北京供销大数据集团大数据管理平台研发完成走向商用

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
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:

自“十三五”规划纲要出炉之后,国内相关厂商密集布局大数据基础设施、产业基地、数据中心及管理平台等,助推大数据产业能力落地。

近日,北京供销大数据集团(以下简称“SinoBBD”)宣布推出大数据管理平台,包括大数据建模平台、大数据交换和共享平台、大数据服务平台和大数据管控平台。拥有核心技术安全可控的SinoBBD大数据管理平台,将成为面向客户打开大数据能力的“金钥匙”,在为政府和企业大数据管理提供统一门户的同时,确保用户大数据系统安全。此举无疑对于推动我国大数据产业落地具有积极意义。


大数据“时刻表”进入倒计时

2016317日发布的“十三五”规划纲要中指出,推动国家数据一体化建设。把大数据作为基础性战略资源,全面实施促进大数据发展行动,加快推动数据资源共享开放和开发应用,助产业转型升级和社会治理创新。计划到2017底基本形成跨部门的数据资源共享共用格局,2018建国家层面的统一数据开放平台,2020大数据产业初具规模。在这一系列宏观政策指引下,我国大数据产业发展规划被写入了“十三五”的“时刻表”。

作为一体化国家大数据中心的“国家队”一员,北京供销大数据集团以支持国家大数据战略落地为己任,围绕“3+10+X”的发展布局积极投入,在全球范围内打造拥有自主产权的分布式、全互联数据中心集群网络,并通过全球一体化的产业布局、创新的商业模式和跨全产业链的数据存储、分发、技术运维响应能力,成为建设一体化国家大数据中心的主力军。

针对本次大数据管理平台的发布,SinoBBD 总裁陈静红表示:“在深入行业应用场景、集成大数据数据中心运营经验的同时,SinoBBD全面融合政务、公安、环保等行业用户需求,进而推出了能够承载大数据产业能力的大数据管理平台。其安全可控、自主创新的产品特色,可协助政企用户加速大数据系统国产化落地进程。”

“金钥匙”开启大数据现代化管理之门

能够支撑核心行业用户的大数据管理平台,是落地其大数据能力的关键要素。SinoBBD基于底层跨技术平台构建的统一大数据管理平台,首先是按照客户需求建立数据模型,然后从多种数据源获取数据,经过预处理(清洗、验证等)、存储、处理和分析,最后进行可视化呈现,从而为用户构建统一的大数据资源层。更好地助力用户落地大数据能力,SinoBBD提供了“交钥匙”的大数据管理平台,这包括:大数据建模、大数据交换和共享、大数据服务和大数据管控,为用户提供大数据的整合、管控和服务,对外输出客户的大数据目录和大数据资产系统。


以大数据建模平台为例:根据大数据业务的建设流程,用户可以利用数据模型,在大数据建模平台实现结构化和非结构化数据的统一管理,并且能利用业务处理引擎实现数据处理的动态变化,同时实现颗粒级的数据安全访问和操控痕迹监控。

“场景化”解决大数据行业应用落地难题

针对很多用户在大数据应用落地中的技术难题,陈静红表示,我国的大数据政策从全面、总体规划逐渐向各大行业、各细分领域延伸,逐步从进入实际应用之路。因此,我国现阶段的大数据业务具有了非常典型的行业化特点,SinoBBD将会在政务、公安、环保等领域陆续推出符合行业需求的场景化解决方案。


以政务领域所需的大数据交换平台为例,SinoBBD数据交换平台作为整个系统的数据总线,连通各委办局、各区县和政务中心,负责数据的共享交互;数据处理系统负责数据的析取和清洗,然后加载到基础库和专项库,为进一步的共享和专项应用服务。在应用层面,专项应用系统将按电子政务的专项业务提供专项服务,数据挖掘系统则基于整个数据资源库,提供综合的统计分析和辅助决策服务。

建立“安全可控”的大数据生态圈

SinoBBD 深耕行业一线之后推出的这把大数据管理“金钥匙”,不但保障了大数据商用的安全可靠性,更为客户提供贯穿选型、验证、测试、部署、运维的全程服务。与此同时,SinoBBD深知大数据安全是产业快速发展和应用的重要前提,应用和数据集中带来的威胁更需要从根本上加强安全可控、自主创新能力,建立良好的生态环境。

为此,SinoBBD将在大数据管理平台技术创新的基础上,借助合作伙伴在安全、科研、运营与分析等方面的技术协作,携手共建自主可控的大数据中心生态圈,通过完善“供销云”、“企业云”、“金融云”等一体化大数据解决方案实现生态激活、凝聚产业发展力,为国企、政企用户的数字化转型提供支撑。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

相关实践学习
MySQL基础-学生管理系统数据库设计
本场景介绍如何使用DMS工具连接RDS,并使用DMS图形化工具创建数据库表。
目录
相关文章
|
1月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
92 1
|
11天前
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
【赵渝强老师】基于大数据组件的平台架构
|
1月前
|
机器学习/深度学习 监控 搜索推荐
电商平台如何精准抓住你的心?揭秘大数据背后的神秘推荐系统!
【10月更文挑战第12天】在信息爆炸时代,数据驱动决策成为企业优化决策的关键方法。本文以某大型电商平台的商品推荐系统为例,介绍其通过收集用户行为数据,经过预处理、特征工程、模型选择与训练、评估优化及部署监控等步骤,实现个性化商品推荐,提升用户体验和销售额的过程。
77 1
|
28天前
|
Oracle 大数据 数据挖掘
企业内训|大数据产品运营实战培训-某电信运营商大数据产品研发中心
本课程是TsingtaoAI专为某电信运营商的大数据产品研发中心的产品支撑组设计,旨在深入探讨大数据在电信运营商领域的应用与运营策略。通过密集的培训,从数据的本质与价值出发,系统解析大数据工具和技术的最新进展,深入剖析行业内外的实践案例。课程涵盖如何理解和评估数据、如何有效运用大数据技术、以及如何在不同业务场景中实现数据的价值转化。
38 0
|
3月前
|
搜索推荐 OLAP 流计算
OneSQL OLAP实践问题之基于 Flink 打造流批一体的数据计算平台如何解决
OneSQL OLAP实践问题之基于 Flink 打造流批一体的数据计算平台如何解决
55 1
|
3月前
|
分布式计算 并行计算 大数据
【数据挖掘】百度2015大数据云计算研发笔试卷
百度2015年大数据云计算研发笔试卷的题目总结,涵盖了Hadoop、Spark、MPI计算框架特点、TCP连接建立过程、数组最大和问题、二分查找实现以及灯泡开关问题,提供了部分题目的解析和伪代码。
54 1
|
3月前
|
数据可视化
Echarts数据可视化大屏开发| 大数据分析平台
Echarts数据可视化大屏开发| 大数据分析平台
|
4月前
|
SQL 分布式计算 大数据
大数据处理平台Hive详解
【7月更文挑战第15天】Hive作为基于Hadoop的数据仓库工具,在大数据处理和分析领域发挥着重要作用。通过提供类SQL的查询语言,Hive降低了数据处理的门槛,使得具有SQL背景的开发者可以轻松地处理大规模数据。然而,Hive也存在查询延迟高、表达能力有限等缺点,需要在实际应用中根据具体场景和需求进行选择和优化。
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI使用问题之如何在MaxCompute上使用Protobuf处理数据
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI使用问题之如何实现数据在MaxCompute中是永久的
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。