解决方案

包括大数据分析处理中台系列产品、DevOps Tool Chain产品、云PaaS平台构建运维咨询服务、用户行为数据分析推荐引擎、基于深度学习的视频数据分析系统等多个Bizeasy系列产品与成熟解决方案为您的商业起飞助力。

1. 数据中台系列产品

  • 传统应用系统以功能本身为出发点，数据围绕应用服务。而Bizeasy数据中台系统打破传统应用系统的模式和框架，以数据为核心，整合包括存量数据、内部应用数据、外部流入数据，形成数据共享平台，并构建为整体业务系统服务的“数据集市”，将各种数据集中存储、逻辑统一、合理规划、分类存放、多维管理、深度挖掘、灵活运用，形成应用系统的全生命周期管理。

  • 数据中台产品采用国际最新一代的分布式大数据存储计算架构，采用两级分布式数据层，分别对应热数据和冷数据，利用分布式内存数据库的分布式计算能力，解决传统Hadoop分布式文件系统中滥用其Mapreduce的问题，数据的接入从分布式文件系统改为分布式内存数据库，解决了分布式文件系统的I/O瓶颈和数据更新等问题。同时将当今最主流的计算框架Spark与分布式内存数据库有机的相结合，对Spark计算中内存操作与分布式内存数据库的内存相统一管理，改变了传统Hadoop结合Spark计算时每次加载的效率问题。真正意义上实现了准实时查询、分析和统计。

  • 在数据的接入管理、数据集市的数据管理及治理中，结合微服务框架和微服务管理机制，配合平台基础组件，将数据接入、数据管理、数据治理、数据服务、业务指标管理等服务化，统一管理、分权使用，平台化运营。通过数据层的解耦合，简化应用系统间的关联性；通过数据集市的建立，打破之前应用系统建设的相互制约，缩短新建及改造应用系统的建设时间。用过数据集市中数据的重组和维度发掘，为整个应用系统系统以至于企业单位的决策层提供增值数据服务。

2. 企业级云平台构建方案

  • 我们根据丰富的软件开发经验和最佳实践，提炼出主流前端和后端框架，遵循云原生应用的12个要素，采用微服务敏捷架构，在K8S（OpenShift、Rancher）等容器云平台上，基于DevOps开发流程，为企业和组织开发、部署和维护各类云原生应用。

  • 提供公有云（阿里云，AWS，Google云，微软Azure云等）的顾问咨询服务和技术支援。包括：云端规划建议与成本估算、基础设施评估、云端架构设计、应用服务的云端搬迁部署、应用服务的云端托管、DevOps服务、数据分析、物联网应用等多种公有云的服务咨询和技术支持服务。

3. 企业大数据分析模型及工具

  • 南京商务智能新技术研究院的数据分析科研团队在数据建模和分析等方面具有丰富的知识和经验。通过双方的深度合作，利用先进的数据分析方法从数据中获取商业价值。协助企事业单位探索数据以发现新的商业机会、规避商业风险、发掘隐藏的商业模式和事实真相。

  • 各种大数据分析算法助力企业发展

    • 数据分类：文本数据、交易数据、评价数据、图数据、轨迹数据……
    • 分类算法：Decision Tree based Methods 、Rule-based Methods、Nearest-neighbor、Neural Networks、Bayes Classifiers 、Support Vector Machines、Boosting、Bagging、Random……
    • 聚类算法：
      • 基于原型：K-means、混合模型 (mixture model, MM)、模糊C-均值 (Fuzzy C-means, FCM)、自组织映射 (self-organizing maps, SOM)…
      • 基于密度：DBSCAN、CLIQUE、DENCLUE…
      • 基于图：agglomerative hierarchical clustering, AHC、Jarvis-Patrick Clustering (JP)、MinMaxCut…
      • 混合方法：consensus clustering
    • 关联分析: ……

4. DevOps Tool Chain

  • 通过DevOps，S2I快速部署，可以实现敏捷开发效率和效果的最大化。

    • 运维平台共享化，提高资源利用效率
    • 开发应用服务化，提高团队协作效率
    • 检查测试自动化，快速响应需求变化
    • 部署上线流程化，降低产品质量风险
    • 开发运维专门化，降低人员准入门槛
    • 开发流程数据化，实现作业精准管理
    • 流程控制透明化，快速准确定位问题
    • 技术方案共有化，减少技术资源依赖

5. 用户行为数据收集、分析画像、实时推荐

  • 基于用户行为数据标签及其他相关数据，构建用户画像，实现用户分群，进行准确营销。

  • 根据客户具体数据特点，及客户目标需求，构建相应的一体化解决方案。

6. 基于深度学习的视频识别

  • 使用Tensorflow/Keras等框架，对视频实时进行处理

  • 通过对采集的数据进行标记，通过神经网络进行训练

  • 对视频中的物体进行识别，并标注轨迹。采集识别结果数据，提供给大数据平台结合其他业务数据进行综合分析。