fbpx

Big Data Solutions

解決方案概觀

巨量資料應用需求存在你我的生活中,各行各業都呈現出極快的增長速度,電子商務 網站、社群網站、大型超市、賣場、銀行及壽險業…等,都存放著大量的個人資訊和聚集大量的交易資訊,科技隨著文明的演進,越來越多的巨量資料需要處理,巨 量資料的新時代已經到來,不僅有機遇,也存在著挑戰,且機遇大過於挑戰。 

Omniware 提供的解決方案

歐立威科技以開源企業級解決方案 (Open Source Enterprise Solution) 為主要的核心價值,從最底層的作業平台、中介軟體平台、容器化服務應用、資料庫管理系統到資料倉儲系統、資料整合、巨量資料分析平台、商業智慧等,提供最專業、最快速、最完善的整體解決方案給客戶,以符合企業要求高效能、低成本,並同時保有高品質的期待,尤其在面臨巨量資料時代之來臨,我們更應該責無旁貸地為客戶看得更遠、做得更好。我們針對各產業提供最佳解決方案如下:

 

金融服務業從早期的滿足內部作業需求,到協助經營管理,以致於目前的電子商務行銷策略,其資訊科技應用的廣度及深度,都是十分可觀的。在這競爭激烈的時刻,加上網際網路的崛起,各家銀行紛紛投入電子交易市場,除了將日常交易予以電子資訊化,並以自動化的作業流程取代了高人力成本,因此金融服務業存放著許多的會員用戶資料、交易資料以及龐大的歷史資料,而延伸出巨量資料的應用需求。我們針對此應用分成兩種情境來探討 :

Finance BigData UseCase

 

情境一 : 客戶消費行為趨勢分析

針對消費性金融商品之消費行為進行分析,透過巨量資料分析平台提供穩定、快速之運算功能,整合消費者之過往消費記錄,如銀行綜合存款、定期存款、提款、購屋貨款、汽車貨款、信用貨款、基金、股票、期貨及人壽保險…等,以容器化、MapReduce 分散式運算能力,有效地快速提供消費行為分析結果,並推薦客戶,吸引客戶的目光,進而在系統上採購,此舉將會為企業帶來潛在的消費力。

 

情境二 : 歷史資料商業工具分析

透過巨量資料平台搜集企業重要商業資訊,以及使用 ETL 工具匯集資料,如會員資料、消費商品契約、人壽保險契約、基金股票期貨之交易稽核日誌,提供 SQL 環境分析及查詢功能,並且以先進的容器化技術導入,以便開發者及執行者作業,可明確地分析出消費性金融商品之消費行為是否有異常,進而可以預防事件發生。

高科技製造業是台灣經濟核心產業,在目前自動化作業下,雖然企業提昇了產能,但往往無法控制自動化所帶來的異常預測,面臨資訊系統稽核日誌太龐大且雜亂的挑戰,因此巨量資料的搜集及分析應用需求日益俱增。

HighTech Manufacturer BigData Usecase

情境一 : 機台稽該日誌異常資訊趨勢分析

透過巨量分析平台搜集及 ETL 轉置資料,系統自行記錄異常稽核日誌行為,以提供異常資料趨勢分析報告,並推動異常事件示警機制,以降低產線不良率發生,並且減少異常原物料或工法所造成的折損成本。

情境二 : 資料倉儲之應用

高科技製造業相繼導入 ERP (Enterprise Resource Planning) 等應用系統後,企業在不影響系統效能及安全性的前提下,積極投入建置 EIS (Executive Information System) 以獲得更有用的管理性報表及輔助決策的資料,企業往往會投入 DW(Data Warehousing)建置,預期能萃取資料並加以分析應用,但往往事與願違,真正的問題是 DW 的效能已到瓶頸,但可透過 MPP 架構之資料庫及 ETL 工具來協助,並提供高效能及高相容性之解決方案。

電子商務無疑是當下大眾生活中不可或缺的部分,足不出戶就能滿足人們日常所有的需求,也孕育出了上萬億的巨大市場。然而電子商務不僅僅只是網路銷售平台,需要不斷求新求變,經歷過數十年不斷的演進,銷售平台、金流及物流系統已趨進完善,而消費行為及行銷方式正面臨無法突破的窘境。

E-commerce BigData Usecase

 

情境一 : 消費行為及趨勢分析

電子商務擁有龐大的產品資訊、會員資訊、瀏覽記錄及消費行為記錄等各種應用服務,透過 Docker 容器即平台(CaaS)技術實現分散式負載與提供高可用平台,隨時動態擴展服務規模,以因應大量使用者存取需求,同時透過巨量資料分析平台提供的大規模平行處理 (MPP) 架構,分析消費族群的消費行為模式、熱賣商品排行以及時下最新最熱門話題商品之關聯性,進一步推薦給網站用戶,或者將冷門商品下架,以提高銷售機會。

 

情境二 : 商品競爭力分析

透過網路查找商品行為,由巨量資料分析平台提供的大規模平行處理 (MPP) 架構,搜集商品資訊及連結時下熱門商品,分析出相同性質商品之競爭力及商品情報,以提供商品上架、下架或行銷的依據。

電信服務業自 2000 年電信自由化以來,市場開始走向飽合且逐漸衰退,促使電信服務業者轉型,傳統的電話服務已漸漸被多元的數位科技服務所取代,電信服務業者不斷地推陳出新多樣化的資費及創新服務、並持續強化服務品質,網路加值服務,如 VoIP、IPTV、Public Wireless LAN 及 WiMAX 等,創新服務如 Apps store、Book store、Ring、Video、Game 及電子商務等,電信服務業資料來源會是多元且龐雜的非結構資料,這將會是電信業的下一個明日之星,透過資料的分析處理,將可以延伸出新經營模式。

Telecom BigData Usecase

 

情境一 : 商品推薦服務

透過網路查找商品行為,由巨量資料分析平台提供的大規模平行處理 (MPP) 架構,來搜集商品資訊及連結時下熱門商品,分析出相同性質商品之競爭力及商品情報,以提供商品上架、下架或行銷的依據,另外結合消費族群的消費行為模式、熱賣商品排行以及時下最新最熱門話題商品之關聯性,進一步推薦給會員用戶,以提高商品銷售機會。

 

情境二 : 會員消費行為分析

系統依據會員瀏覽網站記錄,分析會員消費趨勢及熱門商品,藉由電信服務業者系統端服務 (簡訊) 及行動通訊加值服務 (email) 推送資訊至用戶端,以提高商品銷售機會。

想了解更多 Big Data 解決方案嗎?
歡迎與我們聯繫,由專人為您服務