导读：本期“谁是数据英雄？传统企业大数据应用案例”给大家介绍《 秦山核电：为何启动国内首个核电大数据咨询项目？ 》。 据悉， 中核核电将在秦山站启动国内首个核电大数据咨询项目，旨在利用大数据检测分析设备故障，保证核电站安全，同时制定切实可行的大数据平台方案，挖掘和分析利用核电大数据。 ? 在大数据采集方面，为及时发现核电站设备故障，大数据平台应同时具备实时和非实时数据的采集能力。以流计算框架为基础，对流数据进行高效实时运算，支撑实时业务响应和规则动态匹配。 在大数据存储方面，为满足海量实时设备信息的存储需求，大数据平台需要同时具备结构化与非结构化数据的存储和计算能力。同时，利用内存库和流计算技术，实现数据的快速计算和存储，进而提升业务的反应速度。 在大数据管控方面，应以秦山核电站现有数据字典为基础，从元数据管理、数据标准建立、数据质量监控、数据处理监控、数据共享发布等方面入手，实现书同文、车同轨的数据管控能力。
导读：本期“谁是数据英雄？传统企业大数据应用案例”给大家介绍《 长城资产：数据管控驱动管理增值 》。在外部监管和内部需求的共同驱动下，资产管理行业的数据治理体系建设势在必行。 作为四大国家级金融资产管理企业之一，中国长城资产管理公司率先拉开数据治理体系建设的帷幕。 ? 中国长城资产管理公司作为四大国家级金融资产管理企业之一，率先拉开数据治理体系建设的帷幕。 ? 数据治理如何驱动资产管理企业增值？ 数据管控 在大数据的推动下，企业数据资产变得日益复杂，与企业的其他资产不同，企业难以具体了解自身数据资产的情况，数据治理体系可以对整个企业的数据资产进行梳理，帮助企业了解内部的数据资产情况，进一步加强企业对复杂数据资产的管控能力 另外，数据标准定义、应用和维护应该是一个长期动态优化的过程，数据标准管理可以对长城资产业务的发展和系统的建设持续进行优化和完善。
移动推送、BI、云数仓Doris、ES、数据湖DLC、WeData、流计算Oceanus，多款产品助您高效挖掘数据潜力，提升数据生产力！
导读：本期“谁是数据英雄？传统企业大数据应用案例”给大家介绍《 兴业银行：信用卡背后的数据生命线》。 作为首批试水大数据的商业银行，兴业银行积极开展大数据平台建设，目前，兴业银行信用卡中心的数据平台建设包括信用卡基础数据平台、数据集成平台与数据治理平台三部分，其中基础数据平台是支撑，数据集成平台是手段， 兴业银行信用卡中心表示，“大数据时代向我们提供了丰富的数据，让我们全面了解客户成为了可能，但如何有效管理并整合海量数据？传统数据处理的理念及模式该如何应变？ 信用卡行业应尽早与相关技术公司合作，利用大数据前沿技术，对自身的数据架构进行软硬件升级调整，搭建大数据平台。大数据平台的建设将对其安全稳定运营，实现风险管理等具有十分重要的意义。 未来的商业银行要参与到深入数据价值链核心，从数据中获得洞察力，从数据中攫取价值，从数据中赢取未来，引领传统模式变革，用创新的理念和行动主动拥抱“大数据”时代。
传统企业大数据应用案例”六连发，第一期给大家介绍《制造业新风向——航天三江用大数据驱动智能制造》 ，全文详解“航天三江”在搭建的大数据交换平台上，系列布局有关产品生命周期管理，价值管理， 质量信息管理及信息化管理等方面的应用案例 随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。 钱塘大数据 www.qtbigdata.com 企业大数据应用案例之一 制造业新风向——航天三江用大数据驱动智能制造 “德国工业4.0”、“美国工业互联网”战略的发展，给中国制造业带来了前所未有的冲击。 这一次，航天三江将构建一个大数据交换平台——强化对业务活动的信息化支撑，提升了管理效率，降低了管理成本，构建了企业工业4.0的基础环境。她表示，在大数据交换平台支撑下，着重从四大方面展开业务场景。 为实现向智能制造企业的顺利转型，航天三江在管理与技术两方面同时提升体系能力,以支撑四大关键业务场景。
