2014 IBM大数据客户大会文思海辉受邀分享实践

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

2014年7月16日-18日,由IBM举办的“大数据客户大会”在天府之国成都拉开帷幕,本次大会由两个主题:业务分析(BA)用户大会和信息管理(IM)用户大会共同构成,联袂为IAG客户烹制出大数据与分析的饕餮大餐。会议期间,作为IBM大数据领域重要合作伙伴,国内领先的大数据解决方案服务商Pactera(以下简称:文思海辉) 受邀参会,并分享了在数据仓库和商业智能方面的行业最佳实践经验。

7月16日业务分析(BA)用户大会主要围绕IT行业市场的数据未来趋势进行了深入探讨,并对当今大数据环境下,如何利用预测分析,帮助企业实现更高价值增长进行重点解读;会议期间,IBM向与会者展示了IBM BA全线家族产品、解决方案及行业案例,进一步提升了企业对BA新产品与新功能的知悉与掌握。文思海辉执行副总裁兼CMO吴建先生,中国业务群企业应用服务事业部总经理黎杰先生,文思海辉助理副总裁熊琳女士受邀参与出席了本次大会。在下午分会场环节,黎杰先生就“文思海辉BI实践”解决方案与到会的嘉宾们进行了分享与交流。

2014IBM大数据客户大会文思海辉受邀分享实践
(中国业务群企业应用服务事业部总经理黎杰先生出席业务分析(BA)用户大会)

黎杰先生表示,文思海辉在与IBM合作长达20年的时间里,自身业务能力得以不断增长,在BI领域,基于IBM数据平台,文思海辉以源数据管理、数据质量管理、数据标准管理等为手段,帮助客户提供包括咨询规划、数据管控、数据治理、数据共享、挖掘分析等BI各方面服务。他强调,BI领域应逐步实现以BI行业解决方案为中心的转变,进而为用户带来更大的价值。首先,应加强行业化主题构架的搭建,挖掘行业需求,积累BI实践经验,提升行业服务质量;同时,注重行业模型KPI的指导与效果分析,针对具体行业端到端流程,延伸出KPI的逻辑与维度,从行业的业务应用角度思考制定KPI的意义,并以KPI效果为导向进行实践,最终实现KPI指导与评估的战略闭环。

在通用行业,文思海辉已经定制了多个行业解决方案包,包括医药、石油石化、航空、金融等,并在各行业拥有特定的KPI指标体系和业务模型体系。同时,BI领域正在逐步从历史分析向预测性分析转变,作为IBM大数据和预测性分析领域重要合作伙伴,文思海辉将IBM各式数据工具和文思海辉算法进行了有机组合,依据数据分析和数据挖掘,提高风险预测能力和工作前瞻性导向,帮助客户开拓潜在价值。

在为期两天(7.17-7.18)的信息管理(IM)用户大会中,IBM向与会者呈现了不同业务情境下大数据分析所要解决的问题和取得的成果,并帮助企业在众多的案例中找到类似于自身的真实情境,激发出企业在大数据领域的奇思妙想。同时,IBM还邀请了众多业界同仁、大数据领域专家共聚一堂,零距离畅谈大数据的真知灼见、探讨大数据的时代趋势。文思海辉助理副总裁熊琳女士受邀参与本次大会并进行了“大数据时代数据仓库和数据管控”的精彩分享。

2014IBM大数据客户大会文思海辉受邀分享实践
(文思海辉助理副总裁熊琳女士出席信息管理(IM)用户大会)

熊琳女士认为,大数据时代下数据仓库呈现出新一代特征,其中包括数据多样化和多样化数据处理技术混合、数据多层次和多层次数据处理、集团化大型数据仓库规划、决策的平台的组合、决策传递效率的提升以及用户感知能力提升、技术模块统一化等特征。因此,开源、开放和降低设备成本逐步被考虑,基础平台符合MPP架构体系和多种技术组合已成为必然选择。在数据管控方面,数据安全管理、数据标准管理、元数据管理、数据质量管理、数据架构管理等已成为数据管控的重要领域。在数据管控工作中,应遵循企业战略、业务构架、数据构架、应用构架、技术构架逐层递进关系,坚持组织构架,工作流程,管理制度相结合的管控机制。

