How Enterprises Leverage Data to Overcome Business Challenges During Coronavirus
•
0 likes•180 views
Watch full webinar here: https://bit.ly/2Jgb1uc Coronavirus is spreading all over the world and has big impact on all the industries. How to acquire latest virus information from different countries and regions in real time to help organizations strategically plan and take actions accordingly and timely becomes very important. Attend this webinar to learn: - How business department acquires trustworthy data, gain deeper insights and fasten decision making - How IT easily supports dynamic business requirements in real time
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to How Enterprises Leverage Data to Overcome Business Challenges During Coronavirus
Similar to How Enterprises Leverage Data to Overcome Business Challenges During Coronavirus (20)
More from Denodo
More from Denodo (20)
How Enterprises Leverage Data to Overcome Business Challenges During Coronavirus
- 1. 企业如何利用数据资产， 高效战“疫” Sam Wu 销售总经理 大中华区 13661880097/+886-0933169037 mwu@denodo.com Michael Liu 解决方案架构师 大中华区 cliu@denodo.com
- 2. 议程 1. Denodo公司介绍 2. 如何利用数据资产，高效战“疫” 3. 疫情数据Demo演示 4. Q&A
- 3. Denodo公司介绍
- 4. 4 数据虚拟化的领导者 Denodo 领导者 ▪ 自1999年以来，对数据虚拟化的持续关注时间最长 ▪ Forrester 2018 Wave 的领导者 — 大数据结构 ▪ Forrester 2018 Wave 的领导者 — 数据虚拟化 ▪ 挑战者 — Gartner 数据集成 MQ 2019 增长最快 — 前十大数据集成供应商 ▪ 多次获奖 DENODO 办公室、客户、合作伙伴 遍布北美、欧洲、中东和非洲、亚太地区和 拉丁美洲的全球业务。 客户 客户超过800+，包括所有主要行业的财富 500和全球2000强公司，利用数据虚拟化显 著提高了业务灵活性和投资回报率。 财务状况 有超过 40 亿美元的私有公司支持。 年增长 60% 以上；可盈利。
- 5. 5 Forrester Research 评估 Denodo 是增长最快的数据集成供应商 Forrester Wave: Enterprise Data Virtualization, Q2 2018 • “Denodo 在 2018 年以令人瞩目的 53.8% 的速度增长……是数据虚拟化领 域的顶尖创新者之一，它在这个细分市 场的领导地位使它能够以如此快的速度 增长。” • “新平台即服务（PaaS）将继续保持增 长势头，并计划引入使用机器学习的智 能建议。
- 6. 6 Denodo 资源 ✓ Denodo官网：https://www.denodo.com/ ✓ Denodo社区：https://community.denodo.com/ ✓ Denodo博客：http://www.datavirtualizationblog.com/ ✓ 产品试用：https://www.denodo.com/en/denodo-platform/test-drives ✓ 联系我们： ✓ 添加微信 ✓ 电话至13661880097/886-0933169037 ✓ 邮件至 mwu@denodo.com
- 9. 9 如何掌握全球疫情变化趋势帮助企业决策者及时制定战略 如何应对疫情环境的突发变化 企业需要了解产业链上下游相关 地区的疫情况对自身的影响，面 对每天都在增加和变化的新数据 源。 ➢ 如何数据实时接入？ ➢ 如何多源数据整合？ ➢ 如何统一分析及预测？ 截至3/24日
- 10. 10 需求调研 数据模型 数据集成 业务模型 数据分析 Sources 传统数仓 数据集市ETL ETL 传统架构 传统架构过重，数据虚拟化带来轻量敏捷的数据驱动能力 不同于传统的现代数据驱动架构 Sources 实时数据 数据驱动架构 ✓ 实时连接任何数据源 ✓ 整合多源数据建模 ✓ 数据即服务能力 ✓ 行列可控的权限级别