导读：本期“谁是数据英雄？传统企业大数据应用案例”给大家介绍《 新奥能源：智能运营背后的数据价值链》。能源行业是国民经济中的支柱产业，也是产生海量数据并对数据分析有着重要依赖的企业。 如何利用数据提升业务价值？新奥能源控股有限公司系统管理部主任崔占海表示，“新奥需要打造出基于大数据驱动的智能运营体系，通过持续的大数据治理和大数据应用迭代，推动业务的创新发展和管理的变革提升”。 图：新奥能源价值链 针对上述需求，在普元等外脑的协助下，新奥能源重构了整体价值链，针对其中的市场营销、能源采购、能源销售、客户服务等重要环节，给出了大数据平台建设下的四大业务场景： 在市场营销方面，可利用大数据平台能力 通过大数据治理设计整个大数据平台的数据管理流程，明晰大数据血脉，提升大数据质量，实现对大数据的全面管控，为上层应用提供安全可用的数据基础，确保大数据平台分析与预测的准确性。 崔占海表示，“打造领先的新能源企业”绝不仅仅是句空口号，未来通过持续的大数据治理和大数据应用迭代，新奥能源将能创造出更大的经济效益和社会效益。 ?
将深厚的理论知识转化为实际应用需要数据挖掘技术方面的专业知识，如关联，聚类，预测和分类。 ? 投资银行评估公司在企业融资中创造资本，促进兼并和收购，进行公司重组或重组以及用于投资目的的价值。 这就是为什么风险模型对于银行来说显得非常重要，最好是通过掌握更多信息和储备数据科学工具来评估。 5 终身价值预测 客户生命周期价值（CLV）预测了企业从与客户的整个关系中获得的所有价值。 机器学习算法和数据科学技术可以显着改善银行的分析策略，因为银行业务的每个使用案例都与分析密切相关。随着信息的可用性和多样性迅速增加，分析变得更加复杂和准确。 由于这种快速发展的数据科学领域以及将机器学习模型应用于实际数据的能力，因此可以每天扩展此用例列表，从而获得更多更准确的结果。 您有什么见解，请留言。
文 | 张礼立 大数据在企业运营中到底有哪些应用值得我们关注? 无论规模大小，无论是生产型还是服务型，无论是盈利还是非盈利机构，运营管理，即产品制造，都是每个组织的核心。 制造，即运营管理是供应链的四大环节之一，负责规划，组织，管理所有制造产品所需要的资源，包括设备，人力，技术，流程，信息等。 由于任何问题都有可能在某种程度得到优化，问题在于，大数据在企业运营(产品制造)中到底有哪些应用值得我们关注? 笔者结合自己企业的发展和管理，以及大量客户和机构的研究与实践，提出了大数据在企业运营管理过程中可落地的八大应用场景： 1消费者需求分析 很多企业管理者都意识到了消费者再也不是营销产品的被动接收器了，通过大数据来了解并设计消费者的需求的产品 ，可能是我们所有企业都应该去考虑的第一个大数据的生产应用场景。
制造，即运营管理是供应链的四大环节之一，负责规划，组织，管理所有制造产品所需要的资源，包括设备，人力，技术，流程，信息等。 由于任何问题都有可能在某种程度得到优化，问题在于，大数据在企业运营(产品制造)中到底有哪些应用值得我们关注？ 笔者结合自己企业的发展和管理，以及大量客户和机构的研究与实践，提出了大数据在企业运营管理过程中可落地的八大应用场景： ? 1、消费者需求分析 很多企业管理者都意识到了消费者再也不是营销产品的被动接收器了，通过大数据来了解并设计消费者的需求的产品，可能是我们所有企业都应该去考虑的第一个大数据的生产应用场景。 首先是信息和数据的孤岛。传统行业经历了过去20年的信息化建设，形成了大量的，种类繁多的大型应用。每个应用系统都有自己的数据，与组织结构的竖井相辅相成，逐步形成了我们今天看到的信息独岛。
