传统数据仓库
• 难以适应PB级存储
VS. • 不能存储非结构化数据
• Scale up，依赖单台服务器性能 • 查询计算速度有瓶颈，查询计算
能力上限在百万级，计算时间在 分钟级，甚至小时级 • 软件license贵，可选择少，灵活 性少
前 端 B I工 具
大数据架构数据仓库
• 轻松应对PB级存储 • 支持全类型数据存储 • Scale out，分布式、无限
的企业数字化
的企业数字化
业数字化
未来20年代，智能化的 企业数字化
• 软件工具代替手工操 数据 作 生产
• 信息基本全部Key in
• 信息零散
数据 量
少量的内部数据
• 整合企业内部信息孤岛， • 互联网数据为代表
以ERP为代表
• 数据量、效率大幅提升
• 信息大部分手工Key in， • 各类小型移动化、自动化
供应链优化
销售与库存预测 备品备件优化 智能配送
消费
计 算
SQL服务
与
数据分析
分
Impala
Kylin
布
式
存
储
数据准备
销售活动优化 奖金与返利 价格优化
机器学习与深度学习
财务绩效
盈利分析 预算管理 CFO驾驶舱
理主 数 据 管 理 与 元 数 据 管
Enterprise-grade
存储能力，算力，维护能力
从小数据到大数据
举例 康众：大量交易数据的存储和分析
传统数仓迁移到大数据平台
批量数据
内 部 /外 部 数 据
流数据
获取数据 获取数据
数据收集 原始存储
数据处理与存储
生成 计算脚本
数据处理 结果存储
数据存储 HDFS/Hive/Hbase Kudu/Impala
F lume 收集
移动互联网将触点进一步延申 各类小型移动化、自动化应用为代表 数据量、效率大幅提升
整合企业内部信息孤岛 流程整合，资源整合，以ERP为 代表
软件工具代替单个岗位的手工操 作 价值链分割，仅满足本部门业务
物联网技术
智能化、 AR、识别技术 LOT、传感器的天下 分布式数据的存储和处理
互联网技术
B/S结构、移动化 浏览器的天下 大数据库计算的发展
数字化环境下，制造经营分析的演进
数字化4.0 ◼ 未来20年代，智能化的
企业数字化
数字化3.0 ◼ 10年代-当前，大数据的
企业数字化
数字化2.0 ◼ 00年代，“关停并转”
的企业数字化
数字化1.0 ◼ 90年代，“烟囱林立”
的企业数字化
数字化的演进
自动化、智能化为代表的物联网 的全面发展 数据全面的收集 大数据的生产和消费
平台进化
数据应用的演进方向
• 更自由：维度的自由、数据的自由 • 更自主：自主制作，工具的简化 • 更全面：从小范围的决策分析，到全员的 数字素养 • 更敏捷：工具的不断简化，有效降低使用门槛，提高
应用效率 • 更深入：foresight
数据应用
从IT专业工具，转向用户日常工具，参考office工具的演进
Hybrid design
People-focused
关于我们
十余年，
我们与数俱进
数据 集市
专注于企业级数据分析服务的大数据公司
数据仓库 绩效管理
高级分析 数据可视化 看板管理 商务智能2.0
大数据技术 大数据应用 分析预测 数据挖掘 数据即服务
至今
2005
数据分析方式的演进方向
数据处理
应用方式
网络技术
C/S结构、PC界面 网络的天下，计算机是节点 网络技术开始高速发展 集中式大型数据库的发展
数字化， 向广度、
深度、 精度三 个方向 快速向
前！
计算机技术
单机应用 计算机作为日常工作的辅助工具； 一般的性能；数据文件
数字化过程中的数据演进
数字化1.0
数字化2.0
数字化3.0
数字化4.0
90年代，“烟囱林立” 00年代，“关停并转” 10-当前年代，大数据的企
数据报表 Hint-Sight
数据统计报表
关联分析
In-Sight
时间（同环比）、组织 （分布）、产品等维度
的交叉分析
洞察发现 Fore-Sight
画像、预测、优化
精选客户
快消零售
汽车制造
医药与生命科学
航空与物流
高科技与制造业
金融服务
其他行业
我们的技术框架
智能制造
预测性维护 良品率提升 优化工艺
•
洞察
推动行动的开展，实现业务转型
观数台
通过一个平台实现端 到端的全面支持：
• 多数据源链接、ETL、数 据仓库、可视化工具、 门户管理、报表分发、 大屏技术
数据固化
Kafka 传输缓存
数据固化
Spark S treaming 实时计算
交互查询
复 杂 查 询 /低 并 发
多维报表
高 并 发 /低 延 迟
• 数据环境变化 • 数据量从原来的TB级上到PB级 • 计算量从百万级到亿级 • 数据增量越来越快 • 数据类型从结构化数据转向非结构 化数据
• 计算方式从批到实时
部分信息半自动化
应用延申触点，补全业务
• 数据结构越来越关键
链条收集更多数据
大量的内部数据
• Click In 海量的数据
• 物联网数据为代表 • 数据量几何级增长 • 先数据后需求 • Scan In
天量的数据
数据 分析
手工Excel报表
基于内部数据的BI系 统
敏捷的、能处理大量数据的、 丰富展现形式的BI工具
更好的性能、更智能的数 据、智能化的图形展现、 更加便捷的操作
工具 少量自制的报表
大量的IT定制报表
大量自助灵活的报表
自助的、智能化的报表
数据分析的趋势：
• 专业化分工更加 清晰。回归本源， 让业务用户来制 作数据分析，IT部 门搭建平台
• 更快处理更多的 数据
• 更好、更灵活的 展现数据
数据分析方式的演进
扩展存储、计算性能 • 查询计算能力基本无上限，
计算时间在秒级、分钟级 • 开源生态环境
平台的演进
• 更集中的软硬件环境：ETL调度、数据仓库、数据科学 管理工具、可视化工具、分发工具
• 更简洁的架构：每个工具，都需要有一个服务器，到 只需要一个或少量
• 更灵活的配置：水平扩展 • 更简便的维护：稳定性、简化架构、工具门槛
• 举例：全员BI（例图）
全球制造供应链分析
全球制造供应链分析
12
Fore sight的一些应用
1 7
数据处理的演进方向
• 更多存储：GB、TB、PB • 更多来源：各类数据源；结构化、半结构化、非结构化 • 更多算力：CPU、GPU • 更灵活的配置：水平扩展 • 更快的查询：越来越快的查询能力 • 更多的场景：批、实时