智能制造大数据应用解决方案课件

《智能制造大数据应用解决方案课件》由会员分享，可在线阅读，更多相关《智能制造大数据应用解决方案课件（48页珍藏版）》请在装配图网上搜索。

1、智能制造大数据应用解决方案2 0 2 0采购研发生产供应网络销售采购策略优化采购策略优化 采购提前期预测（历史、环境、天气、路线 etc.）来料质量预测（历史、行业 etc.）原材料价格预测（历史、行业、宏观）供应商评级（历史、行业等）外包非核心综合分析（成本模拟、质量模拟、提前期模拟）立项模拟立项模拟&优化优化 成本模拟（原材料价格预测的矫正值、其他成本固定非固定要素）周期模拟（同质同类同工艺同XXX）销售模拟（同质同类同功能同XXX）资源模拟（研发资源优化的矫正值）搜索优化搜索优化 结构/半结构/非结构化数据查询优化 研发资源优化研发资源优化（综合输出）Skill Set/Workload

2、/Workforce 产品持续改进产品持续改进 市场反馈、销量、成本等综合因素作用于产品立项、更新迭代过程中 智能排产智能排产 CAPP+Real time Capacity In-house仓储优化 领退料路径优化 立体仓堆料优化 设备保养维护设备保养维护 健康管理 根因分析及维修策略 保养策略（备品备件仓储优化）外包非核心综合分外包非核心综合分析析 成本模拟 质量模拟 提前期模拟 货品调拨 企业与DC之间的，DC各自之间的Proactive调货行为 库存优化（将持续性考虑在内，包括碳、水管理，能源用量和废品管理）产品、备件自动补货模型 存货成本模拟 分销商订货行为分析与响应最优路径 路径模

3、拟（路况、区域、布局etc）实时重新路径规划（区别于电子地图，除了时效性，还要考虑成本等因素）智能选址 DC布局的增删改（宏观、区域、市场、历史等）需求销量预测需求销量预测 不同维度（By产品、By区域、By功能等维度销量预测）货品定价货品定价 智能定价模型 持续质量管理（持续质量管理（CQM）根因分析知识库（可作用于“产品持续改进”）质量预测模型库 决策支持模拟仿真 销售渠道、布局优化销售渠道、布局优化 销售渠道分析及拓展建议 销售布局分析 营销策略模拟营销策略模拟 从类别、成本、效果等角度分析，精准营销 大数据的应用前景目录CONTENT0101 XXXX大数据介绍大数据介绍02智能制造解

4、决方案03 企业级大数据建设要点04 大数据平台简介大数据云计算互联网+智能制造穿戴设备人工智能联想集团智能生态4愿 景多源大数据技术的提供者企业大数据转型的赋能者行业大数据生态的领导者使 命通过大数据创新产品和行业解决方案，助力企业的智能化和全球化转型5联想大数据提供的产品与解决方案，解决三大关键问题形成端到端的整体解决方案，将处于技术底层的企业数据资产，通过软硬件平台和专业化服务，一步步转化为上层业务价值6当客户需要一个成熟的、高性能的大数据平台及解决方案时当客户难以管理自己多源、异构、海量的大数据资产时当客户需要将数据资产转化为业务洞察和商业价值时与与与存存算算析析 用用清清管管服务器与

5、分布式存储大数据计算平台软件工具实施服务数据管控咨询服务数据挖掘算法开发分析应用咨询服务早在2011年8月，联想就启动了大数据建设5年！300+研发人员持续投入成都北京香港三个研发中心200+名大数据研发工程师60+名大数据平台运维工程师40+名应用系统开发工程师50+名数据科学家来自中科院、清华、北大、牛津、港大、港科大、以及美国、澳洲等著名学府的博士和硕士人才博士与海归比例超过80%30+名大数据领域专家数据专家：平台架构、数据架构、数据标准、数据治理、数据管控、等业务专家：制造业、零售业、能源与公共事业、通讯业、金融业、等全球部署的超大规模集群，PB级与复杂业务生态的实战锤炼Cyberp

6、ort-HK VirginiaCalliforlia ChicagoFrankfurtSingaporeIDC,CNC-BJEssen,Ger2012/Q12015/Q42013/Q1BJ:2010/Q1 2013/Q2 2015/Q2 2016/Q32015/Q3IDC,TIS-TJTJ:2013/Q3l总容量 12PBl数据总量 9PBl日新增数据 30TBl日处理数据 4.3 PB全球化多中心部署，2000台服务器，3000名操作用户在实践中充分验证系统的高可靠性企业数据本地化收集和存储完全合规各国数据保护和隐私保护法律联想大数据支持全集团业务的生命周期管理优化全生命周期的数据分析和产品

