解決方案
SOLUTIONS
東方龍馬(OLM)專注于提供企業級客戶的數字化轉型賦能/服務,以數據庫/中間件運維咨詢服務、數據庫國產化改造服務、開源數據庫技術棧服務、數據中心硬件帶外監控服務、大數據服務、AI開發平臺為核心業務,是IT智能運維服務提供商。
  • OLM大數據分析解決方案
    OLM Big Data Analysis Solution
    東方龍馬的大數據服務已深入銀行、證券、運營商、廣告、政府、移動互聯網、軍隊等十多個行業,協助客戶收集并整合海量業務數據,提供多維度的數據分析圖表,預測業務發展趨勢,為經營決策提供直觀、精確、實時的數據支撐。
  • 1·可擴展的開放架構
    大數據量必然要求企業IT基礎設施更易于數據的整合與集中、擴展與伸縮,以及管理與維護,同時還必須具備良好的可靠性、可控性、安全性。在穩定性、可用性及服務性也足以勝任海量數據對基礎架構能力的要求,因此,具備高擴展性的開放架構正逐步成為行業應對大數據的優選方案。 1.海量數據存儲 2.可彈性擴展系統 3.分布式數據索引
  • 2·多源異構數據標準化
    大數據可提供一個海量數據統一存儲處理平臺,通過多樣的采集方式將多個數據來源匯總到一起,再利用強大的預處理技術將異構數據整合劃一,為接下來的數據分析作好準備。 1.通過數據采集器、協議采集等方式完成多數據源、多類型的數據實時匯總,解決不同系統下的數據相互關聯的前提。 2.OLM預處理功能可以解決數據重復、無標簽等問題,可以按用戶要求在數據存儲前完成提前處理使數據在OLM處理效率大大提高。
  • 3·智能化數據審計
    大數據解決思路是將同源異構數據按照審計的標準變為了同構數據。將不同廠家的系統訪問日志預處理,按照證監會要求提取所需信息完成審計智能化。 1.按審計要求自動提取業務字段,快速完成業務報表與審計報表,并提供下載功能。 2.OLM數據引擎提供數據實時檢索,可以按數據邏輯、條件檢索,如在不同時間范圍內按不同用戶ID或用戶操作類型過濾出相關事件。
  • 4·高可用的移動應用分析
    移動統計基于OLM大數據平臺,并結合移動應用實現的業務分析應用,支持Android和IOS兩個平臺,通過五大分析模塊幫助移動用戶進行統計和分析流量、應用版本、用戶訪問路徑和地域分布等指標,從而幫助開發商通過數據進行產品的運營、推廣等策略的決策。 1.分析證券移動應用運營情況,按應用版本等指標對數據進行分析。 2.精準定位,更了解用戶。精準定位訪問地址及路徑,通過用戶的行為特征,幫客戶更加了解用戶。
  • 1·OLM Data Engine部分服務
    銀行:負載分析、數據整合、安全分析、資產管理、系統告警、審計等
    證券:證券交易日志統計、企業安全日志分析、交易報表、審計等
    保險:審計、數據整合、安全分析、數據挖掘、潛在客戶分析等
    電信運營商:ISMP、SIM平臺替換、資產管理、數據整合、安全分析等
    IDC行業:數據整合、資產管理、設備監控、負載分析、關聯分析、自動告警等
    媒體:系統訪問日志分析、數據整合、關聯分析、數據挖掘等
    移動互聯網:移動APP用戶行為分析、儀表盤、關聯分析等
    政府:數據整合、安全分析、資產管理、數據挖掘等
  • 2·OLM Data Engine 技術優勢
    簡單:通過OLM平臺提供的交互界面,使用者在無需了解底層技術的前提下即可對自身的企業數據進行泛化、入庫、檢索、分析以及挖掘等多種操作
    靈活:數據接入方式靈活多樣,并可通過SQL、原語、腳本等多種檢索方式滿足不同對數據檢索的多樣需求,并生成報表;內置算法庫,方便用戶挖掘數據潛在價值
    高效:TB級別的數據處理能力;熱點數據秒級響應;實時規則告警;動態調整實時報表緯度
    開放:支持多平臺集成,快速安裝、簡易配置。API支持C/C++、Java、Python等主流開發語言直接調用
    交互:企業內部獨立部署,確保數據絕對安全性;通過API完成應用的快速開發;應用插件化,實現業務快速遷移
3·OLM Data Engine體系架構
OLM Data Engine Architecture
  • 4·OLM Data Engine 數據整合
    企業數據一般都分散存儲在不同的業務系統中,企業規模越大業務系統越多,數據類型也就越多越復雜。所以多數據類型的整合是構建企業大數據平臺的第一步。
    OLM LASSOCK采集器可直接在服務器中運行,通過web控制臺,對運行在多臺設備上的的采集器進行控制管理。可以支持同時監控多個文件的變化情況,并將變化后的數據實時采集提交到平臺。
  • 5·OLM Data Engine 數據處理
    ① 實時分析:
    數據流處理
    實時檢索
    實時告警
    ② 離線分析:
    歷史數據批量遷移
    歷史數據打標
    SQL檢索
    計劃告警
    報表任務
  • 6·OLM Data Engine 關聯分析
    ①.趨勢分析:a、預測: 時序數據是具有流動性的,而且一般業務都存在周期性。平臺通過對歷史數據進行抽象,形成模型。形成的模型結合當前數據的表現,可以預測下一個階段數據趨勢。b、預警: 基于預測結合告警閾值的設置,就可以達到預警的目的,提前發現系統或是業務可能出現的爆發點。
    關聯分析:不同的業務場景,關聯分析的內容會有比較大差異。平臺提供基于時間和基于業務兩種機制。
    a、基于時間: 根據時間進行的關聯分析。當某個業務出現異常時,可以幫助用戶找到問題之間關系,如先后順序,影響范圍等。
    b、基于業務:結合業務情況,用戶選擇數據源和需要分析的指標,選擇不同的算法定義任務,提交給平臺進行分析。 關聯分析效果的關鍵是在分析過程中使用適當的分析引擎、提取適當的數據、輸出適當的告警,這些關鍵因素均是由關聯分析規則進行約定。
  • 7·OLM Data Engine 數據挖掘
    OLM通過LASSOCK采集后的數據,經過預處理、實時分析、離線分析和關聯分析的所有數據都可以成為OLM數據挖掘模塊的數據源。OLM的主要挖掘算法包括:分類算法、聚類算法、鏈式分析、集成算法、離群點檢測。

4008-906-960

全國免費咨詢電話
  • 官方微博
  • 官方微信
Copyright 1998-2020 版權所有 北京東方龍馬軟件發展有限公司 京ICP備14000200號-1
河北快三怎么预测号码 雀雀美女麻将 河南万能快三走势图 街机金蟾捕鱼旧版下载 麻将怎么玩视频教学 中国福利彩票准确预测 香港四不像必中一肖 河北11选五一定牛跨度 捕鱼达人2 麻将纸牌怎么玩 69游戏中心69棋牌游戏大厅 海南4+1玩法,1是哪个 活塞vs火箭12月22日 上游棋牌麻将 325游戏手机版官网网站 免费三肖必中特 新疆11选5推荐号码