QomoAI數據平臺包含四大部分:企業(yè)級數據倉庫、大數據分布式計算平臺、機器學習算法平臺、分析與展現臺。
咨詢熱線:400-880-9359
基于Hadoop大數據平臺構建企業(yè)級的數據倉庫,從ERP、MES、SRM等多個已經應用的系統(tǒng),以及非結構化數據源中抓取數據,對數據進行抓取、采集、清洗、排重、加工、 整合,建立統(tǒng)一的數據采集平臺,并對數據進行歸類,建立不同集市的數據類,構成企業(yè)級的數據倉庫。
基于Flink等分布式批流一體處理計算引擎,可支持分布式文件系統(tǒng)、SQL引擎、實時流處理、聯(lián)合查詢、全文檢索等,提供內存計算引擎,利用內存計算技術實現快速分布式處理,利用大數據平臺分布式算法實現數據的秒級運算。
基于先進的神經網絡算法、聚類算法等模型,在企業(yè)不同的業(yè)務領域建立數據挖掘模型,對數據進行深度分析,并建立數據預警與模擬機制,找出不同數據的隱藏關聯(lián)關系,幫助企業(yè)找出數據發(fā)生的原因與源點,并基于現有數據對未來數據的走向進行預測。
根據企業(yè)需要定制OLAP分析工具,并能夠兼容市場上主流的數據分析軟件,可實現可視化交互查詢、圖表展示、移動展示、地圖展示、管理駕駛艙等,實現數據的移動端展示。
QomoAI平臺總體功能架構:接入異構數據源、設備接入、數據治理、數據資產、算法庫 、數據建模、組件化數據服務、BI可視化
接入各業(yè)務系統(tǒng)數據源配置、數據認證、規(guī)則定義,滿足多種數據源
可自動連接多樣化數據庫,包括關系型數據庫、非關系型數據庫、時序數據庫等;
·對于常用業(yè)務數據庫進行了標準化配置;·可自定義調度數據接入任務;
·將多個源的數據和信息整合到一個連接平臺;· 讓異構系統(tǒng)的集成變得簡單;
主題:中制邊緣網關設備對數據進行初步清洗和壓縮,同時內置了數據判定、安全判定、故障判定等數十種邊緣算法。
·支持設備接入、邊緣網關、協(xié)議解析、邊緣計算、網路配置、訪問控制、傳感器和控制器等。
·網關體積小、輕便、即插即用,支持主流接口、主流協(xié)議的數據采集。
·內置數據判斷、基礎算法,對采集數據進行邊緣層的清洗、壓縮、加密、存儲、斷點傳輸等處理。
·內置Node-RED開發(fā)環(huán)境,可快速實現各種場景下的數據處理。
主題:從數據”采、存、管、用“角度全局管控,打通數據治理全過程,一站式提供數據集成、可視化建模、數據資產治理等能力,助力企業(yè)打造標準化數據體系
·數據采集:對各業(yè)務系統(tǒng)數據源接入,并通過組件化方式數據集成配置,任務化數據采集。
· 數據存儲:基于湖倉一體數據存儲模型,構建統(tǒng)一的大數據倉庫存儲、離線存儲、實時存儲。
· 數據管理:建立數據標準體系、整合質量評估、核驗及質量報表形成數據質量管理閉環(huán)。
· 數據服務:提供流程化的數據API組件、數據安全服務、資產服務、數據可視化,讓數據可知可視。
主題: 建立統(tǒng)一的數據資產分類、資產目錄,從不同數據流到資產目錄及資產列表,包括元數據、數據集、數據標準、數據質量、數據API均可資產化,服務化。
·資產定義:支撐對企業(yè)數據資產的定義,包括資產屬性、資產之間的關聯(lián)關系。
·全文檢索資產:根據資產編碼、資產分級分類、資產名稱、資產級別全面檢索,讓企業(yè)數據資產隨時可用。
·資產目錄管理: 將企業(yè)數據資產進行分類規(guī)劃,結合應用場景構建資產目錄,活化資產目錄信息,及時響應資產的變更情況。
·資產權限控制:根據角色和權限設置數據資產的方案權限,保護數據的安全性。
主題:能夠為企業(yè)輸出一套完整的指標體系,并建立統(tǒng)一的指標管理中心,解決企業(yè)指標口徑不一致、指標重復開發(fā)、指標管理分散、指標規(guī)范混亂等痛點問題
·統(tǒng)一指標管理:對指標的屬性管理、層級管理、生命周期管理提供線上統(tǒng)一標準。
·指標建模:個性化配置指標規(guī)則,指標計算公式,各指標之間關聯(lián)關系。
·指標可視化:隨時查看指標數據、了解指標趨勢、提供可視化方式查看指標,多維指標分析
主題: 平臺內置60多種算法,為用戶提供從數據預處理、模型訓練、模型評估等圖形化開發(fā)和部署支持