7、管理工厂生产出货销售渠道销售中间商出售用户使用用户服务产品与营销销量分析 产品分析 品牌管理 营销管理 订单管理 生产过程 供应链管理 新品上线 产品质量 物流运输管理 货品调配管理 渠道销量管理 渠道库存管理 合作伙伴管理 销售过程分析 经销商关系管理 经销商库存分析 用户激活 网点备货 线下配送 设备使用 用户反馈 用户画像咨询能力是联想大数据的服务精髓与价值特色从业务问题入手，进行业务诊断，并提出业务方案业务能力提升方案信息支撑能力规划业务和信息能力整合业务应用实践通过业务应用实践，将大数据方法和工具能力转化为业务绩效基于业务发展需求，进行DT/IT支撑能力规划和建设基于具体业务目标，将

8、DT/IT能力和业务流程整合，最大化发挥DT/IT价值业务角度咨询能力贯穿始终，保障大数据业务价值转化的畅通能力整合支撑角度应用与培训业务能力技术能力分析能力+管理服务+联想数据科学家团队优秀的科研背景，丰富的实践经验团队成员目前近50人，全部具有硕士以上学历，其中60%具有博士学历，10%从事过博士后研究。在人工智能、机器学习、数据挖掘和大数据系统设计中有丰富的研究和工程经验。在顶级期刊和会议中发表学术论文近百篇，国内和美国专利数十余项。我们的数据科学家团队在北京和香港有两个中心，他们来自于世界著名高校我们的数据科学家团队在北京和香港有两个中心，他们来自于世界著名高校“大数据”为了提升决策能

9、力与业务视野，以高效益、创新型的信息处理过程加工的信息资产信息资产，这种信息资产具有规模大、速度快的特征。追求大数据的唯一理由为企业经营目标提供价值提供价值。Gartner,2012年6月，大数据定义新数据新技术新方法新思维新应用新资产新文化新视野新业务12大数据是智能化的核心生产资料与工作方法13目录CONTENT01 联想大数据介绍0202 智能制造解决方案智能制造解决方案03 企业级大数据建设要点04 大数据平台简介采购研发生产供应网络销售采购策略优化采购策略优化 采购提前期预测（历史、环境、天气、路线 etc.）来料质量预测（历史、行业 etc.）原材料价格预测（历史、行业、宏观）供应

10、商评级（历史、行业等）外包非核心综合分析（成本模拟、质量模拟、提前期模拟）立项模拟立项模拟&优化优化 成本模拟（原材料价格预测的矫正值、其他成本固定非固定要素）周期模拟（同质同类同工艺同XXX）销售模拟（同质同类同功能同XXX）资源模拟（研发资源优化的矫正值）搜索优化搜索优化 结构/半结构/非结构化数据查询优化 研发资源优化研发资源优化（综合输出）Skill Set/Workload/Workforce 产品持续改进产品持续改进 市场反馈、销量、成本等综合因素作用于产品立项、更新迭代过程中 智能排产智能排产 CAPP+Real time Capacity In-house仓储优化 领退料路径优

11、化 立体仓堆料优化 设备保养维护设备保养维护 健康管理 根因分析及维修策略 保养策略（备品备件仓储优化）外包非核心综合分外包非核心综合分析析 成本模拟 质量模拟 提前期模拟 货品调拨 企业与DC之间的，DC各自之间的Proactive调货行为 库存优化（将持续性考虑在内，包括碳、水管理，能源用量和废品管理）产品、备件自动补货模型 存货成本模拟 分销商订货行为分析与响应最优路径 路径模拟（路况、区域、布局etc）实时重新路径规划（区别于电子地图，除了时效性，还要考虑成本等因素）智能选址 DC布局的增删改（宏观、区域、市场、历史等）需求销量预测需求销量预测 不同维度（By产品、By区域、By功能等