数据来源：某国内SaaS公司财报 随着精细化运营越来越受到企业重视，SaaS市场无疑是一块巨大的肥肉。但是，如果不能解决规模化盈利的问题，那这块肥肉就只能“看得到，吃不到”。 总之，小企业和大企业就像两种“生物”，SaaS公司在产品、销售、服务等多个环节都需要区别对待。 ? ? 大企业市场怎么做？ 大企业的需求可以简单划分为两个层面： 战略层和策略层 执行层与数据层 对于SaaS公司，执行层与数据层是相对适合的需求层面。要经营好这个层面，我建议的策略是“工具升级、人才降级”。 当然，不同的业务领域，企业一把手的关注度不同，SaaS应用成功率也有差异。由于一把手是企业最优秀的人才，因此他们主抓的领域，比如CRM，相对成功率更高。 总结 大客户小客户，企业特点不同，应用SaaS的难点也不一样。
一些已在数字化运营方面多有斩获的企业的转型路径，能为后来者提供借鉴：美的集团实现数字化转型“三部曲”：（1）、2012 年至 2015年搭建基础信息平台，实施 632 战略：六大运营系统、三大管理平台以及门户和集成两大技术平台 经验表明，预测性维护技术能为企业节省近12%的维修成本和近 30%的整体维护成本。预测性维护的案例，国外关于 GE 和罗尔斯罗伊斯在航空发动机方面的应用已经广为人知。在国内，这一应用领域同样发展迅速。 两者的互联互通与协同，在使企业应用系统获得更加实时和准确数据的同时，也提升数字化工厂在支持企业决策方面的价值。 数据资产变现，迈向数字经济新天地随着产业物联网和大数据分析，人工智能等技术的应用不断推广，企业运营的数字化程度不断加深，企业所积累的客户和运营等方面的数据资产不断增多，如何将这一规模日益增长的资产变现， 数据资产变现领域，制造业企业尽管远远落后于BAT等数字平台型企业，但不断地探索也带来可供借鉴的案例。例如， 海尔涉足消费者金融，即是将其多年积累的海量用户数据变现的有益尝试。
近几年，随着大数据产业的蓬勃发展，数据可视化大屏在各行各业中的应用越来越广泛，教育、医疗、政务、交通运输、能源等等，到处都能看到数据可视化大屏的身影。 大面积、炫酷动效、丰富色彩是可视化大屏最为显著的特点，大屏易在观感上给人留下震撼印象，便于营造某些独特氛围、打造仪式感。大屏数据可视化目前主要有信息展示、数据分析及监控预警三大类。 下面我们来看看5个经典的数据可视化大屏应用案例。 1、法院数据分析系统 法院行政案件大数据分析系统包含了结案特征分析、当事人分析、实效分析和管辖改革成效。 数据可视化大屏的应用远远不止以上几个方面，如果想要对数据可视化大屏做深入的了解，可以关注华宇智能数据将于9月17日20:00在微吼的直播《酷炫大屏如何SHOW到飞起？》 ，届时华宇资深可视化领域专家将围绕以下几个方面进行讨论与交流： 1、大屏的典型应用场景及价值 2、亿信多个行业大屏效果展示 3、教你制作出拍手称赞的大屏 4、大屏制作小能手之酷屏介绍
Harbor 在国内外已经有很多落地案例，本文介绍 Harbor 项目合作伙伴品高云的 DevOps 案例，节选自《Harbor权威指南》一书。 品高云是广州市品高软件股份有限公司开发的云操作系统，DevOps 容器服务是品高云面向云原生应用的云服务功能，使用了 Kubernetes 和 Harbor 分别作为容器编排和镜像仓库，可面向企业级用户提供微服务开发 经过数年的发展，品高云使用 Harbor 构建了 ECR（私有容器仓库）服务，实现企业账号管理镜像库，支持镜像推送和拉取、安全扫描、跨区复制，对接 EKS（弹性 Kubernetes 服务）和持续交付流程 在多云协作架构下，品高云的 DevOps 服务被部署在主云上，各个云通过对接企业统一认证实现对用户的统一管理，并对其他从云的 EKS 和 ECR 进行纳管。 出于应用灾备或应用多活的目的，将应用部署到其他云环境时，DevOps 服务能够管理多个环境的配置，根据用户指定的云环境，向对应的 EKS 集群下发应用部署的任务。
