-
iHolstein(深圳市大讯永新科技有限公司)是一家专注于大数据技术研究与应用的软件开发企业。致力于以优秀的产品和开放的生态推动国内大数据相关技术的发展和应用,为国内企业的升级转型提供切实有效的数据分析产品和相关服务支持。一、产品介绍:iHOS数据分析平台是一个从数据收集、存储、检索、分析到应用的大数据处理PaaS平台,帮助用户快速、低成本的管理数据,挖掘数据潜在价值。为用户产品设计研发、销售推广、业务优化、用户分析等环节提供辅助决策支撑,助力用户实现低成本、高效率、高客户满意度的发展目标。二、产品功能:1. 快速数据收集:通过图形向导式的配置方式快速采集网络设备、应用中间件、操作系统、数据库数据。 支持多种协议数据收集,如syslog、文件系统、snmp、ftp、ssh等;2. 快速数据分析:实现数据搜索、聚合、二次泛化、科学运算、机器学习、报表展示、告警等功能。 面向普通用户可进行交互式、可擦除式的输入即数据分析过程执行;3. 快速二次开发:通过拖拽方式快速配置应用,也可通过开发接口调用方式定制个性化的软件应用。 灵活丰富的分析语法封装以及开发接口,方便高级用户快速开发应用。三、产品适用行业:政务:宏观调控等经济决策,产业发展、财政支持、资源监控... 安全:舆情分析,安防监控,犯罪预防... 医疗:快速确诊,智能治疗方案,药物、器械研发,疾病预防控制,健康管理... 生物:加速基因技术研究分析,农作物改良、**器官培养 食品:食品安全管控 交通:智慧交通,提高交通效率、降低交通成本 天气:准确性和实效性提升,更多应用 农牧:精细化管理,避免产能过剩,快速销售 金融:精准营销,风险管控,经营决策,产品设计,业务效率提升 电商:精准营销,智能配送,消费趋势,产品分析,流行趋势... 零售:精准营销,消费趋势 教育:学习规律发现,自适应学习,个性化档案库,校园大数据 文娱:喜好分析,故事选型,演员配置,智能排片,产品设计,活动推广... 制造:智能生产,工艺优化,能耗节约,在线检测,故障预测... 四、产品解决问题iHOS平台产品集数据收集、清洗、存储、关联、分析、可视化、应用开发、应用发布于一体,彻底解决大数据应用的技术门槛。 产品的价值点:国内首个免费大数据分析平台产品-iHOS数据分析平台,同时也是一款PaaS平台产品。任何用户和个人都可以利用iHOS数据分析平台能力构建个性化应用。iHOS数据分析平台帮助用户以零技术门槛、低成本的方式运用大数据技术实现业务优化和业务转型。
-
9月18日,在2018世界人工智能大会·投融资主题论坛上,晨兴资本创始合伙人刘芹在演讲中称,中国已经进入投资2.0时代。刘芹在演讲中介绍,晨兴资本在中国投资的第一个项目是1998年的搜狐,此后见证了中国互联网行业的发展直到今天。他表示,一直以来中国的高科技投资项目都集中在应用层,技术和底层创新的创业窗口是缺失的。但进入到大数据和AI(人工智能)时代之后,这个情况出现了转变。刘芹表示,大数据和AI时代让中国创业者第一次有机会和世界创业者同一个起跑线,捕捉创业机会。刘芹介绍,PC和互联网时代,底层技术都是美国的,中国只能把底层技术拿过来,在这基础上做应用,做出了很多模式创新,包括社交、电商等。而现在,中国进入了投资的2.0时代,投资者可以同时在底层技术和上层模式创新上投资。大数据和AI时代中国能够从底层到应用都进行创新。因为中国拥有优势:大量的人口基数带来的巨大的应用场景,以及蕴含大量数据。另外,中国是个教育大国,拥有大量的数学和工程师人才,这些都是参与投资的很好起点。刘芹于2000年进入晨兴资本,之后在中国的互联网、无线、媒体、游戏娱乐、消费服务等领域投资了许多早期项目,当中包括小米、迅雷、凤凰新媒体、聚众传媒等。在9月18日的论坛上,刘芹介绍,对投资者而言,大数据和AI领域投资的机会分为三个层次:最底层的是基础性的算法,第二层是技术带来的服务层,第三层是大量的应用层。晨兴在过去三到五年里,一直在从这三个层面寻找能够推动行业发展的公司。在人工智能领域,晨兴资本投资的项目覆盖商汤、地平线、快手、小米、小鹏汽车等。2018世界人工智能大会·投融资主题论坛以“资本助力AI,AI赋能新时代”为主题。该论坛由世界人工智能大会组委会主办、中金公司承办、上海市杨浦区人民政府协办。本文源自澎湃新闻,如有侵权,请联系本人删除。
-
黄渤首次导演的电影《一出好戏》自8月10日在全国上映,至今已有10天,其主演阵容强大,相信许多观众也都是冲着明星们去的。目前《一出好戏》在猫眼上已经获得近60万个评价,评分为8.2分,票房已破10亿。作者本人(汤小洋 )今天也走进了电影院,对这部电影做了亲身的观看,看完后的感觉是有些许失落的,本以为是喜剧片,结果发现笑点一般,从搞笑的角度来看,不如《西虹市首富》,影片更多的是反映人类本性的一部电影,不应当做喜剧片来看,影片中展现的人与人之间的关系倒是值得我们去深思。今天就跟着 汤老师 一起来揭秘影片《一出好戏》,看看“这出好戏”到底如何?我们将使用Python抓取猫眼近10万条评论数据,并对获取到的数据进行分析,看看观众对这部电影的评价究竟如何?整个数据分析的过程分为四步:获取数据处理数据存储数据数据可视化一、获取数据1. 简介本次获取的是猫眼APP的评论数据,如图所示:通过分析发现猫眼APP的评论数据接口为:http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset=0&startTime=2018-07-28%2022%3A25%3A03通过对评论数据进行分析,得到如下信息:返回的是json格式数据1200486表示电影的专属id;offset表示偏移量;startTime表示获取评论的起始时间,从该时间向前取数据,即获取最新的评论cmts表示评论,每次获取15条,offset偏移量是指每次获取评论时的起始索引,向后取15条hcmts表示热门评论前10条total表示总评论数2. 代码实现这里先定义一个函数,用来根据指定url获取数据,且只能获取到指定的日期向前获取到15条评论数据# coding=utf-8__author__ = '汤小洋'from urllib import requestimport jsonimport timefrom datetime import datetimefrom datetime import timedelta# 获取数据,根据url获取def get_data(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36' } req = request.Request(url, headers=headers) response = request.urlopen(req) if response.getcode() == 200: return response.read() return Noneif __name__ == '__main__': html = get_data('http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset=0&startTime=2018-07-28%2022%3A25%3A03') print(html)二、处理数据对获取的数据进行处理,转换为json# 处理数据def parse_data(html): data = json.loads(html)['cmts'] # 将str转换为json comments = [] for item in data: comment = { 'id': item['id'], 'nickName': item['nickName'], 'cityName': item['cityName'] if 'cityName' in item else '', # 处理cityName不存在的情况 'content': item['content'].replace('\n', ' ', 10), # 处理评论内容换行的情况 'score': item['score'], 'startTime': item['startTime'] } comments.append(comment) return commentsif __name__ == '__main__': html = get_data('http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset=0&startTime=2018-07-28%2022%3A25%3A03') comments = parse_data(html) print(comments)三、存储数据为了能够获取到所有评论数据,方法是:从当前时间开始,向前获取数据,根据url每次获取15条,然后得到末尾评论的时间,从该时间继续向前获取数据,直到影片上映日期(2018-08-10)为止,获取这之间的所有数据。# 存储数据,存储到文本文件def save_to_txt(): start_time = datetime.now().strftime('%Y-%m-%d %H:%M:%S') # 获取当前时间,从当前时间向前获取 end_time = '2018-08-10 00:00:00' while start_time > end_time: url = 'http://m.maoyan.com/mmdb/comments/movie/1203084.json?_v_=yes&offset=0&startTime=' + start_time.replace(' ', '%20') html = None ''' 问题:当请求过于频繁时,服务器会拒绝连接,实际上是服务器的反爬虫策略 解决:1.在每个请求间增加延时0.1秒,尽量减少请求被拒绝 2.如果被拒绝,则0.5秒后重试 ''' try: html = get_data(url) except Exception as e: time.sleep(0.5) html = get_data(url) else: time.sleep(0.1) comments = parse_data(html) print(comments) start_time = comments[14]['startTime'] # 获得末尾评论的时间 start_time = datetime.strptime(start_time, '%Y-%m-%d %H:%M:%S') + timedelta(seconds=-1) # 转换为datetime类型,减1秒,避免获取到重复数据 start_time = datetime.strftime(start_time, '%Y-%m-%d %H:%M:%S') # 转换为str for item in comments: with open('comments.txt', 'a', encoding='utf-8') as f: f.write(str(item['id'])+','+item['nickName'] + ',' + item['cityName'] + ',' + item['content'] + ',' + str(item['score'])+ ',' + item['startTime'] + '\n')if __name__ == '__main__': # html = get_data('http://m.maoyan.com/mmdb/comments/movie/1200486.json?_v_=yes&offset=0&startTime=2018-07-28%2022%3A25%3A03') # comments = parse_data(html) # print(comments) save_to_txt()有两点需要说明:服务器一般都有反爬虫策略,当请求过于频繁时,服务器会拒绝部分连接,我这里是通过增加每个请求间延时来解决,只是一种简单的解决方案,还望各位看客理解包涵根据数据量的多少,抓取数据所需时间会有所不同,我抓取的是2018-8-19到2018-8-10(上映当天)之间的数据,大概花了2个小时,共抓取约9.2万条评论数据四、数据可视化这里使用的是pyecharts,pyecharts是一个用于生成Echarts图表的类库,便于在Python中根据数据生成可视化的图表。Echarts是百度开源的一个数据可视化JS库,主要用于数据可视化。参考:http://pyecharts.org/# 安装pyechartspip install pyechartspyecharts v0.3.2以后,pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表,可自行安装对应的地图文件包。# 安装地图文件包pip install echarts-china-provinces-pypkg # 中国省、市、县、区地图pip install echarts-china-cities-pypkg pip install echarts-china-counties-pypkg pip install echarts-china-misc-pypkg pip install echarts-countries-pypkg # 全球国家地图pip install echarts-united-kingdom-pypkg1. 