12、维度销量预测）货品定价货品定价 智能定价模型 持续质量管理（持续质量管理（CQM）根因分析知识库（可作用于“产品持续改进”）质量预测模型库 决策支持模拟仿真 销售渠道、布局优化销售渠道、布局优化 销售渠道分析及拓展建议 销售布局分析 营销策略模拟营销策略模拟 从类别、成本、效果等角度分析，精准营销 大数据的应用前景通过大数据、云计算、移动互联网、物联网等新技术的共同作用，充分把握新工业时代下信息资源带来的机遇，以数据洞察为核心驱形成集制造和服务为一体的全球化价值网络动力，贯穿参与者、产品与生产，实现跨界和全球化互联互通的协同。16大数据是工业4.0时代企业的核心资产传统价值链新价值网络 协同互

13、联智慧的参与者智慧的产品智慧的生产数据洞察驱动参与者生产产品大数据分析大数据分析云计算物联网移动互联网安全 硬件与网络可连可连Double Helix ModelCyber数字化、虚拟化可知可知Digital集中化、资产化可析可析Data 软件与通讯可通可通Communication 生产自动化可控可控Control价值化、智能化可测可测Decision 网络化 数字化 智能化“双链驱动”是智能制造的DNA设备级工厂级企业级 IoT 物联网物联网数据采集与设备连接3C：自动控制链：自动控制链3D：数据驱动链：数据驱动链CPS 网络物理系统网络物理系统数字双胞胎的交互闭环IMEco 智能制造生态

14、智能制造生态数据分析驱动的主动智能体系17工业大数据的现状xx GB/月xx TB/月某数控机床回传数据某空气压缩机回传数据某汽车sensor回传数据X PB/月月数据量随着应用场景的不同，sensor布局的不同，毫无比例的疯狂增长着.这些数据会随着时间的推移，变得庞杂和无法处理（传统数据处理方式）数据数据:平均每毫秒抛出超过x0个日志或文件.平均每个日志文件包含x0-x0个sensor 发出的信号.超过x0.000 个不同的sensor 超过x万台设备被用在了车间内或作为产品被客户使用着 数据使用的目的数据使用的目的:不是为了收集，不是为了存储，也不是为了简单的堆积报表，而是为了产生知识.D

15、ata loading数据使用程度数据使用程度:还有很多台设备游离于管控之外，毫无数据采集可言已经纳入CPS的设备，数据采集毫无目的性有目的的采集数据并不意味着正确的使用这些数据，无法创造价值Big Data!从传统制造到智能制造 在一个典型的制造企业中，参与生产的设备可以分为以下几类：有专门的控制系统的，且能够和外部系统通过预定义的协议进行数据交换的智能设备 具有通过PLC与外部系统进行数据交换能力的自动化设备 具有本地存储功能（e.g.Log,本地DB etc.）的半自动化设备 未经设备改造的，无网卡无PLC的简单设备等.在工业4.0的转型浪潮中，智能制造是整个过程中的一大支撑。智能制造的

16、总体思路是将以上几类设备进行相互的联通，并最终构建一套物理信息系统（Cyber-Physical System）在CPS的基础上，将传统制造中的基础逻辑 发生问题-人根据经验-人调整Material、Machine、Methods、Measurement和Maintenance等要素-解决问题-人积累经验 转变为 发生问题-模型（Model）分析问题-模型调整Material、Machine、Methods、Measurement和Maintenance等要素-模型积累经验-模型分析问题根源-模型进而继续调整5M要素-避免问题OT+IT+DT=智能制造智能制造架构中的工业互联网市场用户协作企业

17、互联网工业大数据平台网络化协同个性化定制产品服务化基于算法和模型实现工业数据分析和决策智能模块产品实体智能化生产智能工厂互联网互联网基于仿真、大数据的新型工业软件ERP、MES等传统工业软件工业生产系统工厂内网络安全隔离智能控制系统智能模块传统工业控制模块智能机器智能机器智能模块智能模块生产装备生产装备工厂内网络IT系统OT系统工业互联网关键要素数据分析软件应用智能设备智能模块平台新型网络（工厂内工厂外）工业互联网传统工业要素反馈为海量数据的集成、计算处理及应用开发提供资源实现海量泛在多样工业数据的实时传输分布于工业系统各层的计算处理能力20如何走向智能制造思维变革统计分析过程：数理统计能够帮

18、助制造企业尽可能的提高制造优率等自省、自反馈、自预测过程：一个可以自愈的工业生态系统建立模型过程：通过数据分析，管理设备生命周期；通过产能测算，找到瓶颈工序并优化产能结构等智能制造智能制造解决隐性问解决隐性问题题避免显性问避免显性问题题大数据人料机法环预控式管理信息化管理数据化产品生命周期工艺方案信息化自动配送AGV数据可追溯减少aWIP现代化工厂SS管理管理职能转变操作内容转变新增高级岗位节省低级岗位智能设备引人设备状态监控设备生产柔性化维护保养信息化管理岗位技术岗位操作岗位要求提升 制造业大数据的侧重点在于将所有人，机，法，料，环等信息有效整合起来，加以分析并应用于整个工业生产过程，对整个