- 11. 11 现代数据驱动架构需要灵活应对变化 Files Logical Data Layer ITSemanticLayer Wheredatastored&Howprocessed BusinessSelf-Service How,Why&Wheredataisused Data Warehouse Physical Data Lake ML/AI SQL interface Streaming Analytics Distributed Storage Bus. Tools, Ent. Apps, Portals, Mobile… ETL Kafka IT Storage and Processing
- 12. 12 统一的数据治理、访问安全、逻辑模型 Files Logical Data Layer ITSemanticLayer Wheredatastored&Howprocessed BusinessSelf-Service How,Why&Wheredataisused Data Warehouse Physical Data Lake ML/AI SQL interface Streaming Analytics Distributed Storage Bus. Tools, Ent. Apps, Portals, Mobile… Bus.LogicBus.LogicBus.LogicBus.Logic ETL Kafka IT Storage and Processing Gov/Se c Gov/Sec Gov/Se c Go v/S ec Gov/Sec Gov/SecGov/Sec Gov/SecGov/SecGov/SecGov/Sec IT 不需要在每个数据源上 实现数据治理和数据安全。 业务不需要在BI、移动端 、应用中重复添加逻辑。
- 13. 13 统一的数据治理、访问安全、逻辑模型 ETL Data Warehouse Kafka Physical Data Lake ML/AI SQL interface Streaming Analytics Distributed Storage Files Logical Data Layer ITSemanticLayer Wheredatastored&Howprocessed BusinessSelf-Service How,Why&Wheredataisused IT Storage and Processing Bus. Tools, Ent. Apps, Portals, Mobile… Gov/Se c Gov/Sec Gov/Se c G ov /S ec Gov/Sec Gov/Sec Gov/Sec Gov/SecGov/SecGov/SecGov/Sec Bus.LogicBus.LogicBus.LogicBus.Logic IT 不需要在每个数据源上 实现数据治理和数据安全。 业务不需要在BI、移动端、 应用中重复添加逻辑。 Data-as-a-Service ITSemantic–where stored&processd BusSemantic–how consumed&used
- 15. 15 逻辑数据层 —“企业级的完整数据架构”，支持敏捷、实时、安全地访问多种数据源，合并生成统一 的业务模型。 • 数据驱动能力：赋予企业数据驱动能 力，无需前期大量投入和准备，大大 缩短开发周期。 • 效率大幅提升：快速响应环境变化， 提高企业对环境变化的应急能力。 • 数据抽象化：将应用程序/模型/数据 使用从数据源中分离。(解耦数据和应 用) • 实时访问：实时访问任意数据源。 • 数据目录：实现自助式数据服务， 轻松发现和管理数据资产。 • 数据治理和安全：跨所有数据资产 的统一元数据、血缘分析、安全性 和治理能力，监控所有数据使用。 • 简化系统迁移：云下云上，本地之 间的系统迁移。 • 执行引擎自治优化器：实现自治的 智能查询优化，无需掌握所有数据 平台的技术，同时获取最佳的平台 性能。 数据虚拟化平台的价值
- 16. 16 支持所有业务 应用的使用 将相关数据 合并到视图中 2 3 DATA CONSUMERS Enterprise Applications, Reporting, BI, Portals, ESB, Mobile, Web, Users, IoT/Streaming Data 连接 不同的数据源 1 不同的数据源 Databases & Warehouses, Cloud/Saas Applications, Big Data, NoSQL, Web, XML, Excel, PDF, Word... 非结构化结构化 多个协议 格式 链接数据服务 查询、搜索、浏览 请求/回复 事件驱动 安全交付 Library of wrappers Web automation Any data or content Read & Write DATA VIRTUALIZATION 数据使用者数据分析 数据应用 连接 合并 消费 共享、交付、发 布、管理、协作 发现、改造、准 备、提高质量、 整合 异构数据的规 范化视图 敏捷开发 性能 资源管理 生命周期管理 数据服务 数据目录 治理和元数据 安全和数据隐私
- 17. 17 Denodo数据虚拟化的执行过程 数据虚拟化是如何工作的 预测客户流失 数据包括客户人口统计、 产品购买,产品使用,客户来 电，上次到现在联系人， 过去的交易记录，行业， 公司规模，和收入。
- 18. 18 自服务分析 ✓ 数据自服务&沙箱 ✓ ML & AI 云解决方案 ✓ 混合云（本地&云） ✓ 云分析平台 敏捷 BI & 数据分析 ✓ 逻辑数据仓库 ✓ 逻辑数据湖 ✓ Data Hubs + DV APIs & 数据服务 ✓ 数据即服务 ✓ 数据集市 数据虚拟化 数据虚拟化应用场景
