广电运营发展需要什么样的大数据系统?

3月24日-26日,2016CCBN展览会在北京中国国际展览中心举行,作为亚太地区规模最大的广播影视展览会,更是世界排名首位的数字电视和宽带网络行业盛会,CCBN汇集了全球范围内数字电视与宽带网络方面的创新成果、新业务应用、设计与开发技术。

3月25日上午,曙光广电媒体事业部副总经理明立波在广电云与大数据论坛发表主题演讲,同到场嘉宾分享了曙光在有线运营商大数据平台方面的相关内容,获得一致认可。展会期间同样得到关注的还有曙光展位上的最新产品和解决方案,许多专家和现场观众纷纷表现出了强烈兴趣。在26日的展览会上,中科曙光顺势发布了一款大数据系统XData-MBM,致力于打造广电运营系统的大数据处理和分析平台,针对用户信息、使用信息等海量数据的采集、处理和应用,整合集团各个系统的所有和用户相关的数据,建立一套完整的数据分析及挖掘平台,用于了解用户需求,促进各项业务的发展,推动新业务的推出和普及。

XData-MBM是面向广媒运营商的数据分析系统,立足于客户的全局数据,基于分布式搜索引擎技术,提供对广媒行业海量数据资产的检索和分析服务,可实现数据共享平台、收视行为分析、精准营销、智能运维等功能。

数据共享平台

整合集团各系统的所有和用户相关的数据,包括用户收视行为数据、用户数据、用户服务情况、用户终端的设备数据等。并对这些数据进行统一存储和检索,为前端应用系统提供丰富的数据预处理类服务。

收视行为分析

将传统收视行为分析和互联网行业用户画像相结合,基于当前用户的收视习惯数据和用户评论、用户属性、广告点击等相关信息,完成基于排行榜和用户浏览历史的界面和广告推荐。

精准营销

构建针对每个用户的数据化视图,建立用户的各项数据档案,将其标签化、积分化。建立用户档案,为业务部门提供精准化营销、客户挽留、产品推介等市场服务。

智能运维

整合品牌订阅、工单信息等信息,更好地分析、预测用户的消费行为,提高整体效益;实现对客户挽留等业务的支持,提高挽留的成功率等。

数据分析即服务

将大数据分析作为一项基础服务提供给各个业务应用。完成统一服务框架的建设、标准服务接口的定制、各类业务建模工具的兼容性支持等。

大数据转化为商业价值的能力已经被许多行业充分证明,XData-MBM的技术特点与功能贴合广电行业需求与发展趋势,在2016CCBN展览会的平台上,为我国广电行业的数据转型发展注入新的活力。

原文发布时间为:2016年4月1日

本文来自合作伙伴至顶网,了解相关信息可以关注至顶网。

时间: 2024-09-20 08:58:17

广电运营发展需要什么样的大数据系统?的相关文章

“NASA”计划背后,阿里巴巴大数据系统架构概述

免费开通大数据服务:https://www.aliyun.com/product/odps DT时代,人们比以往任何时候都收集到更多的数据.据IDC报告,预计到2020年,全球数据总量将超过40ZB(相当于40万亿GB),这一数据量是2011年的22倍!正在"爆炸式"增长的数据,其潜在巨大价值有待发掘.它作为一种新的能源,正在发生聚变,变革着我们的生产和生活,催生了当下大数据行业的热火朝天.但是我们如果不能对这些数据进行有序.有结构的分类组织和存储,如果不能有效利用并发掘产生价值,那么

从分布式管理到多租户实现,企业级大数据系统如何利用开源生态构建?

大数据系统的应用领域 首先回顾一下历史. 从中我们可以看到一些趋势,在大数据生态发展的过程中,大数据系统的管理系统,大数据系统的安全,易用性,机器学习不断的补充到生态系统中来并不断完善. 早期是 Google 一家独有.2003 GFS paper 发表的时候,Google 的集群规模就达到上千台,遥遥领先. 之后是大家都知道的历史,Doug Cutting 在为他的 lucene 分布式化的时候看到了 Google 的这篇论文,并把它实现出来,后来被 Yahoo 收编,得到一个机会和环境把 H

主流大数据系统在后台的层次角色及数据流向

最近有不少质疑大数据的声音,这些质疑有一定的道理,但结论有些以偏概全,应该具体问题具体分析.对大数据的疑问和抗拒往往是因为对其不了解,需要真正了解之后才能得出比较客观的结论. 大数据是一个比较宽泛的概念,它包含大数据存储和大数据计算,其中大数据计算可大致分为计算逻辑相对简单的大数据统计,以及计算逻辑相对复杂的大数据预测.下面分别就以上三个领域简要分析一下: 第一,大数据存储解决了大数据技术中的首要问题,即海量数据首先要能保存下来,才能有后续的处理.因此大数据存储的重要性是毫无疑问的. 第二,大数