19、生产链条进行监控、调整、管理。从而形成高度灵活、个性化、网路化的产业链。大数据是实现工业4.0的关键。未来的制造将围绕大数据平台构建智能化生产体系，将人，机，法，料，环链接起来，实现多维度数据融合，为企业的运营提供预见性的支撑与指导。联想大数据在制造行业应用实践数据源数据源设备传感器/PLCMESPLMDMSCAPPHR移动终端其他外围系统或外部信息ERP移动终端PC终端生产看板移动通信传感器外围系统接口分析分析/模拟模拟/预测预测品质环境工艺设备产能其他决策支持OEE设备健康工艺改进智能排产SPC设备保养IPQC其他产品远程服务研发指导仓储布局环境适配供应商选择库存优化领、退料路径其他生产相

20、关优化全价值链优化1231 感知层2网络层3大数据分析平台44业务应用层联想大数据在制造业的解决方案解决方案综述 联想预防性维护和服务解决方案是以联想大数据分析平台LEAP（Lenovo Enterprise Analysis Platform）为基础，通过集成IT数据（包含其他外围系统，如CRM,HR,ERP.OA etc.)以及OT数据（包含Sensor数据，MES，SCADA等 etc.），运用LEAP大数据平台强壮的数据处理和分析能力以及相应的RF、ARIMA、SVM等算法能力，构成包含“设备全生命周期健康管理”，“设备故障根因分析及处理流程策略”，“设备预防性保养策略”以及“预防性维

21、护与服务平台”。在数据ETL层面，通过统一数据采集转换套件，针对不同数据源、数据结构以及数据质量，提供灵活多样的数据采集方案，全图形化的任务调度和配置。在数据存储和分析层面，通过大数据平台集成的多种数据处理引擎，满足各类应用的数据处理需求，实现计算引擎的“术业有专攻”。在算法武库层面，集成了包含回归、聚类、分类、关联、时间序列、深度学习等常用机器学习算法，并面向大规模机器学习算法进行调优，提高算法精度，缩短模型训练时间，加快模型收敛速度，突破计算瓶颈。在解决方案层面，提供包含单一、集群设备健康管理统一平台，提供设备预防性维护&保养策略（When&Which&Who&How），提供设备故障根因分

22、析、解决方案（Which&Why&Who&How），并提供预防性维护与服务协作平台服务技术架构算法优势联想预防性维护和服务解决方案包含：IT数据、OT数据采集转换SDKInterface etc.LEAP大数据分析平台 预防性维护和服务解决方案应用套件 多源异构数据整合 设备运行记录 设备出厂设置 设备实时运行数据 行业专家知识数据 实时精准、秒级预警 基于Hadoop和Spark Streaming的流式数据采集和计算框架 实时采集、实时计算、实时监测、实时预测 快速处理新增数据和秒级实时预警 深度优化算法模型 集成加权多种预测模型 经典算法的深度调优 领先的算法精度和收敛速度 专业的数据科

23、学团队 多数据挖掘团队专业支持：文本挖掘、机器学习，深度学习 跨地域协作分工联想预防性维护与服务解决方案场景描述商业价值鸟瞰 越来越多的企业开始将自己的企业价值链向后端扩充，除了销售利润外，服务利润也逐渐成为企业利润来源的重要方面。在整个生产制造企业的商业转型过程中，针对于设备制造商而言，迫切希望整合现有资源并进行有效扩充，将本已部分流失的服务市场份额重新抢夺回来。任何一个服务市场都有原厂和第三方服务提供商。在与第三方服务提供商进行抢夺服务市场份额的背景下，如果能够达到共生，共赢，这将为企业良性发展打下夯实的基础，并为企业转型提供有效支撑。传统设备被作为商品出售后，客户的使用情况不得而知，设备