随着信息技术的飞速发展，传统企业管理所产生的大量数据信息、报表信息等都很零散，企业各部门之间传递与统计这些信息不仅耗费了大量的人力物力，也降低了企业的工作效率，这种传统落后的管理方法成为企业生存与发展的瓶颈 从基础数据、销售、采购、生产、库存、财务、决策分析等形成闭环式管理，实现生产业务一体化，通过信息化手段助力企业数字化转型升级。 那么ERP系统在实际应用中到底怎么实现的呢?下面用一则案例来说明！ 需求痛点 1、库房数据不准确，全靠记忆和简单的表格管理 2、采购，出入库的基本没有流程手续等，仅凭微信或电话告知 3、生产车间与库房的余料，原料堆积，没有分类管理。 5、针对生产后的再加工（委外），没有相对应管理方案 应用解决方案 忽米云ERP系统通过信息化解决行业管理问题，满足各企业科学管理的需求，并为制造管理提供完善的解决方案。 应用效果 1、财务对账时间由10小时缩短至3小时 2、库存管理人员由7人减少至4人 3、产品质量缺陷率由18%减少至10% 4、车间报表统计人员由3减少至1人 5、供应商交货及时率由60%提升至80%
Evaluator Group董事总经理兼分析师Camberley Bates表示： “如果最终用户没有考虑到他们正在构建的混合云以及混合云要运行的应用，通常这种情况下企业都会构建失败。” Camberley Bates介绍了三个成功的混合云案例以及一个受欢迎但更具挑战性的用例。 3、DevOps应用程序开发 企业在混合云领域取得成功的领域是应用程序开发，随着组织采用DevOps和敏捷开发的方式，IT团队正在寻求加快开发流程的方法。 但是一旦应用程序即将部署到生产环境中，很多企业选择将其迁移回本地数据中心，这往往是处于数据管理或成本原因。混合云模式使组织能够满足其开发速度和灵活性、稳定性、易管理性、安全性和低生产成本的需求。 4、云爆发(cloud bursting) 云爆发（cloud bursting）是一个应用部署模式，其应用运行在私有云或数据中心（data center）中，当计算能力的需求达到顶峰时突然进入公有云中
Evaluator Group董事总经理兼分析师Camberley Bates表示：“如果最终用户没有考虑到他们正在构建的混合云以及混合云要运行的应用，通常这种情况下企业都会构建失败。” Camberley Bates介绍了三个成功的混合云案例以及一个受欢迎但更具挑战性的用例。 3、DevOps应用程序开发 企业在混合云领域取得成功的领域是应用程序开发，随着组织采用DevOps和敏捷开发的方式，IT团队正在寻求加快开发流程的方法。 但是一旦应用程序即将部署到生产环境中，很多企业选择将其迁移回本地数据中心，这往往是处于数据管理或成本原因。混合云模式使组织能够满足其开发速度和灵活性、稳定性、易管理性、安全性和低生产成本的需求。 4、云爆发(cloud bursting) 云爆发（cloud bursting）是一个应用部署模式，其应用运行在私有云或数据中心（data center）中，当计算能力的需求达到顶峰时突然进入公有云中