《企业大数据系统构建实战:技术、架构、实施与应用》——第2章 企业大数据职能规划 2.1 大数据组织架构体系

第2章 企业大数据职能规划 第1章我们介绍了企业大数据在宏观和微观层面的定位,立足于解答企业大数据的商业模式.市场机会.延伸价值.内部功能定义等问题.当企业已经确定要实施大数据战略时,应该如何针对性地建立职能架构体系以保证企业大数据的有效实施和落地?各个职能部门的职责范畴如何定义?不同体系和部门间如何协同和流程化工作? 本章将详细讲解企业大数据职能规划体系,包括如何定义大数据部门在企业中的角色,常见的大数据职能及职责分工,不同职位的职责划分以及大数据制度和流程建设等问题. 2.1 大数据组织架构

2013年大数据系统与关系型数据的共存

本文讲的是2013年大数据系统与关系型数据的共存,大数据在2011年崭露头角,2012年一飞冲天,它可能会以一种戏剧性的方式改变数据管理的很多方面.大数据系统给管理和操纵计算机数据.连续提取.转换和加载功能.运作商业智能.动态大数据以及基于云的数据仓库等等都带来了变化. 不过,随着大数据进入2013年,已经没有什么系统技术能比NoSQL数据库和Hadoop框架更活跃了,看起来这两款产品还有更大的发展空间.根据MarketAnalysis.com 2012年的一份报告看,单单是Hadoop-Map

分布式大数据系统巧实现,全局数据调度管理不再难

背景 看到这个题目,我们会有很多疑问:什么是分布式大数据系统中的全局数据管理?为什么要从全局对数据进行管理?这种对数据从全局进行分布和调度的策略是在什么样的背景下产生的?如果我们不解决全局数据管理的问题,分布式大数据系统中将会面临一些什么样的风险? 总的来说:基于大数据,云计算的需求,加快了分布式系统的发展:开源分布式系统的发展,让海量数据存储和处理变的简单:产生了很多为了解决特定问题,服务特定业务的专有集群:集群之间数据无法共享,存在冗余甚至重复,迁移和复制代价高昂,同时还面临数据校验,验证和

回顾2016年大数据发展,盘点十大热门数据岗位

随着很多大公司对数据分析需求增多,数据相关岗位的人才需求量也越来越大. 数据学作为一门学科,已经受到时代的追捧.数据学,或者更准确来说,大数据,在2000年早期还是个冷门,而现在早已成为人们关注的焦点.早在2014年,高德纳咨询公司就预测,到2016年将有73%的公司企业将在大数据项目中投入重金. 2016年的尾声即将到来,我们是时候回顾一下大数据的发展,盘点十大最热门的数据岗位. 随着很多大公司对数据分析需求增多,数据相关岗位的人才需求量也越来越大. 数据学作为一门学科,已经受到时代的追捧.数

回顾2016年大数据的发展,盘点十大最热门的数据岗位

随着很多大公司对数据分析需求增多,数据相关岗位的人才需求量也越来越大.数据学作为一门学科,已经受到时代的追捧.数据学,或者更准确来说,大数据,在2000年早期还是个冷门,而现在早已成为人们关注的焦点.早在2014年,高德纳咨询公司就预测,到2016年将有73%的公司企业将在大数据项目中投入重金. 2016年的尾声即将到来,我们是时候回顾一下大数据的发展,盘点十大最热门的数据岗位. TOP1 首席数据官(CDO) 三军不可无帅也,所有想在大数据项目中取得成功的公司都需要首席数据官坐镇指挥.2014

Hadoop大数据系统的七大危险信号

大多数企业大数据应用案例尚处于实验和试点阶段,对于少数首次在生产环境部署Hadoop系统的用户来说,最常遇到的就是扩展问题,此类问题往往导致企业因噎废食,终止大数据应用项目. 部署和扩展Hadoop系统是一件高度复杂的事情,如果用户能提前对Hadoop扩展可能会遇到的各种问题和危险信号有所了解,就能避免很多"救火"场面. 以下是Hadoop大数据系统出现扩展问题的七大危险信号: 危险信号一: 永远进入不了生产阶段 大数据应用从概念验证到生产环境是一个巨大的飞跃,Hadoop系统的可扩展