粉丝位置分布代码实现# 导入Style类,用于定义样式风格from pyecharts import Style# 导入Geo组件,用于生成地理坐标类图from pyecharts import Geoimport json# 导入Geo组件,用于生成柱状图from pyecharts import Bar# 导入Counter类,用于统计值出现的次数from collections import Counter# 数据可视化def render(): # 获取评论中所有城市 cities = [] with open('comments.txt', mode='r', encoding='utf-8') as f: rows = f.readlines() for row in rows: city = row.split(',')[2] if city != '': # 去掉城市名为空的值 cities.append(city) # 对城市数据和坐标文件中的地名进行处理 handle(cities) # 统计每个城市出现的次数 # data = [] # for city in set(cities): # data.append((city, cities.count(city))) data = Counter(cities).most_common() # 使用Counter类统计出现的次数,并转换为元组列表 # print(data) # 定义样式 style = Style( title_color='#fff', title_pos='center', width=1200, height=600, background_color='#404a59' ) # 根据城市数据生成地理坐标图 geo = Geo('《一出好戏》粉丝位置分布', '数据来源:猫眼-汤小洋采集', **style.init_style) attr, value = geo.cast(data) geo.add('', attr, value, visual_range=[0, 3500], visual_text_color='#fff', symbol_size=15, is_visualmap=True, is_piecewise=True, visual_split_number=10) geo.render('粉丝位置分布-地理坐标图.html') # 根据城市数据生成柱状图 data_top20 = Counter(cities).most_common(20) # 返回出现次数最多的20条 bar = Bar("《一出好戏》粉丝来源排行TOP20", "数据来源:猫眼-汤小洋采集", title_pos='center', width=1200, height=60) attr, value = bar.cast(data_top20) bar.add("", attr, value, is_visualmap=True, visual_range=[0, 3500], visual_text_color='#fff', is_more_utils=True, is_label_show=True) bar.render("粉丝来源排行-柱状图.html")出现的问题:报错:ValueError: No coordinate is specified for xxx(地名)原因:pyecharts的坐标文件中没有该地名,实际上是名称不一致导致的,如数据中地名为'达州',而坐标文件中为'达州市'坐标文件所在路径:项目/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json解决:修改坐标文件,在原位置下复制个同样的,然后修改下地名{ "达州市": [ 107.5, 31.22 ], "达州": [ 107.5, 31.22 ], }不过由于要修改的地名太多,上面的方法实在是麻烦,所以我定义了一个函数,用来处理地名数据找不到的问题# 处理地名数据,解决坐标文件中找不到地名的问题def handle(cities): # print(len(cities), len(set(cities))) # 获取坐标文件中所有地名 data = None with open( '/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json', mode='r', encoding='utf-8') as f: data = json.loads(f.read()) # 将str转换为json # 循环判断处理 data_new = data.copy() # 拷贝所有地名数据 for city in set(cities): # 使用set去重 # 处理地名为空的数据 if city == '': while city in cities: cities.remove(city) count = 0 for k in data.keys(): count += 1 if k == city: break if k.startswith(city): # 处理简写的地名,如 达州市 简写为 达州 # print(k, city) data_new[city] = data[k] break if k.startswith(city[0:-1]) and len(city) >= 3: # 处理行政 变更的地名,如县改区 或 县改市等 data_new[city] = data[k] break # 处理不存在的地名 if count == len(data): while city in cities: cities.remove(city) # print(len(data), len(data_new)) # 写入覆盖坐标文件 with open( '/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json', mode='w', encoding='utf-8') as f: f.write(json.dumps(data_new, ensure_ascii=False)) # 将json转换为str可视化结果:粉丝人群主要集中在沿海一带从上图可以看出,《一出好戏》的观影人群主要集中在沿海一带,这些地方经济相对发达,城市人口基数庞大,极多的荧幕数量和座位、极高密度的排片场次,让观众便捷观影,活跃的观众评论也多,自然也就成为票房的主要贡献者。粉丝来源排名前20的城市依次为:北京、深圳、上海、成都、武汉、广州、西安、郑州、重庆、南京、天津、沈阳、长沙、东莞、哈尔滨、青岛、杭州、合肥、大连、苏州电影消费是城市消费的一部分,从某种角度来看,可以作为考察一个城市购买力的指标。这些城市在近年的GDP排行中大都居上游,消费水平较高。2. 