我们都在说大数据时代来临，信息和数据大爆炸。 从2013年初开始，对于大数据爆发的焦虑感，紧迫感，不由自主地被卷入的甚至无力的感觉，驱动众多行业、企业和团体去关注和开始接触和了解大数据，自觉或不自觉的，主动或不得已地去融入这波洪流。 这些被存储数据的大体分布为：媒体/互联网占据现有容量的1/3，政府部门/电信企业占据1/3，其他的金融、教育、制造、服务业各部分占据剩余1/3数据量。 在目前被广泛引用的IDC和EMC联合发布的“2020年的数字宇宙”报告预测到2020年，全球数字宇宙将会膨胀到40000EB，均摊每个人身上是5200GB以上，这个量将会如何被有效存储和应用，我们眼下还很难想象 伴随着云计算迅速普及和各行业，各企业和部门对于数据资产保存和利用意识的增强，以及通过互联网、大数据对产业进行变革的意愿，未来2-3年一定会有越来越多的行业、大企业步入到PB、百PB、甚至EB级别数据俱乐部
导读：每个企业都有自己的规划和自己企业在运营环节的管理最佳实践，大数据对促进供应链中的生产环节产生了前所未有的巨大影响，那么大数据在企业运营中到底有哪些应用值得我们关注？ 本文结合自己企业的发展和管理，以及大量客户和机构的研究与实践，提出了大数据在企业运营管理过程中可落地的八大应用场景： ? 1、消费者需求分析 很多企业管理者都意识到了消费者再也不是营销产品的被动接收器了，通过大数据来了解并设计消费者的需求的产品，可能是我们所有企业都应该去考虑的第一个大数据的生产应用场景。 首先是信息和数据的孤岛。传统行业经历了过去20年的信息化建设，形成了大量的，种类繁多的大型应用。每个应用系统都有自己的数据，与组织结构的竖井相辅相成，逐步形成了我们今天看到的信息独岛。 6、质量管理 早在上世纪90年代开始，大量的企业就开始通过应用分析法来提高产品质量和生产的效率，其核心是实现生产与服务的需求相匹配。今天的大数据分析手段也是如出一辙。
但是当这个项目一旦庞大，大到数万行代码甚至是数十万行代码之后，就会有很多问题产生。 其中最大的问题是系统的耦合，举个最简单的例子。比如说某天你和另外一个同事接到一个需求，你们要一起开发一个功能。 这个功能比较复杂，你们商量了一下决定把这个功能拆成两个部分，他做前面数据准备的部分，你做后续数据处理加工的部分。 由于你们是共同开发的，你需要依赖他的接口，所以为了方便，你决定写一个Mock的接口，返回一些人造的假数据，等他开发完了之后再替换。 在后端当中系统的耦合非常非常见，也正因此Spring框架诞生之后大行其道，再加上它本身拓展性很强，使得它在众多领域有了应用，比如Web领域的Spring MVC以及对hibernate和ibatis的集成等等 但应用多了之后，也导致了一些问题，比如配置文件过多过于复杂。正因此Spring社区对庞大的Spring家族进行了简化，推出了Spring Boot。
在机器学习中，您标注的数据是AI模型的基础，因此选择正确的方式十分重要，建立质检流程，跟进每一个测试环节。随着技术比以往发展地更迅速，人工智能在安全和人脸识别方面的应用愈加普及。 人脸识别 手机人脸识别系统 现在信息安全越来越重要，这意味着所有企业都务必重视信息保护，比如我们每天使用的智能手机，人脸识别和检测有助于提高手机的安全性，防止黑客入侵和其他安全风险。 教练可以评估一名球员的最佳优势，并将其和其他成员或其他候选人进行比较，从而获得球队的整体概况预测，有助于找到尚未在大联盟中证明自己的球员。 通过将迁移学习的概念应用于他们的数据并通过深度学习实施预训练模型，科学家们能够测量各种参数，例如步行速度、节奏、摆动和站立时间以及双支撑时间。 用于步态分析的机器学习应用仍然是一种新兴的实践。虽然有开源数据集，但使用关键点标注来探索可能性仍然是一种新的尝试。将其广泛使用需要大量时间和数千个关键点。
腾讯云图 （TCV）是一站式数据可视化展示平台，旨在帮助用户快速通过可视化图表展示海量数据，10 分钟零门槛打造出专业大屏数据展示。精心预设多种行业模板，极致展示数据魅力。采用拖拽式自由布局，无需编码，全图形化编辑，快速可视化制作……
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
