
大数据分析领袖SAS与华为建立联盟合作关系
2015年6月8日,全球领先的商业分析软件与服务供应商SAS公司宣布与全球领先的信息与通信解决方案供应商华为宣布结为联盟合作伙伴,双方将在大数据事业发展道路上携手并进。
合作共赢,构建基于Hadoop的大数据生态系统
随着各行各业数据的累积,企业需要具备将原始数据转化为全新洞察力的能力。SAS与华为的合作,旨在发挥各自强项,共同打造针对不同行业的大数据解决方案。作为高级分析领导者,SAS一直占据全球高级分析软件市场第一主导地位,其大数据分析技术和传递的卓越洞察深受企业信赖。SAS除了为产品配备强大的分析能力,还将与华为共享在金融服务业等核心行业丰富的实践经验。
二者的合作将以Hadoop生态圈的不断成长为契机,整合Hadoop架构与SAS分析的优势,实时分析处理数据,从而获取精准洞察。SAS能够将大量且复杂的精密运算应用到Hadoop集群,支持Hadoop完成整个分析生命周期,包括数据访问和管理到探索、建模和部署。SAS通过SAS® Hadoop数据加载器、SAS/ACCESS® Interface to Hadoop、SAS® In-Memory Statistics for Hadoop、SAS可视化分析(SAS® Visual Analytics)以及SAS高性能分析(SAS® High-Performance Analytics)等一系列基于Hadoop的解决方案及产品将分析的力量与Hadoop相结合,释放大数据真正的价值。
Hadoop提供了开放、高效且部署灵活的数据存储方式,而SAS与华为的合作将帮助企业用户发现难以发现的洞察。企业可以基于数据做出科学决策,不再简单依赖直觉人工判断。同时这种合作还让企业使用全量数据进行分析成为可能,真正利用大数据,而非传统的小样本数据。SAS打造了可视化和互动性更高的Hadoop之旅,轻松展现趋势与洞察。SAS大中华区总裁吴辅世先生在谈及此次合作时表示:“我们越来越充分感受到中国企业对于大数据分析应用的迫切需求。华为深耕本地市场多年,在各行业均积累了深厚的客户基础,企业业务发展势头强劲并具有国际化视野,我们非常尊重和看好这样具有远见和洞察的企业。SAS与华为的共识合作将是SAS本地市场实践的重要里程碑。我们将与华为携手,依托Hadoop架构和前沿分析技术,从打造行业首选的大数据分析平台出发,持续创新,实现我们共同的社会责任。”
“大数据的应用为企业带来了业务数据化和数据业务化的新机遇,让数据来提升企业的业务效率。企业大数据应用有两个最基本的东西,一是高效的分布式处理引擎,另一个是企业的业务模型,华为大数据平台FusionInsight和SAS的业务模型是天然的优势互补,两者相加帮助企业轻松驯服任何形式的数据,将其转化为业务的价值。”华为IT产品线大数据领域总经理朱照生说道,“SAS公司是全球商业分析领域的领导者,相信我们双方的合作,可以帮助更多的中国企业用好大数据,产生实实在在的业务价值。”
FusionInsight:大数据融合与洞察
FusionInsight分析平台是SAS与华为合作的第一张答卷。FusionInsight是基于Hadoop架构的集大数据存储、查询、分析功能为一体的企业级平台,帮助企业快速构建海量数据信息处理系统。该平台包括海量数据引擎FusionInsight HD和实时数据处理引擎FusionInsight Stream两个核心组件,能够对高达百万维度的数据进行全量建模,进行实时分析和挖掘。华为与SAS在FusionInsight的研发、渠道拓展和市场营销方面展开合作。基于Hadoop框架上的SAS分析应用,FusionInsight在企业的精准营销、实时决策、客户维系、数据开放等各种应用场景提供全面的技术保障。
FusionInsight面向多个行业,可以在金融、通信、交通、公共安全等多个领域发挥流式事件实时处理优势,进行实时分析和决策。迄今为止,FusionInsight已在全球拓展了100多个大数据项目,有40多个项目已经在交付,其中10多个已经在商用。目前的主要应用领域为电信、金融、科研、公安和政府,客户包括中国工商银行、中国建设银行、招商银行、平安银行、上海移动,上海联通等。
中国工商银行运营团队通过华为FusionInsight大数据构建其日志分析平台,为SAS数据统计分析提供更精准的数据源,最终,在逸贷产品上锁定目标客户,建立准入评分标准,并根据评分提供不同额度的贷款;对商友客户进行评级,根据不同级别的客户进行不同的服务,并建立移动APP为客户提供随时随地的服务。
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09