词云图jieba是一个基于Python的分词库,完美支持中文分词,功能强大pip install jiebaMatplotlib是一个Python的2D绘**,能够生成高质量的图形,可以快速生成绘图、直方图、功率谱、柱状图、误差图、散点图等pip install matplotlibwordcloud是一个基于Python的词云生成类库,可以生成词云图pip install wordcloud代码实现:# coding=utf-8__author__ = "汤小洋"# 导入jieba模块,用于中文分词import jieba# 导入matplotlib,用于生成2D图形import matplotlib.pyplot as plt# 导入wordcount,用于制作词云图from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator# 获取所有评论comments = []with open('comments.txt', mode='r', encoding='utf-8') as f: rows = f.readlines() for row in rows: comment = row.split(',')[3] if comment != '': comments.append(comment)# 设置分词comment_after_split = jieba.cut(str(comments), cut_all=False) # 非全模式分词,cut_all=falsewords = " ".join(comment_after_split) # 以空格进行拼接# print(words)# 设置屏蔽词stopwords = STOPWORDS.copy() stopwords.add("电影") stopwords.add("一部") stopwords.add("一个") stopwords.add("没有") stopwords.add("什么") stopwords.add("有点") stopwords.add("这部") stopwords.add("这个") stopwords.add("不是") stopwords.add("真的") stopwords.add("感觉") stopwords.add("觉得") stopwords.add("还是") stopwords.add("但是") stopwords.add("就是")# 导入背景图bg_image = plt.imread('bg.jpg')# 设置词云参数,参数分别表示:画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小wc = WordCloud(width=1024, height=768, background_color='white', mask=bg_image, font_path='STKAITI.TTF', stopwords=stopwords, max_font_size=400, random_state=50)# 将分词后数据传入云图wc.generate_from_text(words) plt.imshow(wc) plt.axis('off') # 不显示坐标轴plt.show()# 保存结果到本地wc.to_file('词云图.jpg')可视化结果:总体评价很不错对评论数据进行分词后制作如下词云图:从词云图中可以看到:评论中多次出现“可以”、“好看”、“不错”等热词,说明观众对《一出好戏》的总体评价还是很不错的同时对该影片中“张艺兴”的“演技”也给予了很大的认可,我本人今天在观看后也有同感,让我们看到了不一样的张艺兴,实力演员对于初次“导演”电影的“黄渤”,能拍出这样的影片,粉丝们也是比较肯定的,同时其本身就是票房的保障至于剧情方面,“现实”、“喜剧”、“搞笑”、“故事”等词语,能看出这是一部反映现实的故事片,同时也兼具喜剧搞笑对于评论中出现的“一般”、“失望”等,这些粉丝或许是和我一样,本以为这是一部爆笑喜剧片,笑点应该会很多(毕竟在我们心中,黄渤、王宝强等就是笑星),没想到笑点并不很多,至少与期待的有差距,导致心里有落差的原因吧^_^3. 评分星级代码实现:# coding=utf-8__author__ = "汤小洋"# 导入Pie组件,用于生成饼图from pyecharts import Pie# 获取评论中所有评分rates = []with open('comments.txt', mode='r', encoding='utf-8') as f: rows = f.readlines() for row in rows: rates.append(row.split(',')[4])# print(rates)# 定义星级,并统计各星级评分数量attr = ["五星", "四星", "三星", "二星", "一星"] value = [ rates.count('5') + rates.count('4.5'), rates.count('4') + rates.count('3.5'), rates.count('3') + rates.count('2.5'), rates.count('2') + rates.count('1.5'), rates.count('1') + rates.count('0.5') ]# print(value)pie = Pie('《一出好戏》评分星级比例', title_pos='center', width=900) pie.add("7-17", attr, value, center=[75, 50], is_random=True, radius=[30, 75], rosetype='area', is_legend_show=False, is_label_show=True) pie.render('评分.html')可视化结果:四、五星级影评合计高达83%从图中可以看出,五星比例接近62%,四星比例为21%,两者合计高达83%,可见口碑还是相当不错的,一星占比不足6%《一出好戏》作为黄渤第一次执导的作品,在拍摄过程中导演渤哥对自己的要求也是很严格的,所以有这样的成绩,也是理所当然。附:今天看电影的票根 ^_^本文转自汤小洋博客51CTO博客,如需转载,请自行联系原作者。原文链接
-
【产品简介】城市天然气管道安全问题是惠及全民的民生问题,采用智慧巡检信息化技术手段,运用“互联网+”的思维模式,利用移动互联网、低功耗物联网、GIS、数据感知、大数据等技术,整合城市天然气管道资源,构建支撑城市天然气管道的安全运营,为城市居民提供安全的天然气服务,对提高城市现代化水平,具有重要意义。【产品详情】系统整体由井盖检测器,型号为GM-01(内置NB-IoT模块)、NB-IoT通信网络、OceanConnect物联网平台、智能监测平台、客户端管理软件5个部分组成。现场监控设备主要是井盖检测器,并内置NB-IoT模块,内嵌有各种位置和状态传感器,通过传感器感知井盖状态,如可监测可燃气体浓度、温湿度、水位等,并将状态信息通过NB-IoT通信方式上传至OceanConnect物联网平台,OceanConnect物联网平台与智能监测平台交互,应用客户端APP完成智能监测平台数据交互。【应用场景】燃气智能巡检平台适用于智能巡检【产品亮点】(1)构建全方位的天然气管道状态感知体系,通过多种检测采集手段,真正实现天然气管道“统一平台、统一管理”的一体化模式,建立天然气管道的综合检测管理与服务平台。(2)建立天然气管道检测动静态一体化管理体系。以大数据分析技术为基础,以静态管道数据为依据。为管道泄漏检测提供全面准确的公共信息服务;(3)建设天然气管道静态资源一张图。通过地图将城市所有天然气管道设施资源直观、全面地展示在一张地图上,对基础信息、分布状态进行实时监控。