24、运行过程中的设备状态只有在报修时才有可能部分采集 由于地理位置的限制，即使采用第三方服务提供商策略（商业洽谈等方式），设备供应商也很难做到全球化的服务部署 通过数字化镜像，将不同客户的不同设备（i.e.通过设备供应商采购的设备）在云端生成唯一对应的虚拟设备数字化展现。其展现可以包含设备全生命周期健康管理、设备根因分析及处置流程策略以及设备预防性保养策略等。设备使用商可以通过统一的平台对自己的设备进行查看以及管理，将设备保养与维护完全托管于预防性维护与服务平台。设备供应商可以通过平台采集的大量设备数据，一方面转型为服务提供商，为设备使用商提供相应的维修和保养策略；另一方面可以通过数据分析，用于产

25、品研发和升级 第三方服务提供商也可以接入该平台，为设备使用商提供更细分，更具地域化，更便捷的服务。面临的挑战价值创新联想预防性维护与服务解决方案以MQM生产质量管理为例，准确率准确率95%95%，进而准确指导设备维修与备件管理CQM知识库根因分析知识库质量预测模型库决策支持模拟仿真维护&维修成本CQM使用前CQM使用后时间在产品进入流通市场前（i.e.产品发布前）在产品进入流通市场后（i.e.产品发布后）研阶段发(R&D)工装样件阶段(OTS)试生产阶段(PTR)量产阶段(SOP)产品发布阶段(GTM）联想持续质量管理解决方案预防性维护和服务将设备（生产资料或产品）纳入到全生命周期管理的范畴内

26、，掌握设备的过去、现在甚至未来，为制造类企业的智能制造之路打好根基。Physical Baseline仓储布局和领退料最优路径优化将厂区内的仓储布局、车间内的线边库布局、厂区内和车间内的领退料路径进行优化，降低领退料重复路径的时间成本。提高企业生产效率。Spatial and Temporal Baseline售后服务与研发协作建立产品与研发的循环反馈机制，任何Go-to-Market的产品反馈（包括产品（设备）实时使用参数、产品舆情、竞品分析等）都可以作为产品研发的有效参考。Enhanced Cooperation产品&服务全面质量控制在产品提供商向服务提供商转型的过程中，针对产品和服务的全

27、面质量控制，为客户提供包含全价值链在内的智能制造与服务Enhanced Quality Control“数据驱动执行”“数据驱动管理”“数据驱动决策”联想对智能制造未来的理解目录CONTENT01 联想大数据介绍02 智能制造解决方案0303 企业级大数据建设要点企业级大数据建设要点04 联想大数据平台简介演进规划：企业大数据分析的发展阶段29分析水平与智能化程度如何连续更新和流程互动？怎样利用分析来创新和差异化？4.成熟阶段成熟阶段成为分析驱动型的企业下一步怎么做？如何对事件进行主动引导？如何借助数据分析保持领先？5.领先阶段领先阶段全面凭借数据分析法开展竞争企业发生了什么问题？问题为什么发

28、生？如何才能更好的理解业务现象？2.探索阶段探索阶段有限采用数据分析方法正在发生什么？预测出什么结论？如何改进经营？3.发展阶段发展阶段有主动采用数据分析的意向1.起步阶段起步阶段数据分析方法利用薄弱统计报表简单分析跟踪分析流程嵌入统计报表多维分析统计报表多维分析预测发现实时分析统计报表多维分析预测发现实时分析统计报表多维分析预测发现实时分析流程嵌入-客户管理、营销管理、服务管理-产品管理、流程管理、运营管理-收入管理、财务管理、资产管理推动大数据价值的“七种武器”企业如何借助大数据来应对行业与趋势带来的挑战如何构建一个统一混搭的大数据平台环境来支撑多变复杂的业务需求如何整合数据资产，并保障数

29、据的质量和业务可用性如何构建高效的大数据组织及文化，以保证企业数据价值的释放如何创建一个企业级的大数据生态体系，以及如何发展和演进如何基于数据来描述、研究、解决以及评估业务痛点问题如何基于跨业数据来创新各种行业场景下的数据价值和商业模式-行业理解、企业研究-大数据宏观价值阐述-系统工程的高层支持-能力成熟度评估-业务演进规划-技术体系规划-架构与流程-岗位与技能-数据文化建设-对内价值与对外变现-数据产品创新与合作-商业模式创新与生态-行业理解、企业研究-大数据宏观价值阐述-系统工程的高层支持-平台架构、系统架构-应用架构、信息架构、数据架构企业级大数据建设是一个复杂而长期的系统工程战略意图业

