融合连接-玄武科技助力“智慧政务”新时代 —— 玄武科技 即信产品市场总监 朱敏

简介:

2017年3月18日,北京部委央企信息化建设科技创新成果汇报暨专家研讨会在北京国家图书馆召开。亚马逊、有孚网络、天空卫士、玄武科技携先进科技成果亮相。以下是玄武科技即信产品市场总监朱敏的演讲!

玄武科技 即信产品市场总监 朱敏

朱敏:大家下午好。我是广州市玄武科技公司的朱敏,今天众多友商都介绍了云计算,云计算在业务层面分IaaS、SaaS、PaaS三个层面,我们公司的即信业务是在SaaS层面,技术架构上云计算也分为私有云、公有云和混合云三种模式,即信业务支持所有模式。即信业务主要的客户群体是金融行业和政府单位。
大家可能对云计算不太了解,也不太信任。但事实上我们都在用云计算。比如微信的开放平台实际上是公有云的业务。在场景上来说,政务场景已经在往云计算上走。那么,作为SaaS厂商我们应该思考如何用通讯领域的云计算能力,帮助政企单位实现智慧中国的目的。
我的整个议题围绕四个层面来说,第一个层面讲智慧政务是什么。第二个层面讲玄武科技怎么助力智慧政务。然后有一些外部的介绍,还有对玄武科技的介绍。
什么是智慧政务?云计算、大数据、移动互联网等技术的兴起,对于政务或者智慧城市来说,在场景上有很大的区别。新的场景和传统的场景有很大的不同。不只是在技术层面,更重要的是业务场景上面。目前不管是企业还是公众,对整个政务架构体系的需求已经是场景化了。很多传统场景实际上是非常落后的。因此更重要的是在政务服务场景上创新,才能实现智慧政务的创新。我们要建立敏捷、高效、利民、智慧的政务体系。因此,智慧政务的关键和核心在如何实现智慧感知,如何通过智慧感知从公众和企业获得数据,然后将数据应用到政务体系中,利用云计算、大数据等方式,进行智慧的评估和决策,从而使得决策具有科学性,进而将决策落地到智慧管理和服务,使得企业和公众获得智慧的政务的体验。
玄武科技希望提供一套便利地链接所有的企业和公众的体系,使每个机构、单位和企业不用考虑如何在企业和公众之间建立连接,只考虑业务场景的创新、业务如何创新和达成,如何深化政务服务等等,这是玄武科技在政企融合通信方案上的一个立足点。
移动政务从体验来讲,场景上主要是三大块。一是便民生活服务。例如网上、线上缴费、实时驾照、公积金等政务服务;二是办公和管理。例如北京铁路局18万内部职工如何更便捷地沟通,如何使办公管理更智慧化;三是党建宣传。还以北京铁路局为例,如何让员工更加理解政策,我们做了党建手机报等等场景。
在这三大场景里要考虑什么问题?首先,在便民服务的场景里面,需要在通讯的场景里面考虑很多问题。比如,市民有没有及时了解到最新的政务信息,或者如何方便公众查询办理业务流程的情况,如何提高市民对政务工作调研的参与度,智慧政务的安全性如何保障等等。其次,在办公管理上会考量,重要的信息是否发送成功、信息的统计及监控是否可视化、发生问题时是否方便问题查找和定位、能否融入机构单位使用的办公流程和系统等等。最后,在党建宣传上要考虑,使用的应用是否能呈现党内建设的需求,如何能提高党内建设的传播性及便利性,以及在智慧政务新时代,党建宣传能否紧跟潮流,并实现创新等等。
政企行业对通信服务应用的需求主要有三大方面。第一个方面是在功能层面的需求,包括能不能同时具备多种通信能力,对于业务来说,是否可以支持多业务的对接,另外对于信息来说,是否具备千万级信息处理能力,是否可以进行实时的可视化感知,及时反馈状态报告等等。第二个方面是在管理方面的需求,例如对于信息的权限管理,机构的众多权限管理如何匹配,城市居民信息导入与处理是否便捷,在通信信道的调用方面是否能够支持这大容量的管理,以及费用的使用程度是否可以把控,此外,对于领导来说,在管理的时候是否可以做一些自动的秘书通知服务,满足领导的管理需求。第三个方面是在运维方面的需求。包括系统稳定性、系统安全性、运维直观方便、系统售后维护及时性等等,在运营方面一定要保证系统的稳定和可维护。
玄武科技政企融合通信解决方案以UMP融合通信平台为核心,结合专业通信运维平台AMS,为各机构单位构建基于短信、彩信、语音话务、无线流量以及三网码号等通信能力为基础的融合通信业务解决方案。
