最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

数据中台架构下的大数据应用

[复制链接]
跳转到指定楼层
楼主
发表于 2019-11-2 21:12:04 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

新一代企业信息化架构的核心是什么?我们认为是中台思维。

中台概念来源于阿里,其产生的核心思想是“共享”和“复用”。中台概念与前台和后台相对应。前台即面向客户的市场、销售和服务部门或系统,后台是技术支持、研发、财务、人力资源、内部审计等二线支撑部门或系统。而中台则是指介于前台和后台之间的一个综合能力平台,可以有效地连接前后台,具备了对于前台业务变化及创新的快速响应能力。中台打破了烟囱式的企业传统IT架构,在前后台之间增加了一层系统,使新一代企业IT架构从一系列套装软件系统的方式变为各种服务支撑下的一系列前端应用系统。中台的提出和落地,将企业信息化架构由不同平台下分散的烟囱式系统集群变革为部署在同一平台下基于服务的应用系统集群。

数据中台是中台的核心平台之一,简单来说就是数据仓库,是将传统数据仓库扩展到企业级所有数据的更大领域,对这些数据进行数据采集、数据建模、数据服务,并提供给前端开展不同维度的数据应用。

数据中台重构了企业数据系统的架构,将其分为三个层级:

底层

底层是数据收集层,就是数据湖,来自ERP、SRM等各个信息化系统中的业务数据、财务数据、大数据,结构化和非结构化数据直接汇入这层数据湖中,实现统一、集中的数据收集。

核心层

中间的核心层是数据存储与计算层,核心是通过数据建模,形成服务化的数据应用。数据模型可以分为基础模型、融合模型和挖掘模型。基础模型一般是关系建模,主要实现数据的标准化;融合模型一般是维度建模,主要实现跨越数据的整合,整合的形式可以是汇总、关联、解析;挖掘模型是偏应用的模型,作为企业的知识沉淀在中台内,可在数据应用端调取进行复用。

上层

上层是业务应用层,聚焦于对数据的应用和展现,核心层的数据模型可以共享到这个层级中并实现复用,赋能企业业务发展。数据应用通过将数据融入企业具体的业务经营场景中,基于丰富的数据模型开展场景化应用,用数据解决具体的业务问题,具体应用包括产销协同分析、投资分析、产品定价、商品推荐、客户画像等,数据展现聚焦于以多样化的形式展现数据分析应用的结果,这些形式包括管理驾驶舱、即席分析、自助报告、数据大屏、移动APP等,系统可以根据不同用户在不同场景下的需求调整合适的展现方式。

有了数据中台,数据在信息化体系中不再是分散、凌乱、重复的存在,系统可以对数据进行实时的分类、整理、加工,使其成为清晰有序、有条理、有脉络的有用信息。这些数据可以进一步分享给业务应用系统以开展数据应用和实现数据变现,结果将通过前端展现系统以多样化、可视化的形式展现出来。

数据中台彻底消除企业的信息孤岛问题

将企业的内部和外部数据、结构化和非结构化数据实时地汇集到一起,这就从源头上解决了大数据应用中的数据捕获难题。为大数据应用的开展奠定了充分的数据基础。

数据中台将推动数据的深入挖掘和应用

数据中台为支持前台和客户需求而生。为了能够快速为前台提供更多更快的“炮弹”,数据中台必然需要更敏捷、更灵活、更智能。数据中台上部署了一系列趋势性的新技术,如内存多维数据库、分布式计算、数据可视化、智能数据分析、机器学习等。内存多维数据库实现了数据时效性的革命性突破,分布式计算大大提升了数据计算的速度,数据可视化大大降低了决策的难度,智能数据分析让数据的价值获得更充分的挖掘,机器学习令系统具备了自助分析的能力。总之,依托中台中所部署的新技术,企业将实现实时、多维、智能、自动的数据应用,这将赋予企业数据应用前所未有的用户体验。

依托数据中台,数据应用迈向轻量级应用

在数据中台上,经加工整理后的有用数据将直接输出到具体业务场景的应用端,如输出用于电商企业的在线商品推荐,银行的实时信贷审批,金融服务公司的盘中对冲基金交易分析,制造企业的实时资产利用研究等等应用中,形成以分析-决策-行动为闭环的应用链条。数据将真正与业务场景融为一体,一个个轻量级的应用将直接帮助企业解决业务问题。


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-4-25 17:56

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表