·圖形化算法組件:提供算法組件庫,包括統(tǒng)計分析、機器學習、深度學習、特征工程等算法組件。
·流程化配置:構建大數據流程引擎,通過流程中組件拖拉拽完成算法模型的搭建與配置。
·模型訓練:通過離線任務進行模型訓練,算法參數調優(yōu),獲取最優(yōu)模型算法。
·模型專題庫:積累行業(yè)算法模型庫,如銷售預測算法、設備健康診斷算法、設備故障樣本庫等
主題:提供企業(yè)數據偏差分析,根據前期梳理的偏差業(yè)務邏輯搭建數據偏差模型,得知計劃與實際偏差原因、數據挖掘偏差明細。
·組件化搭建數據模型:構建若干偏差分析組件,包括計劃數據源、實際數據源、驗證組件、結果組件、數據對比組件等,業(yè)務人員進行偏差原因分析。
·偏差分析可視化: 將數據模型結果結合可視化看板進行數據聯(lián)動、數據穿透。
·偏差原因挖掘: “透過現象看本質”,根據計劃與實際數據偏差結果反向追溯偏差原因,從而協(xié)助企業(yè)找到最終產生問題的解決辦法。
主題: 平臺提供多種可視化方式,包括類Excel報表、在線報表、BI可視化看板等,以滿足不同業(yè)務群體的個性化需求。
·可視化探索分析:簡單拖拽即可生成可視化圖表進行探索分析,制作過程所見即所得。
·Excel融合分析:面向Excel用戶,在Excel中實現自助探索分析,支持各類Excel復雜公式計算。
主題: 旨在滿足“一切業(yè)務可配置、可拖拽”,采用前后端分離架構,少量代碼即可構建復雜業(yè)務場景,幫助解決項目上70%的代碼重復工作,滿足大多數業(yè)務場景。
·提供可視化表單設計器:通過拖拽組件即可完成表單構建,搭建復雜業(yè)務表單,支持業(yè)務數據源關聯(lián)和表單數據處理的自動化配置。
·支持自定義表單組件功能:支持業(yè)務功能組件化,如人員、角色、部門、供應鏈組件等。
·提供多表嵌套、數據關聯(lián):配置化即可擴展復雜表單邏輯,包括一對一、一對多、多對多的表關聯(lián),主子表邏輯,表單視圖內嵌等,并支持提供聯(lián)動邏輯的代碼能力。
·精細化數據權限控制:控制到行級,列表級,表單字段級,實現不同人看不同數據,不同人對同一個頁面操作不同字段。
·多數據源方式:極其簡易的使用方式,在線配置數據源配置,便捷的從其他業(yè)務系統(tǒng)抓取數據。
自主研發(fā),全方位保障數據安全,豐富數據組件、多樣化數據源、數據可知可視
平臺一鍵部署、安裝 ; 九大模塊可獨立或組合使用,滿足各類不同數據應用場景
支撐多源異構數據 ; 打通數據孤島 ; 跨源數據交換方式 ; 易集成
數據服務組件化 ; 數據治理全過程可視化 ; 全角色視角
平臺數據建模與ETL設計于一體,從數據接入到數據理、加載以及模型設計、調度管理等,在建模的同時同步完成ETL流程設計,提供一站式數據建模及處理服務
提供豐富的數據處理組件,如輸入輸出、數據行處理、數據列組件、數據融合組件、表轉置組件、數據同步組件、統(tǒng)計組件、腳本組件、其他組件、大數據組件等,用于快速完成數據的傳輸、清洗轉換、裝載落地等處理過程。
流程化運行,基于“批&流”雙計算引擎的數據交換,數據鏈路統(tǒng)一管理、提供可發(fā)布的數據組件,以API方式給各業(yè)務系統(tǒng)提供支撐
中制QomoAI覆蓋企業(yè)八大業(yè)務場景,提供高可用、高性能、可擴展的大數據全鏈路一站式解決方案
1.大數據數倉構建 :隨著企業(yè)數據規(guī)模的快速增長,對數據的處理和存儲需求更加多樣,單一類型的數據倉庫已經不滿足實際的業(yè)務場景,離線開發(fā)平臺集成多種計算引擎,可將多和類型和來源的數據進行整合,構建不同數據類型的倉庫集市,支持不同集群引擎管理,支持規(guī)模化項目團隊協(xié)同開發(fā)和統(tǒng)一管理。
2.數據流程化引擎 :大規(guī)模數據開發(fā)場景下,傳統(tǒng)的開發(fā)工具需要創(chuàng)建一個或多個復雜任務,每個任務處理業(yè)務場景的代碼邏輯耦合性高,運維困難,QomoAI離線開發(fā)平臺引用了流程化設計,可根據不同的業(yè)務場景創(chuàng)建開發(fā)流程,并通過多任務自動依賴的方式形成任務流,降低數據處理的復雜性,提高開發(fā)和運維效率。