熊琳女士在总结中强调三点,第一,在大数据环境下我们应当既要有开放的态度,又要有深度思考的精神,还要有务实的工作作风,才能做好数据管控工作;第二,要在全行形成数据管控和数据应用的文化,要有配套的组织机构、工作流程、管理制度和技术平台来支持,缺一不可;第三,要尽量将数据管控中复杂、繁琐的工作抽象、归类,形成可操作的工作模板、工作流程等。

作为IBM顶级合作伙伴,文思海辉与IBM有着20年的合作历史,并在信息管理、业务分析等领域展开通力合作,取得了丰硕成果。在大数据时代下的今天,双方更是将彼此在数据平台与数据算法领域优势紧密结合,共同致力于数据价值的挖掘工作,助力企业客户在数据潮流中充分利用自身数据优势,实现企业价值快速提升。

原文发布时间为:2014年07月31日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
3月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
96 3
|
4天前
|
数据采集 人工智能 分布式计算
MaxFrame:链接大数据与AI的高效分布式计算框架深度评测与实践!
阿里云推出的MaxFrame是链接大数据与AI的分布式Python计算框架,提供类似Pandas的操作接口和分布式处理能力。本文从部署、功能验证到实际场景全面评测MaxFrame,涵盖分布式Pandas操作、大语言模型数据预处理及企业级应用。结果显示,MaxFrame在处理大规模数据时性能显著提升,代码兼容性强,适合从数据清洗到训练数据生成的全链路场景...
17 5
MaxFrame:链接大数据与AI的高效分布式计算框架深度评测与实践!
|
2月前
|
存储 消息中间件 分布式计算
Cisco WebEx 数据平台:统一 Trino、Pinot、Iceberg 及 Kyuubi,探索 Apache Doris 在 Cisco 的改造实践
Cisco WebEx 早期数据平台采用了多系统架构(包括 Trino、Pinot、Iceberg 、 Kyuubi 等),面临架构复杂、数据冗余存储、运维困难、资源利用率低、数据时效性差等问题。因此,引入 Apache Doris 替换了 Trino、Pinot 、 Iceberg 及 Kyuubi 技术栈,依赖于 Doris 的实时数据湖能力及高性能 OLAP 分析能力,统一数据湖仓及查询分析引擎,显著提升了查询性能及系统稳定性,同时实现资源成本降低 30%。
Cisco WebEx 数据平台:统一 Trino、Pinot、Iceberg 及 Kyuubi,探索 Apache Doris 在 Cisco 的改造实践
|
2月前
|
边缘计算 人工智能 搜索推荐
大数据与零售业:精准营销的实践
【10月更文挑战第31天】在信息化社会,大数据技术正成为推动零售业革新的重要驱动力。本文探讨了大数据在零售业中的应用,包括客户细分、个性化推荐、动态定价、营销自动化、预测性分析、忠诚度管理和社交网络洞察等方面,通过实际案例展示了大数据如何帮助商家洞悉消费者行为,优化决策,实现精准营销。同时,文章也讨论了大数据面临的挑战和未来展望。
|
3月前
|
SQL 消息中间件 分布式计算
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(一)
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(一)
115 0
|
3月前
|
SQL 大数据
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(二)
大数据-143 - ClickHouse 集群 SQL 超详细实践记录!(二)
79 0
|
3月前
|
SQL 消息中间件 分布式计算
大数据-130 - Flink CEP 详解 - CEP开发流程 与 案例实践:恶意登录检测实现
大数据-130 - Flink CEP 详解 - CEP开发流程 与 案例实践:恶意登录检测实现
80 0
|
2月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
457 7
|
2月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
61 2
|
3天前
|
分布式计算 Shell MaxCompute
odps测试表及大量数据构建测试
odps测试表及大量数据构建测试

热门文章

最新文章