30、务分析数据管控架构设计演进规划组织形态数据变现“七种武器”30架构设计：企业大数据体系的架构演进大数据平台大数据平台企业级大数据中心企业级大数据中心传统分析应用传统分析应用新型探索分新型探索分析析其他数据新型探索分析新型探索分析/传统分析应传统分析应用用大数据平台定位：是数据仓库平台的一个补充系统，主要面向新型数据和部分仓库数据的存储和处理，通过数据挖掘算法等，发现隐性的数据规律和价值。l 小：系统规模小，使用人员少（以专业研究分析人员为主）l 快：针对特定专题快速分析；支持实时处理和分析l 灵：专用平台，灵活响应和尝试l 深：专业深挖，挖掘算法、模式分析、图分析、文本分析等l 是数据仓库平台

31、的重要并列系统，l 分担DW系统的存储和计算压力，提高处理效率、降低成本l 传统应用逐渐迁移到大数据平台l 通过数据挖掘算法等，发现隐性的数据规律和价值。l 地位重要，承载的作用更大l 支持新型分析方法和传统应用l 系统可靠性、支撑能力要求更高l 数据仓库DW的重要性下降数据迁移应用逐步迁移特点：企业级大数据中心，采集全企业层面的各类内部数据及相关外部数据，并对这些结构化/非结构化海量数据进行整合、加工、处理，完成信息的深加工，逐步形成数据资产，为公司进行企业决策管理和生产一线的营销服务等工作提供完整、及时、准确、科学的信息支撑。l 一个中心承载各类数据，进行各类分析应用，服务企业内外部各类用

32、户l 系统可靠性、系统稳定性、系统开放性、支撑能力要求很高专业探索分析集专业探索分析集市市混搭双中心混搭双中心企业级大数据中心企业级大数据中心数据仓库数据仓库传统分析应用传统分析应用数据仓库数据仓库大数据平大数据平台台新型探索分析新型探索分析/传统分析应用传统分析应用数据数据仓库仓库大数据平台定位：特点：大数据平台定位：特点：31 数据管控：保障数据资产的可靠性和连续性 数据管控就像管理超市里的水果：元数据就是描述水果的价钱和产地；数据模型就是要把水果摆放的紧凑稳定；数据标准就是水果规格一致；数据质量就是保证没有烂水果；数据安全就是防止被人偷吃；数据生命周期就是计划摆放几天后大减价处理；数据认

33、责就是水果有问题或烂了该找谁处理；数据资产评估是超市转让，如何确定水果价值统一整合与可信赖的数据资产元数据管理数据模型管理数据质量管理数据标准管理数据生命周期管理安全与隐私管理数据管控数据认责业务目标分析需求32目录CONTENT01 联想大数据介绍02 智能制造解决方案03 企业级大数据建设要点0404 大数据平台简介大数据平台简介-客户管理、营销管理、服务管理-产品管理、流程管理、运营管理-收入管理、财务管理、资产管理体现大数据价值的“七种武器”企业如何借助大数据来应对行业与趋势带来的挑战如何构建一个统一混搭的大数据平台环境来支撑多变复杂的业务需求如何整合数据资产，并保障数据的质量和业务可

34、用性如何构建高效的大数据组织及文化，以保证企业数据价值的释放如何创建一个企业级的大数据生态体系，以及如何发展和演进如何基于数据来描述、研究、解决以及评估业务痛点问题如何基于跨业数据来创新各种行业场景下的数据价值和商业模式-行业理解、企业研究-大数据宏观价值阐述-系统工程的高层支持-能力成熟度评估-业务演进规划-技术体系规划-架构与流程-岗位与技能-数据文化建设-对内价值与对外变现-数据产品创新与合作-商业模式创新与生态-行业理解、企业研究-大数据宏观价值阐述-系统工程的高层支持-平台架构、系统架构-应用架构、信息架构、数据架构企业级大数据建设是一个复杂而长期的系统工程战略意图业务分析数据管控架

35、构设计演进规划组织形态数据变现“七种武器”34联想大数据LEAP 6大产品线全景图资源开放算法武库数据工厂数据能力开放平台 GaussBig Data as a Service大数据计算平台 Descartes大数据技术整合与深度优化数据采集转换套件 Euclid业务分析套件 Nash数据资产管理平台系统运维监控中心EulerArchitonRiemannBayesFourier联想大数据企业级分析平台（LEAP）架构图获取层分析层数据采集转换数据采集转换终端采集流式采集批量导入网络爬虫源数据传感器音频视频设备日志文本社交网络ERPSCMCRM实时能力查询、分析、交互业务层数据数据资产资产管理