(4)实现智能预警、辅助决策、分析等。通过建立量化模型,对城市天然气管道进行智能预警,保障城市天然气管网顺畅运转,通过建立决策支持模型,为天然气管网运营企业的经营决策提供数据依据。(5)实现天然气管道静态数据的分析挖掘,为动态天然气管道管理和服务体系提供整合数据,真正实现为民、惠民、乐民、服务于民。【能力调用】Ocean Connect 是华为公司基于物联网、云计算和大数据等技术打造的开放生态环境。Ocean Connect 围绕着华为IoT联接管理平台,提供了170多种开放API 和系列化Agent帮助伙伴加速应用上线,简化终端接入,保障网络联接,实现与上下游伙伴产品的无缝联接,同时提供面向合作伙伴的一站式服务,包括各类技术支持、营销支持和商业合作。智能巡检基于NB-IoT的城市天然气管道检测解决方案与华为Ocean Connect物联网生态系统集成,帮助天然气管网检测灵活连接到选择的移动网络运营商(MNO)服务。同时,Ocean Connect物联网平台帮助武汉安耐捷科技工程有限公司全面连接和控制其物联网设备,将大幅降低商业部署成本、提高客户服务体验,从而为市场上不断增长的智慧照明连接设备提供安全、灵活的连接管理。【客户收益】(1)政府部门提供依据——全方位的管道泄漏信息的采集为应急指挥、提供基础数据,同时也为管道管理部门决策提供依据。体现职能——减少泄漏量,保证管道顺畅,节约能源消耗,实现良好的社会效益,充分体现政府部门的职能作用。提升形象——为政府改善形象和服务水平,为天然气使用着等提供良好的服务。绿色能源——引导天然气企业提前决策,倡导绿色能源,架起企业信息之桥。(2)天然气管道运营企业提升效益——系统建成后有助于提高大多数天然气管道的使用率和周转率,极大促进部分天然气业主的经济收益,同时更好的掌控了自身的天然气资源,进一步保障了各天然气管道的综合经济效益。保障安全——系统建成后有助于健全、完善天然气管道管理制度,优化天然气使用的环境,同时提升天然气管道系统智能化水平,以加强保障了天然气管道安全。(3)社会公众节约时间——帮助管道运营企业尽快找到泄漏点,减轻精神压力和尴尬心情。节约资金——节约天然气,节省资金,降低污染。提高效率——系统建成后有助于管道运营企业在寻找寻找泄漏点的过程中节约时间,减少了天然气损耗,从而提高企业的工作效率。
-
DLI数据湖探索服务:https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE002+2018.7/about参考资料下载:https://support.huaweicloud.com/uquery_dld/index.html#DLS深度学习服务:https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE003+2018.7/about参考资料下载:https://support.huaweicloud.com/dls_dld/index.html#MRS服务:https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE006+Self-paced/about 参考资料下载:https://support.huaweicloud.com/mrs_dld/index.html#DWS数据仓库服务:https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE004+2018.7/about参考资料下载:https://support.huaweicloud.com/dws_dld/index.html#GES图引擎服务: https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE008+Self-paced/about 参考资料下载: https://support.huaweicloud.com/ges_dld/index.html# 参加华为AI+大数据训练营活动的可以看看,不参加活动的也可以借鉴学习。
-
零售行业进入新一轮的洗牌革新,时尚品牌马XX菲搭乘技术快车,开启智慧门店业绩一路飘红,销售同比提升300%!是什么驱动时尚行业的马XX菲搭上IT技术,开启智慧门店模式呢?大道同理,作为时尚品牌的原始基因,必须提前预测流行,判断趋势,并能及时反应;而新技术帮助企业实现创新发展模式,让企业在市场中先行一步!马XX菲打造智慧门店分三步:第一步就是实现O2O,只有实现了O2O,外围的订单才能进来;第二部是实现门店的智能化,就是提高门店本身的用户体验;第三步是大数据,利用大数据分析改造企业运营的各个环节。Why为什么品牌企业要做O2O?因为O2O带来更多的订单、更多的客源,卖掉更多的货物。在第一部完成了IT基础设施进行了全方位改造和门店的数字化升级。所有门店店员都统一安装千牛店装柜客户端,实现线上下单,门店发货,平均发货时间提升到5小时以内;同时,当消费者在线下门店购物出现缺色、断码,现场扫二维码就可以进入天猫旗舰店,实现门店下单,线上发货,还可以同步享受线上营销活动,从而极大减小消费者流失率。why为什么创建门店的智能化升级?因为要提升消费者在门店的消费体验。在门店内每一个商品都配置了RFID,消费者都要试穿衣服,试穿后站在店内的智能试衣魔镜前,通过物联网识别器,大屏便可自动识别商品ID,不仅同步推送模特试穿效果,还将呈现产品介绍、评价、相关搭配等内容,导购借此信息和消费者的沟通形成场景营销,更有说服力!why为什么要做大数据?因为企业不知道消费者进店试穿率,不知道衣服的试穿率,不知道消费者的需求等等。智慧门店就像人的味觉、触觉感官系统,全渠道就像循环系统,大数据就是门店的大脑。其中,仅仅是用户打通这一项,就为企业快速累积和筛选出了数万名核心会员,深入洞察消费者,推动商品企划和品牌升级。通过柔性供应链快速反应、因需而动、以销定产,甚至实现定制。这能有效提高库存周转效率;未来,通过大数据分析,使品牌有更多可优化空间。线下零售进行“新零售”改造经过O2O、智慧门店、大数据三个步骤。现在马XX菲的新零售计划,期间,销售额同比提升300%,依托门店发货,大促期间24小时内的发货率为88%。形成以“推货”为主的商业零售模型,再与电商深度融合,更扁平地触达到消费者。科技赋能的智慧门店是否也打动了你去体验一番呢?其实新零售中智慧门店还远不止此哦。上海启匙在过去的日子,帮助一家奢侈品时尚行业创建的智慧新零售解决方案更炫!比如人脸识别功能,可迅速识别会员信息,做产品和服务的精准推荐;再比如,探针识别功能,好比是线上的“热力图”功能,通过了解消费者分布区域,帮助品牌更好进行展柜和爆款的陈列;最后一个黑科技是小编最感兴趣的,导购智能- Clienteling,该移动APP端链接了消费者和商品:用户线上预约,线下去体验产品,导购可迅速查找指定商品的库存情况,还精确记载了消费者体验过程。 每一次新技术、新模式的出现都会给企业发展带来新的机遇,目前走在前沿的企业都在加大力度抢先一步布局新零售,传统企业更不可错过这次技术革新!
