大数据技术发展趋势及灯塔大数据行业应用平台

指出大数据发展的趋势:混合数据存储是大数据技术的基础;融合数据库架构是大数据发展的趋势;异构数据关联是大数据平台的关键;行业知识库是产业互联网应用发展的要素;深度标签是大数据挖掘的核心技术之一。介绍了中国电信灯塔大数据行业应用平台的架构,及所采用的关键技术和行业应用,认为该平台的使用可以充分发挥运营商数据与外部数据相结合的优势,加速产业升级和商业模式创新。     

基于ARM架构国产化私有云的大数据平台适配性研究

构建安全可控的信息技术体系是网信领域的一项重大任务,国家大力推动信息技术应用创新产业发展。目前,核心芯片、基础硬件、操作系统等国产化替代产品已由研发逐步转入产业化发展阶段,并搭建大数据平台开展数据分析、挖掘数据资产价值。为实现大数据平台与国产化私有云平台的深度融合,文章开展基于ARM架构国产化私有云平台的大数据平台适配性研究。实验验证了大数据平台国产化迁移的可行性,在同等配置下基于ARM架构国产化私有云的大数据平台性能接近x86服务器,能够满足实际应用中对海量数据的处理需求,为大数据平台的国产化建设提供借鉴。     

有线电视网络运营商企业级大数据平台建设研究

根据企业实际业务需求,梳理大数据平台所需具备的能力以及具体建设目标,按照满足海量数据存储、高性能计算、应用丰富等企业级大数据平台能力要求,从数据采集与预处理、计算与存储、平台运维和管理等方面构建企业级大数据平台的功能架构及其配套的硬件架构,为建设企业级大数据平台提供参考。     

共享开放的运营商大数据平台架构研究

当前电信运营商大数据业务模式和应用场景日趋清晰,对内对外大数据应用支撑要求搭建集约和开放共享的大数据平台。Hadoop生态系统的更新与扩展、混合计算模式与内存计算等技术发展为大数据平台建设提供了新的技术思路。文章通过分析运营商大数据建设面临的业务和技术新形势,提出近期运营商大数据平台建设向共享和开放能力平台的演进方向和核心要求,并从总体架构、技术架构等方面详细给出一种集约、融合、开放的运营商大数据平台架构设计方案及其工程实践案例。     

基于数据中台的高职院校数据画像系统建设

不同时期高校主体的需求及依赖的技术环境都在不断改变,因此高校信息化建设历程是一个复杂的螺旋上升过程。高校在信息化建设过程中已经积累了一定规模的数据资产,但是当前的数据应用大都局限于满足不同业务系统之间的数据交换,面向全局的数据应用还不成熟,如何应用数据去提升学校的治理能力还没有形成有效的模式。数据中台技术的产生为打通数据孤岛,提升数据治理和数据应用能力提供了平台支持。面向各类业务场景,抽象出跨业务系统的数据模型,建设业务领域目标导向的数据画像系统已经成为共识。文章结合职业院校数据治理实践,提出了高校数据画像系统应用架构,重点阐述了数据标准建设、数据治理技术、数据画像系统建设、数据治理管理体系等关键过程,探索职业院校校园大数据应用模式。     

在线教育平台学习者的用户画像研究与构建

在大数据时代下的数据量呈指数级增长,基于统计模型的用户画像已经无法满足人们的个性化要求,利用学习行为数据绘制用户学习画像将成为未来教学模式的一种趋势。文章对在线学习者的日志和行为数据提取特征数据集,使用主流的大数据生态框架部署大数据离线批处理平台,并在此平台上构建学习者画像的标签体系以及使用规则匹配的机器学习算法完成用户画像模型的构建。与传统的用户画像相比,文中提出的标签模型和用户画像模型能挖掘出较为准确的学习者画像数据,以便为个性化推荐服务提供更好的支持。     

运营商大数据平台建设思路探讨

结合大数据时代电信运营商互联网化转型的背景,从大数据促进企业智慧运营以及实现数据资产变现的需求出发,分析了运营商大数据平台建设业务目标和技术目标,提出了运营商企业级大数据平台的总体架构、数据架构及应用架构。     

芯片架构对产业演进的影响分析

随着信息技术的迅速发展,芯片架构的不断演进已成为推动产业进步的重要因素。新的芯片架构能够支持更高效的数据处理和分析,为人工智能、机器学习和大数据等新技术的应用提供技术基础。同时,针对芯片的政策和法规对产业演进也有直接影响。未来,芯片架构会更加多样化和复杂化,为产业的持续创新和发展提供新的机会。本文深入分析芯片架构演进对产业发展的影响,制定有效的技术发展路径和产业政策,为政策制定者和企业决策者提供有益参考。     

一种基于企业大数据应用的集中性能管理平台

如何用大数据技术、人工智能等先进技术解决传统问题,是企业开拓市场、发展新业务的重要举措。集中性能管理是公司运维转型的一种重要标志,其内涵是在日常的网络运维中,融入大数据思维,采用最先进的技术,实施企业大数据的应用。基于企业大数据应用的集中性能管理平台,是一种基于三层架构的性能管理系统,该平台依托企业的统一DPI系统和大数据中心,严格按照三层架构的思想,实现对日常运维各类大数据应用的支撑。     

运营商大数据平台建设思路

本文结合大数据时代电信运营商互联网化转型的背景,从大数据促进企业智慧运营以及实现数据资产变现的需求出发,分析了运营商大数据平台建设业务目标和技术目标,提出了运营商企业级大数据平台的总体架构、数据架构及应用架构.     

