开启数据智慧,阿里云大数据团队调研高新区


2月15日,阿里云大数据公司调研组来到高新区,进行为期三天的大数据产业发展情况调研活动。高新区分管领导、市工商联副主席及职能部门参加了此次调研活动。

调研组一行首先走访了大全集团和威腾集团。两家企业就目前的业务现状、大数据的运用、大数据与人工智能方面的相关设想,企业在云计算与大数据这块面临的问题等方面进行深入探讨。


走访大全集团


走访威腾集团

阿里云创新中心五叶草大数据孵化器CEO王献旗在考察了高新区区域规划和主导产业后,向分管领导介绍了阿里云孵化大数据,不同于只提供办公场地传统孵化器,阿里云则是创新型孵化器,提供的是流量、云计算服务器和发布平台。就算在家里也能创业。


考察高新区区域规划


考察高新区主导产业


阿里云大数据平台--“数加”

长期以来,企业数据处理的终极结果往往就是商务智能,但一张所谓的智能报表由于无法实现实时计算,并不能真正代表企业的运营情况。其次,数据存储的成本并不低,倘若无法从数据中挖掘出核心价值,那么数据不但不会是企业发展的动能,还将成为企业的重要成本。第三,即便是Hadoop平台出现之后,虽然拥有了开放、廉价、基于普通商业硬件的平台,但大数据应用的开发成本,无论是技术门槛还是价格都让很多普通开发者望而却步。

在这样的产业发展背景之下,“数加”这样一个分布式大数据开发平台的推出引人关注。

首先,作为“一个数据公司”(马云语),阿里巴巴拥有着处理大数据的丰富经验。单就双十一来说,淘宝/天猫订单的创建峰值能力突破了每秒钟14万笔,支付宝的支付峰值达到了每秒8.59万笔,远高于Visa实验室测试数据的每秒5.6万笔以及MasterCard实验室测试数据的每秒4万笔,这些数据处理经验都将反映到“数加”的产品中。

其次,“数加”并非一款单独的产品,而是一条完整的大数据开发链条。当天发布的20款产品,覆盖了数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。

其中,由大数据计算服务(MaxCompute)、分析型数据库(Analytic DB)、流计算(StreamCompute)共同组成的底层计算引擎,速度快且成本低。测算数据显示,自建Hadoop集群的成本是“数加”的1.5倍,国外计算厂商AWS 的EMR成本更是“数加”的5倍。

另外,“数加”的云端数据开发套件,包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控,能够帮助开发者快速部署相关产品。则通过视化产品DataV的数据分析,开发者可以一星期做出阿里双十一的数据监控大屏。同样基于DataV,“数加”还发布了面向政府的行业应用产品“郡县图治”。通过这款产品,县长可以在一个屏幕下统览全县各项经济民生数据,为政府决策提供辅助。

“数加”推出的机器学习工具,可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。图形化编程让用户无需编码、只需用鼠标拖拽标准化组件即可完成开发。产品还集成了阿里巴巴核心算法库,包括特征工程、大规模机器学习、深度学习等。

而在应用层面,支撑阿里巴巴客服系统的智能语言交互和文字识别OCR也即将上线。开发者可以利用这两个应用开发更具人工智能的大数据产品,比如搭建智能化的客服体系,利用文字识别OCR快速推出扫描类的应用,保障用户体验,节约成本。

最后,在一个软件即服务的时代,“数加”要做的也不仅仅是完整的数据开发工具,而是一项数据增值服务。大数据行业的进步不仅需要底层技术尤其是开发技术的发展,以降低技术门槛和资金门槛,还需要大量数据分析人才、数据科学家。

“ 
正如科幻小说家威廉·吉布森所言:未来已经到来,只是分布还不均衡。我们已经看到整个社会都在转向数据层面的运作。而当互联网成为像水、电一样的基础设施时,产生于互联网(包括但不限于桌面互联网、移动互联网、物联网等)的数据也成为一种新型的生产资料,在云计算的大背景下,分布式的数据分析计算平台将创造更多的创业机会,让数据能够互联互通,数据驱动的创业变革也已在发生。


版权说明

文中图文来源网络,版权属于原作者!

时间: 2024-10-25 10:49:42

开启数据智慧,阿里云大数据团队调研高新区的相关文章

双11来临,阿里云大数据(数加)会出哪些绝招?