-
信息技术和互联网不仅改变了消费者,也改变了信息传递的方式,以消费者为中心的、数据驱动的泛零售业态孕育而生。企业营销必须变革,这里有两个关键词值得关注:消费者和数据,更宽泛点讲就是人和数据。客户如沧海遗珠般散落在不同的社交媒体平台上,其连接、互动、传播如同汪洋大海。企业有提高社交媒体营销预算的心,却苦于找不到合适自己的社交媒体营销策略去发力。乱花渐欲迷人眼的市场社交媒体营销方式,导致企业疲于仓促应对,被技术牵着鼻子走,营销浮于表面,定位不明确。科特勒曾说过:“营销应该是创造出不用推销的产品,让客户感受到产品价值”。社交媒体为消费者赋权,消费者从被动接受到主动参与,企业营销环境逆转,回归营销本质空前迫切。企业应该如何应对社交媒体营销趋势?如何开展营销活动?这是当今企业急需思考和解决的问题。从以产品为中心的营销1.0时代,以客户为中心的营销2.0时代,到以价值为中心的3.0时代,再到如今客户有了很大的自我实现诉求的营销4.0时代,不管形式如何变化,如营销大师菲力普·科特勒所言“不变的是营销的本质,数字技术只是对营销手段和营销方法的升级,它没有替代营销的本质。营销的本质还是利他、需求管理以及为客户创造卓越的价值。”建立以顾客为中心 的会员体系需求管理(Demandmanagement),占营销界主导地位,是众多营销流派中体系构建最为完善、最为系统的学说。策略体系从PEST分析开始,到产业分析、竞争对手分析,再到消费者分析,然后根据STP战略,设计营销战术组合。这种战术组合被麦卡锡归纳为4P组合(Product,Price,Place,Promotion)。后期,在4P的基础上不断发展,其本质都是研究如何有效管理客户需求。上海启匙为企业客户搭建个性化、体系化、科学化的会员体系。顾客满意是公司未来利润的最好指示器。营销管理的实质就是需求管理。三步式 会员体系 建立启匙“一步走”。以大数据为基础,APP为载体,构建企业客户画像。营销4.0诣在解决大数据、连接、价值驱动情况下,如何洞察与满足这些连接点所代表的需求,帮助消费者自我实现的过程。移动互联网、物联网的连接下,大量消费行为数据、消费习惯被记录到大数据系统内,变为消费者“比特化”。海量的消费行为、消费数据代表着与消费者无数个连接点,大数据和APP构成了企业会员体系的两层外网,据此可以构建客户画像,洞悉消费者需求。360度客户画像即360度客户信息标签化,根本是通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息后,臆想客户的商业面貌。以大数据和APP信息为基础,店铺穿插数据采集设备,丰满型客户画像达成。企业将快速抓取精准用户群体以及用户需求。第一:收集数据。静态数据如年龄、性别、地域,动态数据如浏览网页、搜索内容等;第二:贴上客户标签及指标。标签代表客户的兴趣、偏好等,指标代表客户兴趣程度、购买概率等;第三:用户建模。即勾勒出什么地点什么时间谁做了什么事情。因此,企业可以通过客户画像,掌握消费者需求的雏形。启匙“两步跳”。掌握消费者需求,打造以会员为中心的服务体系。基于客户画像,企业进一步结合会员为中心的服务体系,落地实现消费者需求,以服务留存客户,形成客户忠诚。针对消费者不同需求,企业服务体系的实施可从以下五个方面进行:第一类,价值类需求。制定购物积分、折扣、生日特惠、免费包装服务等;第二类,便利类需求。制定致电会员中心享受免费预定、预留服务;第三类,个性类需求。安排会员VIP休息室、会员受邀出席沙龙活动等;第四类,速度类需求。机场VIP专用快速通道、银行快速服务通道等;第五类,信息类需求。发放指定商品信息、促销通知服务等。企业以会员为中心,掌握消费者不同个性需求,制定针对性活动,做到行动入心。在线上,借助会员特权和福利打造自己的积分商城,开拓市场合作,联合商家成为折扣专享联盟,让会员体验到特权。在线下,实体店实施体验升级计划、星级服务计划、体验旗舰店计划,对门店星级和服务进行管理。启匙“三步跑”。利用社交媒体,传播用户口碑。通过整合企业内外部资源,与顾客进行多方面接触,通过接触点向消费者传播企业形象和内容。并行采用线上推广、品牌投放、媒体公关、微信等社交媒体传播体系,充分调动一切积极因素,把客户的口碑传播开来。如海底捞就是把客户的体验做到了极致,产生了极强的口碑宣传作用。社交媒体营销管理闭环成型上海启匙运用以顾客为中心的需求管理三步式走法,即通过大数据找到客户画像;由客户画像对应的消费者需求,打造会员为中心的服务体系;再以服务为口碑,利用社交媒体传播出去,帮助企业形成口碑效应。至此,企业营销活动不再是单纯的造势,而是鲜活的内容。