36、管理元数据监控告警安全管理用户管理性能管理容灾管理集群管理自动化部署一站一站式运式运维维数据安全与隐私数据生命周期数据模型数据标准数据质量智能供应链舆情分析财务管理产品管理客户洞察预防性维护数字化营销整合层HDFS分布式存储系统No SQL统一资源统一资源调度管理调度管理分布式分布式计算框架计算框架数据仓库数据仓库MPP流计算内存计算图计算算法武算法武库库算法模型 业务模型挖掘工具 机器学习数据工厂数据工厂服务层业务组件搜索与查询可视化分析第三方工具数据产品 数据API数据审查 数据服务管理分析套分析套件件联想大数据企业级分析平台（LEAP）能力地图获取层分析层数据采集转换数据采集转换终端采集

37、流式采集批量导入网络爬虫源数据传感器音频视频设备日志文本社交网络ERPSCMCRM实时能力查询、分析、交互业务层数据数据资产资产管理管理元数据监控告警安全管理用户管理性能管理容灾管理集群管理自动化部署一站一站式运式运维维数据安全与隐私数据生命周期数据模型数据标准数据质量智能供应链舆情分析财务管理产品管理客户洞察预防性维护数字化营销整合层HDFS分布式存储系统No SQL统一资源统一资源调度管理调度管理分布式分布式计算框架计算框架数据仓库数据仓库MPP流计算内存计算图计算算法武算法武库库算法模型 业务模型挖掘工具 机器学习数据工厂数据工厂服务层业务组件搜索与查询可视化分析第三方工具数据产品 数据

38、API数据审查 数据服务管理分析套分析套件件12345678大数据整合与计算能力采集与转换能力数据产品化能力分析挖掘能力应用开发与可视化能力实时交互式分析能力数据资产管理能力一站式运维能力联想企业大数据分析平台（LEAP）提供从大数据采集到商业价值呈现的一体化解决方案01数据数据04运维运维05价值价值02平台平台03管理管理数据：数据：整合各方数据，沉淀业务知识，LEAP将为客户提供丰富的数据接口与强大的数据资源整合能力。平台：平台：LEAP将为客户提供安全可靠的分布式的大数据平台，解决了海量数据的实时计算，存储数据和分析的问题。管理：管理：参与到企业运营的各环节，通过对业务数据的分析，发现

39、各种规律趋势，为策略制定提供参考依据。运维：运维：LEAP提供集中的运维管控组件，实现从设备到服务的全方位监控、管理和扩展。价值：价值：联想提供端到端的大数据服务，旨在发现数据潜在价值，帮助客户通过大数据解决商业问题，与客户共同成长。LEAPLEAP软硬件一体化优化，突破计算平台性能瓶颈批量处理性能批量处理性能查询性能查询性能实时处理性能实时处理性能复杂计算复杂计算专利的智能调度智能调度技术，提升Hadoop计算效能5x20 x虚拟大数据系统，虚拟大数据系统，简化异地数据中心的数据同步率先支持支持Spark Spark 2.02.0，实时性能提升5x全面支持支持MPPMPP业务场景，10 x优

40、于传统数据仓库数据查询测试对比数据查询测试对比LEAPLEAP主流云平台主流云平台某厂商某厂商数据大文件加载抗压测试对比数据大文件加载抗压测试对比LEAPLEAP主流云平台主流云平台某厂商某厂商平台性能评测平台性能评测基于TPC-DS，2016100%100%兼容兼容SQL 2003，SQL 99和PL/SQL动态选择动态选择合适的数据源和计算引擎执行查询请求，相对HUE查询性能提升10 x全图形化全图形化的任务调度工具，可每日处理上万个独立的数据计算任务內嵌数据质量校验数据质量校验能力，简化ETL任务的开发工作量LEAP全图形化的计算平台，便捷的大数据系统管理和运维一站式图形化界面完成大数据

41、集群的安装，升级，系统监控的工作，简化管理创建各种大数据任务和查询操作全部图形化完成，无需命令行入口支持丰富的开源扩展，图形化添加近百个高质量组件，全面支持和管理各种大数据业务场景系统入口系统监测任务调度全图形化的任务调度工具，可每日处理全球来自数百个数据分析人员的上万个独立的数据计算任务具备灵活多样的部署形态，满足不同规模企业的系统架构传统数据仓库传统数据仓库大数据平台大数据平台新型探索分析传统分析应用专业探索分析集市专业探索分析集市UNIXUNIX小型机小型机X86X86集群集群传统数据仓库传统数据仓库大数据平台大数据平台新型探索分析/传统分析应用传统分析应用混搭双中心混搭双中心UNIXU