双11来临,阿里云大数据(数加)会出哪些绝招? 双11电商       一年一度的"双11狂欢节"就要到了,眼看参加商家们都已经忙得不可开交:备货.营销.广告.预售......以往作战一般会历经"预热"."蓄势"."爆发"."返场"四个阶段,前两个阶段尤其重要,而眼看11月临近,很多商家再次为流量问题而伤神,阿里云的大数据团队继"数据魔方"."全景洞察"之后,新推出一

阿里云大数据实验室:MaxCompute使用体验

阿里云大数据实验室时阿里云开发的一站式大数据教学实践和科研创新平台,提供创业创新大赛平台,为各行业用户提供简单易用的大数据真实环境,让数据价值触手可及.在阿里云大数据实验室中集成了MaxCompute.        作为一名初次使用MaxCompute的用户,我体会颇深.MaxCompute 开箱即用,拥有集成化的操作界面,你不必关心集群搭建.配置和运维工作.仅需简单的点击鼠标,几步操作,就可以在MaxCompute中上传数据,分析数据并得到分析结果. 作为一种快速.完全托管的 TB/PB 级

深入阿里云大数据IDE–MaxCompute Studio

摘要:在主办的云栖计算之旅第5期–大数据与人工智能分享中,阿里云计算平台高级专家薛明为大家深入地介绍了阿里云大数据IDE–MaxCompute Studio,并对于其特性和背后的技术思想进行了讲解. 本文根据演讲视频整理而成. 本次将与大家深入地分享阿里云数加平台的大数据开发套件--MaxCompute Studio.其实对于开发者而言,在大数据开发.数据处理以及管理作业时经常会使用到IDE,而在阿里巴巴内部也有上万名大数据开发者,他们也会使用数加平台,也就是阿里巴巴统一的计算引擎--MaxCo

[使用初学者]如何快速玩转阿里云大数据计算服务MaxCompute

背景: 针对即将要开通MaxCompute或者已经开通MaxCompute但是还没有梳理清楚其中的概念,也无从下手如何快速入门MaxCompute?近期在这一方面上,咨询的同学也越来越多,总体在学习路径上也有一些资料可以分享给大家,更多的概念.产品定义可以详见官网文档. 关于如何开通: step1:登录管控台 >> step2:开通服务模式(预付费/后付费) 只需要两步就可以搞定!! step1:点击进入大数据计算服务产品MaxCompute详情页,点击立即购买. step2:选择按量付费并点

阿里云大数据计算平台的自动化、精细化运维之路

免费开通大数据服务:https://www.aliyun.com/product/odps 作者简介:   范伦挺 阿里巴巴 基础架构事业群-技术专家 花名萧一,2010年加入阿里巴巴,现任阿里巴巴集团大数据计算平台运维负责人.团队主要负责阿里巴巴各类离在线大数据计算平台(如MaxCompute.AnalyticDB.StreamCompute等)的运维.架构优化及容量管理等 1.前言 本文主要会从以下四个方面来写,分别是: 阿里大规模计算平台运维面临的一些挑战: 阿里自动化平台建设: 数据精细

【阿里云大数据产品MaxCompute(原名ODPS)】DT时代企业数据资产的护卫舰

免费开通大数据服务:https://www.aliyun.com/product/odps 阿里云数加MaxCompute(原名ODPS)设计之初就是面向多租户,确保租户的数据安全是MaxCompute的必备功能之一.在MaxCompute系统的安全设计和实现上,MaxCompute的工程师们会遵循一些经过实践检验的安全设计原则(如Saltzer-Schroeder原则).在常用密码算法及安全协议的设计和实现上,也会遵循业界相关标准(如PKCS-及FIPS-系列标准),并坚持最佳安全实践. 这里

阿里云大数据计算服务MaxCompute(原ODPS)华南1(深圳)Region即将开服!

2017年9月7日,阿里云数加·MaxCompute(原ODPS)华南1(深圳)数据中心正式开服售卖,这是数加·MaxCompute在国内开服的第二个区域.届时MaxCompute将会针对新服开展促销活动,具体活动规则敬请期待! 关于售价 华南1区域价格与华东2一致,主要收费分3部分:存储.计算.下载,其中计算(指SQL和MR计算任务)分预付费.按量后付费两种模式,存储和下载都是按量后付费.做预算的具体的售价信息请看官网定价页或<计量计费文档>. 关于开通 确保云账号是实名认证的账号,在开通购

阿里云大数据利器之-使用sql实现流计算做实时展现业务( flume故障转移版 )

实时业务处理的需求越来越多,也有各种处理方案,比如storm,spark等都可以.那以数据流的方向可以总结成数据源-数据搜集-缓存队列-实时处理计算-数据展现.本文就用阿里云产品简单实现了一个实时处理的方案. 一,总体架构 按照数据流向 数据采集:flume(配置故障转移) 缓存队列:datahubhttps://help.aliyun.com/product/53345.html?spm=5176.7618386.3.4.cigK2v 数据计算:阿里流计算(StreamCompute)http

阿里云大数据利器之-使用flume+sql实现流计算做实时展现业务(归档Maxcompute)

实时业务处理的需求越来越多,也有各种处理方案,比如storm,spark等都可以.那以数据流的方向可以总结成数据源-数据搜集-缓存队列-实时处理计算-数据展现.本文就用阿里云产品简单实现了一个实时处理的方案. 一,总体架构 按照数据流向 数据采集:flume(配置故障转移) 缓存队列:datahubhttps://help.aliyun.com/product/53345.html?spm=5176.7618386.3.4.cigK2v 数据计算:阿里流计算(StreamCompute)http