-
课时课题内容课程1什么是大数据课程2华为大数据介绍课程3FusionInsight HD 典型组件介绍课程4FusionInsight应用开发总指导课程5什么是大数据HDFS应用开发及其Q&A课程6MapReuduce应用开发-基本定义及过程课程7MapReuduce应用开发-搭建开发环境课程8MapReuduce应用开发-示例代码开发课程9MapReuduce应用开发-开放接口介绍课程10Hbase应用开发-基本介绍课程11Hbase应用开发-功能和架构 课程12base应用开发-开发流程及Q&A课程13Spark应用开发-Spark简介课程14Spark应用开发-环境搭建课程15Spark应用开发-SparkCore应用实操课程16Spark应用开发-实操及互动
-
MRS服务不定期送出免费使用大数据集群云服务套餐名额君不见黄河之水,天上来发福利了0元拿大数据集群云服务套餐名额先到先得大数据集群云服务套餐是啥购买资格:华为云用户(已激活)购买流程:https://www.huaweicloud.com/product/mrs.html1、点击个人用户免费体验2、填写集群名称、root用户的密码3、提交订单感受一下什么叫做企业级大数据集群云服务性能提升30%真不是吹一键式部署,轻松运行Hadoop、Spark、HBase、Hive、Hue、Loader等大数据组件
-
【导语:】2018年6月29日,深耕物联网精准农业十年时间的北京科百宏业科技有限公司入驻华为云市场,在华为云市场发布了农业物联网及大数据系统,他们能够通过对植物全维度生长环境的的精准感知和数据模型的精准预测,实现植物全生命周期的无线可视化交互调控,让植物开口说话,为传统农业带来颠覆性的革命。一、什么是农业物联网及农业大数据很多人可能都不知道,颠覆传统农业的步伐竟是得益于战争。上世纪90年代初,随着海湾战争的结束,GPS技术进入民用化,美国、加拿大一些农业科研部门提出了有别于以往农业的精准农业的设想;加之互联网将传统农业带入数字信息时代,精准农业逐渐成为当今世界农业发展的新潮流。精准农业是一个农业应用和实践体系,包括数据采集-数据解码-数据应用-田间实践的良性循环,其中数据是精准农业最核心部分,首先要采集作物相关数据,以及影响作物生长的环境数据,再通过一系列软件应用技术,进行信息的统计分析解读,并以网站或手机App的方式呈现给农业相关人员,包括种植者或农技服务人员等,来指导农业田间实践活动,达到精准种植、精准灌溉、精准喷施等目的,以获取最高产量和最大经济效益。基于对精准农业的理解,科百自主研发了数百种传感器,通过传感器精准采集影响植物生长的水、肥、气、热、光等要素环境信息,并结合植物生理生长信息的实时监测,建立植物生长高粒度、多维度的数据库。传感器采集的数据通过节点,以无线形式传输到监测站主机,监测站主机再通过GPRS方式将监测结果发送到数据中心,用户通过登录互联网可以远程监控。为研发物联网专用频段模块,科百科技做了5年的研发,才达到在农业生产各方面都比较适应、性价比、低功耗、穿越障碍的能力等各方面需求。依靠无线节点+低功耗+多传感器接入+云平台+无线控制节点,科百能够为用户提供高效、经济、方便的农业环境数据采集和控制技术,从而帮助农业企业在农作物精准化栽培方面显著减少人力和水肥药等传统农资的投入,大幅提高农业产业的经济效益,实现高度数字化的大规模精准农业栽培和管理,以农业物联网和农业大数据为基础颠覆传统的农业生产关系,重塑农业产业链、供应链和价值链。二、科百农业物联及大数据系统功能1、数据监测:通过农业物联网无线传感网络对农业现场的土壤、植物生理、气象小环境和霜冻等环境因素的可以进行全纬度在线连续监测;2、设备控制:通过物联网无线控制网络实施水肥药一体化精准灌溉控制;3、病虫害数字模型:通过大数据病虫害模型准确预测植物常见病害发生的时间和程度;4、自然灾害预测和防治:准确监测、预测和调控植物生长环境和,有效防治霜冻、热害等;5、精准化管理:显著减少植物栽培环节对人工和传统经验的依赖,基于物联网和平台化的管理,使农业生产和管理进行数字化、标准化和 系统化,并能方便地进行复制和推广;6、面源污染控制:大幅减少水肥药的使用量,降低农业生产对环境造成的面源污染,有效提高改善生态环境质量。