UMP的融合通信平台是玄武科技专门为政企机构打造的专业级的企业通信平台,融合合短信、彩信、语音、移动流量、微信等通信能力,帮助企业构建自己的企业通信的场景和业务场景。平台整体采用B/S结构,易于部署;专业通信运维设计,维护简单。特点是通过异步并行的云计算架构、插件式信道接入技术来构建通信能力基础的扩展化,能够实时、高效、稳定地支持每小时千万级别的消息发送量。除此之外,我们也可以提供政府、事业单位、大型国企等专属私有定制能力,这就是UMP融合通信平台这个产品。
这个产品采用全JAVA设计,可以和企业数据进行无缝对接。我们专有的一些技术和能力,比如对于信道的处理能力、热插拔、热切换都是可以做到的。同时可以做到通信状态的可视化监视。整个核心架构有四层。在接口处一个是通信接口层,是连接通信能力的,目前可以连接CT能力,也可以连接IT能力,所以是ICT的接口层,另一个是应用接口层,现在最流行的API、传统的DB、Socket、Webservice等形式,可以跟我们所有的系统进行无缝的链接。然后在业务核心层,业务处理层有很多业务核心组件,能够处理调度所有的通信和业务。同时在业务支撑平台上面,可以处理很多人机界面上的业务和能力。包括一些基础资料的处理、短彩信收发,还有企业运营和系统运维等等。这样一套系统可以支持多大的业务量?可以达到每秒2700-3500条的通信能力,语音消息可以支持1000路以上的并发。平台提交成功率100%,通道发送成功率95%以上,消息时延≤5秒,融合各种企业通信能力,系统稳定性高。
用了UMP之后有什么效果?以前,每一个单位机构衔接不同的通信信道,比如说短彩信、语音、微信、邮件、APP的PUSH等一些东西,可能都要进行单独的采购和处理。而且每一种处理衔接的形式都不一样,可能每一个模块开发都不能纳入一个整体的体系,而UMP融合通讯平台可以帮助企业屏蔽一些通信的接口,使企业使用统一的管理接口就能完成不同渠道的通信信息的操作。这就是使用UMP融合通信平台的效果。
大家看一看人机界面。这个人机界面完全拟合现在政企机构需要的党建、宣传这样的模式。有一些实时数据,每一个单位机构都可以看到,通过那个数据来进行支持和数据决策。也有很直观化的图形呈现,UMP这样一个平台可以达到专注于业务创新的目标。那么,对于通信来说,运行维护是很重要的一个模块,最不能接受的就是中断和时延。一旦中断一旦有时延那业务就无法可以继续。
所以我们可以提供一个专业通讯运维的平台,就是AMS。AMS是专业的企业通信运维工具,它的详尽的通信运维分析,是企业通信稳定的保障。我们专门为通信打造了专有的OLP协议。能够保障运维系统以及通信系统安全可靠的运转。
同时我们有独有的针对企业通信的智能评估的算法。这个算法具有前趋性的分析问题的能力。前趋性的问题评估能够在发现问题之前获得对通信问题的警告,这是AMS平台的人机界面。只要用AMS平台的话,就可以看到很多通信云上的东西。比如信道的调度、信令的处理、信息通信的堆积和消息的处理,都可以直观的在AMS平台上看到。AMS平台主要有三大特点:独有的智能评估算法,独有的OLP运维协议,独有的智能自现技术。
介绍一下OLP。OLP运维协议相比于SNMP定义上更全面且简单,体现在OLP定义了被运维端、运维端两端的职责以及如何协同工作,当被运维产品版本更新等引发的指标改变时,运维端将自动得到更新,两端信息始终保持一致,无需人工参与。用了OLP之后,还可以用智能发现的技术,所有的通讯组件都可以在上线那一刻自动被发现,通信组件随时被AMS所监控。AMS的智能评估算法能从系统、网络、应用到业务全方面持续监控获取数据,并通过独创的智能评估算法作出前趋式的问题评估诊断,及时准确地发出告警。
玄武即信就是以这样的方式帮助每一个政府机构和事业单位、科研机构,构建基于短信彩信、语音业务、无限流量等融合通信,联通每一个企业、每一个公众去实现新时代下的“智慧政务”。
成功案例:四川省公积金管理中心,我们帮四川省公积金管理中心做了很多用户交互,解决了数据归集和客户的诉求。除此之外还有很多,例如北铁、柳州市公安局,还有很多很多物流局、铁路局以及电网,都是我们的客户。除了政企之外,更主要的客户群体是金融。金融行业对通信业务的安全需求比政企行业更高。
最后讲讲我们公司。我们公司是新三板的上市公司,目前700余人,分属两大业务。一块业务是做云管理、云通信,是“即信”这样一个业务。我们有超过300人的研发团队。我们与华南各大高校都有创新实验室,以及200多平米的研发中心。玄武科技希望与政企、事业单位,与您共进,直面变革,共创未来。