- 19. 问题 解决方案 结果 案例研究 19 全球领先制造企业加快产品上市时间，影响价值 亿万收入 • IT架构复杂，云上云下数据遍 布全球。 • 业务用户花费大量的时间和精 力用于寻找正确数据来制定报 告和决策，导致月损失递增（ 有时几分钟，有时几天） • 因每月的产品发布延迟损失 10 亿美元 • 减少ETL技术的使用，停止数 据复制和移动。 • 利用数据虚拟化技术从原始 数据源实时获取所有数据。 • 原有的DW中依然存储历史数 据，但数量大大减少。 ▪ 向业务部门提供数据的时间 (TTM) 缩短 90%。 ▪ 产品相关的业务准确报告时 间大幅缩短，各业务不需要 因为数据不一致的问题而内 耗。 ▪ 决策层的时间价值影响价值 上亿的收入增长。 作为全世界最大的半导体制造企业，2019 年，公司宣称拥有 107,000 名员工，收入 700 亿美元。公 司遍布全球47个国家76个地区。 “业务逻辑内嵌在 30 个不同的报告工具中， 可使相同的数据产生不同的结果。更多时间 花在争论这个问题上，然后才是将产品推向 市场……” “……通过将业务逻辑转移到 DV 层，无论 采用什么报告工具，都会得到相同的结果。 目前专注于将产品推向市场。”
- 20. 3 层 DV 部署 20 Denodo DV 平台 业务用户 – 利用数据目录自助服务， 发现数据资产，实现数据驱动能力。 业务中台 – 基于不同的业务视角创建 统一口径的业务模型及视图，避免数 据口径不一致的问题。 数据中台– 利用数据虚拟化技术基于 多种数据源创建统一的基本数据视图。 客户 视图 产品 视图 设施 视图 合作伙伴 视图 财务 视图 销售/营销 视图 运营 视图 工程 视图 芯片 A3 的收入？ 客户 P 的销售额？ 运送的 芯片？ 项目32 删除日期？
- 22. 22 示例 ➢ 新冠病毒在全球蔓延，为各行业带来巨大风险，尤其是原材料供 应、全球化采购、供应链物流等将直接导致企业停产。企业需要 实时连接关联地区的疫情变化情况，尽早做出预测和应对方案。 ➢ 各国疫情数据缺乏统一标准。通过Demo演示您将了解如何利用 Denodo数据虚拟化技术，实时连接各国异构数据源，轻松合并 建模，形成统一模型视图。 • 中国各省份数据存储在本地的数据仓库中。 • 韩国、伊朗等国家/地区通过开放REST API提供数据。 • 意大利、西班牙等欧洲国家通过SOAP WS提供数据。 演示数据来自互联网截止于2020/03/21的疫情数据 源 合并 转换 集成 使用 基本 视图 合并 统一视图 合并
- 24. IT开发人员 Data Catalog Dev Studio Management BI & Reporting Predictive Analytics AI/ML
- 25. 25 Base Layer Original source models Semantic Layer Logical DW model Business Layer (optional) De-normalized view for business Reporting Layer (optional) Pre-canned reports with calculated metrics 建立不同用途的模型层
- 35. 35 自治优化器自动性能调优
- 36. 36 Denodo自治优化器带来极致性能 SELECT c.name, AVG(s.amount) FROM customer c JOIN sales s ON c.id = s.customer_id GROUP BY c.state 与其他联合引擎相比，Denodo 如何工作 系统 执行时间 传输的数据 优化技术 Denodo 9 sec. 4 M 聚合下推 其他 125 sec. 302 M 无：全盘扫描 300 M 2 M 销售额 客户 连接 分组依据 2 M 2 M 销售额 客户 连接 按 ID 分组 按地区分组 要最大限度 下推至 EDW， 聚合将分为 2 个步骤： •第 1 步按客户 ID •第 2 步按地区 这样可以大幅 减少 Denodo 的 网络流量和 处理负荷
- 37. 业务用户 Data Catalog Dev Studio Management BI & Reporting Predictive Analytics AI/ML
- 38. 38 Denodo 数据目录
- 39. 39 Denodo 数据目录
- 40. 40 Denodo 数据目录
- 41. 41 Denodo 数据目录
- 42. 42 Denodo 数据目录
- 43. 43 Denodo 数据目录
- 44. BI分析师 Data Catalog Dev Studio Management BI & Reporting Predictive Analytics AI/ML
- 48. Q&A
- 49. 49 下一步 ✓ Denodo官网：https://www.denodo.com/ ✓ Denodo社区：https://community.denodo.com/ ✓ Denodo博客：http://www.datavirtualizationblog.com/ ✓ 产品试用：https://www.denodo.com/en/denodo-platform/test-drives ✓ 联系我们： ✓ 添加微信 ✓ 电话至13661880097/886-0933169037 ✓ 邮件至 mwu@denodo.com
- 50. 谢谢！ www.denodo.com info@denodo.com © 版权所有 Denodo Technologies.保留所有权利 除非另有规定，未经 Denodo Technologies 书面授权，不得以任何电子或机械形式或方式复制或利用本 PDF 文件的任何部分，包括复印或用缩微胶卷摄制。