企业大数据平台建设过程中的问题和建议

总结了企业大数据平台建设过程中的几个问题。客观认识数据价值,提出大数据研究要与业务应用需求密切相结合,研究成果必须落地的观点。大数据平台的建设需要统一规划小版本迭代完善,是一个长期研究过程。最后总结了经历宽带用户画像大数据平台建设的心得和体会,对行业相关企业开展大数据研究工作具有参考价值。     

基于JavaEE架构的旅游电子商务平台的设计开发

随着大众旅游新时代的来临,旅游业已成为国民经济战略性支柱产业。我国旅游业由景点旅游发展模式向信息化全域旅游发展模式转变,旅游信息化工程建设的推进需要建立面向游客和企业的旅游公共服务平台。文章针对现有旅游电子商务存在的问题,首先介绍了JavaEE架构的具体内容和应用优势,然后从主要功能、设计思路、系统层次和整体架构四个方面提出利用JavaEE架构设计旅游电子商务平台的方案,促进旅游业发展战略提升和构建旅游产业大数据平台。     

电信运营商大数据应用系统建设方案研究

随着互联网的高速发展,全球数据生产高速增长,信息已成为企业战略资产,而大数据被业内普遍认为是电信运营商"去管道化"最有可能的实现方式之一,大数据应用系统的建设对电信运营商而言迫在眉睫。本文对电信运营商大数据应用系统的建设进行探讨,对大数据平台的功能架构、数据库建设方式、数据采集方案等进行研究,力图从解决方案上对电信运营商省级公司部署大数据平台提供借鉴。     

电信大数据运营平台的架构及实现技术分析

近年来大数据技术得到了快速发展,利用大数据技术可以构建运营分析平台,在电信行业同样具有较大的应用空间。本文首先分析了电信大数据运营平台的架构和实现原理,之后介绍了电信大数据运营平台的应用现状,并阐述了电信大数据运营平台的发展趋势。     

电信运营商省级大数据平台建设方案探讨

大数据时代的到来,让传统电信运营商面临不小机遇。本文总结当前运营商 IT 支撑平台建设和企业数据分布情况,分析国内运营商大数据发展所处的阶段;给出大数据平台建设架构和技术方案,并对电信运营商大数据平台建设方案中的关键点进行研究。     

农商行大数据服务平台构建与应用

为了加强场景建设、保障数据应用安全,江苏省联社统一搭建了大数据服务平台。介绍了大数据服务平台的架构,详细阐述了数据接入、数据共享、场景应用、数据管控等模块功能,分析了大数据服务平台具备的多法人架构、满足存储和计算需求、共享共建场景敏捷开发等8项能力及应用场景,并总结了其应用成效。从而可解决江苏省联社信息系统建设上投入高、收效慢、创新能力弱等问题,为农商行数字化转型提供助力。     

基于大数据的用户画像方法研究综述

在大数据时代,社交网络以及以社交为基础的互联网应用不断迅猛发展,其背后带来的是数据的爆炸式增长.对用户数据的采集以及合理的推荐,成为了各大网站的重要课题.用户画像提取过程,是个性化推荐的关键步骤.随着社交网络的快速发展,媒体类型不断丰富,用户参与门槛的不断降低.用户表达的数据模态逐渐呈现多样,为用户画像提取提供了广阔空间.随着用户画像数量的不断递增,利用大数据技术,有效的存储、计算用户画像,逐渐成为研究热点.本文首先介绍了相关的背景,然后介绍了基于大数据的用户画像构建方法,并介绍了不同数据集中的用户画像的应用,最后本文对基于大数据的用户画像方法进行了总结和展望,指明了该技术当前存在的问题与发展趋势.     

电信运营商省级大数据平台建设方案

大数据时代的到来,让传统电信运营商面临不小机遇.本文总结当前运营商IT支撑平台建设和企业数据分布情况,分析国内运营商大数据发展所处的阶段;给出大数据平台建设架构和技术方案,并对电信运营商大数据平台建设方案中的关键点进行研究.     

区域健康医疗大数据创新平台的设计

<正>区域健康医疗大数据平台通过对健康数据进行数据挖掘数据分析,提高健康医疗数据的再利用价值。设计健康医疗大数据平台的系统架构,探讨平台的环境构建,采用Hadoop架构和软件生态圈,分析健康医疗大数据平台的数据采集模式、数据标准,设计大数据分析和应用系统功能。近年来,健康医疗大数据发展迅速,其应用受到社会各方越来愈多的关注和重视。国家将健康医疗大数据作为重要基础性战略资源的定位,根据国家的政策导向和激励,全国各个地方纷纷建设区域健康医疗大数据平台或健康医疗大数据中心,为本区域的健康医疗行业提供大数据技术和应用服务。     

银行大数据云平台建设与实践

通过集成大数据底座、人工智能基础平台和智能分析工具,运用统一的技术架构实现了大数据平台和各垂直领域人工智能平台的融合,构建大数据云平台,为上层应用提供“数据+智能”服务能力,实现业务场景化、轻量级落地。