本文转自d1net(转载)

目录
相关文章
|
XML 存储 JSON
YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果
YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果
3491 0
YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果
|
4月前
|
数据采集 自然语言处理 监控
你的模型真的“学”会了吗?微调效果评估实战指南
本文系统讲解大模型微调效果评估的核心方法论:强调评估比训练更重要,涵盖目标对齐、技术指标(Loss/PPL/BLEU/ROUGE)、人工评估四维度、业务验证(A/B测试、端到端场景)、泛化性检验及四步实战流程,并提供避坑指南与工具建议。重在目标驱动、多层验证、快速闭环。(239字)
468 1
|
存储 安全 JavaScript
如何安全的渲染HTML字符串?
如何安全的渲染HTML字符串?
520 0
|
11月前
|
机器学习/深度学习 人工智能
AI 的“推理链”是自我复杂化,不是真顿悟
大模型看似“深思熟虑”的推理过程,实则是系统策略驱动下的自我复杂化。它将简单指令膨胀为冗长回答,背后是预设提示、训练机制与生成逻辑共同作用的结果。这种“加戏”不仅浪费资源,还易引发幻觉和任务漂移。要实现真正可验证的推理,需引入外部逻辑模块与结构化框架,而非依赖其“自说自话”。
380 0
|
机器学习/深度学习 文字识别 自然语言处理
医疗行业化验单智能识别技术探讨:OCR与表格识别的应用
本文探讨了OCR与表格识别技术在医疗化验单处理中的应用,通过自动化数据提取和录入,显著提高了效率和准确性,降低了人工劳动强度和错误率。技术实现包括图像预处理、文字识别和表格解析等核心算法的优化,支持与医院信息管理系统集成,未来将向跨模态数据融合、多语言适配及数据安全方向发展。
1567 9
|
存储 消息中间件 Kafka
中原银行实时场景企业级解决方案
中原银行实时数据开发平台负责人杜威科在Flink Forward Asia 2024分享了银行业实时数据处理的经验。内容涵盖需求分析、解决方案、场景案例与现状展望。银行业需构建全链路、全场景的企业级实时数据平台,解决动账场景下的复杂计算需求。通过Flink+Paimon方案,实现高效更新、低成本存储与便捷查询。案例包括账户表实时更新入湖、交易协同优化、实时图应用、海量数据存储及业务人员易用性建设。未来目标是实现上千张表实时入湖,缩短延迟并探索AI结合的新场景。
559 2
中原银行实时场景企业级解决方案
|
IDE API 开发工具
Gleam
Gleam 是面向 Erlang 虚拟机的类型化语言,Gleam 的语法对于类型化语言来说非常优雅和简单。如果能看到 Gleam 像 Elixir 一样成功,那就太酷了。
965 4
|
数据采集 分布式计算 监控
深入调查研究 Kettle
【10月更文挑战第20天】
476 0
|
消息中间件 存储 监控
扒开kafka内部组件,咱瞅一瞅都有啥?
以上是 V 哥整理的关于 Kafka 核心组件的介绍,掌握 Kafka 中间件,应用在大型分布式项目中,这对于人个的项目经验积累是浓墨重彩的笔,换句话说,只要是有用到Kafka 的项目,必然是小不了,否则架构师脑袋长泡了。
485 1
|
缓存 编译器 API
NumPy与其他语言(如C/C++)的接口实践
【4月更文挑战第17天】本文介绍了NumPy与C/C++的接口实践,包括Python与C/C++交互基础、NumPy的C API和Cython的使用。通过案例展示了如何将C++函数与NumPy数组结合,强调了内存管理、类型匹配、错误处理和性能优化的最佳实践。掌握这些技能对于跨语言交互和集成至关重要。