42、NIX小型机小型机X86X86集群集群探索分析/传统分析应用企业级大数据中心企业级大数据中心X86X86集群集群大数据平台大数据平台大数据平台定位：大数据平台定位：属于数据仓库的补充系统特点：特点：规模小，大数据创新试点大数据平台定位：大数据平台定位：分担数据仓库的存储和计算压力特点：特点：大数据平台逐渐成为业务分析中心大数据平台定位：大数据平台定位：支持企业所有数据计算、分析和应用。特点：特点：企业真正成为数据驱动的企业传统数据仓库传统数据仓库全面支持海量复杂数据，构建高质量统一企业大数据仓库智能工厂数据智能工厂数据 供应商数据供应商数据 公开数据公开数据 数据源：数据源：政府网站、社交媒体

43、等。数据类型：数据类型：TB级非结构化数据 数据源：数据源：ERP、SRM，SCM 数据类型：数据类型：TB级结构化数据 数据源：数据源：PLM、MES、DCS，CAM 数据类型：数据类型：PB级异构数据设备数据设备数据 业务数据业务数据 零售数据零售数据 数据源：数据源：ERP、Salesforce，Excel 数据类型：数据类型：PB级异构数据 数据源：数据源：日志、设备参数、操作 数据类型：数据类型：PB级非结构化数据 数据源：数据源：ERP、CRM，SCM，EAI 数据类型：数据类型：TB级结构化数据企业异构数据源企业异构数据源异构数据异构数据自动适配自动适配数据质量数据质量保证保证统

44、一数据统一数据字典字典统一数据统一数据清洗加载清洗加载数据资产管理数据资产管理完备的应用开发工具，全面提升数据洞察效率-无缝支持Spark 2.0,Spark R,Hive,Impala,Kylin等数据引擎，全面算法硬件优化，提升性能5x10 x强大的强大的SQLSQL分析引擎分析引擎PythonPython和脚本工具箱和脚本工具箱硬件优化的算法库R R交互式数据分析引擎交互式数据分析引擎回归算法分类算法聚类算法决策树算法可靠性预测算法集成算法智能分析套件，内建行业解决方案，快速构建商业智能零售卖场和推广效率分析零售卖场和推广效率分析产业结构和区域分析产业结构和区域分析设备质量关联性分析设备

45、质量关联性分析用户群聚类和产品反馈分析用户群聚类和产品反馈分析热区分析总结：联想大数据已具备多方面的能力专家能力推动大数据价值的深度释放专家能力推动大数据价值的深度释放全球部署的全球部署的8 8大数据中心大数据中心 强大的研发能力强大的研发能力 完善的运维保障体系完善的运维保障体系 全球化多中心部署 2000台的集群规模 3000名操作用户 总容量12PB 数据总量9PB 日新增数据30TB 日处理数据4.3PB 联想大数据专家、数据科学家、行业顾问50+余人 80%海外留学背景，博士占比近70%在顶级期刊和会议中发表学术论文近百篇，获得国内和美国专利数十项 300+研发人员的持续投入 向开源

46、社区贡献了270多个补丁，产生了48名开源贡献者；被北京市发改委于2011年评为“移动互联网系统软件及服务工程 北京市工程实验室”全面完整的技术支持保障 贯通一致的针对产品功能的高质量技术支持 高级服务包含与售后及升级，迁移的咨询服务 提供完善的产品文档及自助服务选项某钢铁集团供应链需求预测某商业银行的某食品集团销售p不同钢种的钢材需求量预测p不同汽车生产商的订货量预测p企业客户的客户画像与忠诚度某钢铁集团供应链需求预测某跨国食品集团经销商库存预测某商业银行客户洞察与精准营销p 新品销量预测p 经销商订货周期与库存分析p 产品舆情分析p 用户画像与360度洞察p 个人贷倾向预测与营销p 个人客户资产预测与营销46标题 联想大数据期待与各行业的客户和伙伴合作技术能力业务价值商业生态实现大数据分析与业务价值交付，释放大数据资产的生产力与各界共建跨业大数据技术与商业合作的全价值生态圈提供企业级大数据分析平台、各类数据工具、以及管理服务472 0 2 0