自由报表、移动分析等功能模块。
用友网络集团iUAP中心产品与技术与技术管理部商业分析产品经理王翀表示,用友BQ拥有实时数据分析能力,可以实现全程的可视化,在统一架构下处理结构化和非结构化数据,并进行数据挖掘,同时可以展现到移动端。以及通过对元数据的处理保证准确度,还可以将其嵌入到业务系统中。
用友网络集团iUAP中心产品与技术与技术管理部商业分析产品经理王翀
用友BI的未来发展也将围绕着敏捷BI和商业分析云展开。商业分析云的产品原型已经在设计阶段,同时还会有用户参与其中,目前看到最主要的用户需求包括自助、分享、离线三部分。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14