三、产品应用于哪些行业科百农业物联网和大数据系统除了可以为设施农业、水肥一体化、园区规划提供精准化整体解决方案外,同时为农业面源污染控制、防灾减灾、智慧城市、基础设施工程等领域提供环境大数据监测、传输、处理、挖掘和应用服务。以灾害防治为例,除了地形地貌和地质构造,水文气象和暴雨激发成为山洪泥石流爆发的主要自然因素,科百物联网系统通过实时监测山洪易发区的土壤含水量、土壤电导率及山体径流量,在固有模型基础上为人们提供及时预警。科百物联网在山洪泥石流预警方面具有成本低,布设简单,维护方便等特点。在环境治理领域,科百物联网和大数据将生态治理成果进行量化,及时的、可视化的全维度生态环境监测,在土壤改良、沙漠治理和面源污染的防控过程中至关重要。科百物联网在环境治理方面可大幅度降低人工作业成本,将治理成果进行及时可视化的反映等。四、物联网能给农业种植带来什么?2018年4月,“浙江生态绿茶第一县”丽水市松阳县发生罕见倒春寒(霜冻),给当地茶农造成重大经济损失。当地的科百物联网茶园却因物联网精准预测及远程无线调控避免了这场残酷的气象灾害。通过精准物联网管理,精准监测+精准微喷灌使早茶霜冻危害得到有效控制,挽回霜冻损失5000元/亩,滴灌+微喷灌有效缓解高温旱情,旱季增加产值1800元/亩,节省农药肥料及人工成本2740元/亩。全年实际增收9540元/亩。有人说在不久的将来,农民将成为一份令人羡慕的职业。从传统农业的生产方式来看,是以农民和农艺师的种植经验为主。这些从业者对农作物、气候和土壤的了解越多,产出也就越好。传统的农艺师就像教育行业的教授或者老中医一样,培养学生需要很多年的“传、帮、带”,并且需要长期实践后,才能培养出一个合格的接班人。但对物联网、精准农业来说,通过运用大数据收集和云计算分析的方式,可以采集到植物生长所需的环境,采集后量化作物所需要的生长要素,农艺师或农民操作的结果是一种客观可量化的结果,这就使得农艺师和技术人员更够更快更好更准确地学习新的农业操作经验。通过现代先进的技术手段,将多年的经验数据化后瞬间复制给其他人。另外,农艺师可以通过物联网云平台来管理这些作物生长的设施,如灌溉系统、调温、调湿设备。农艺师不需要现场访问这些温室或土地,而是可以远距离进行控制和监测,通过模型和程序就可以完成对大范围的作物的栽培、不限数量和地域地进行远程操作。
-
电子水位尺CESC-SEL助力智慧水务监测体系建立详情可点击:http://www.cescit.com/ 【 产品简介】电子水位尺采用LiteOS物联网设备操作系统,结合国际物联网最新通讯技术--NB-IoT、eLTE-IoT或GRPS\3G\4G传输,一体化多段检索式,IP68防护等级,低水位、高水位、超高水位多级阈值报警,是主流的路面水位监测设备。电子水位尺同时运用检索式数字水位采集系统,实现信号采样、处理、变送的全数字化,在温度变化范围大、含有泥沙、污物和腐蚀性等复杂水质环境下也能精确测量。广泛应用于下穿隧道、城市低洼地、城市道路积水、河流湖泊等场合。【详细参数】(1) 操作系统:LiteOS物联网设备专用系统;(2) 国际物联网通讯技术:NB-IoT、eLTE-IoT;(3) 数据采集:导电测量电极传感器,一体化多段检索式智能电子水尺;(4) 时标同步:终端与管理平台时钟同步,每天零点会自动校准;(5) 自动续传:终端带有本地存储功能,可缓存518400组以上的数据;当信号中断无法通信时,数据存储在本地,一旦通信恢复后,会自动将中断期的数据续传;(6) 灵活设置:终端可以设置警戒水位的限值,数据保存和发送周期;(7) 逢警上报:终端能在水位达到警戒值时立刻上报,不受发送的周期限值的;(8) 终端管理:可通过蓝牙模块、串口,连接手机APP或者电脑进行设备配置管理及监测数据查询;(9) 远程参数管理:通过管理平台进行设备参数管理,完成参数查询、配置、重启等操作;(10) 功耗与供电:低功耗设计,根据监测周期启动休眠、工作模式;电池与太阳能双供电模式,且自动切换。(11) 远程召测:可通过管理平台下发召测指令,设备收到指令后立即采集数据并上报;(12) 通讯方式:内置NB-IoT通讯模块和贴片式SIM卡,通讯模式可选;(13) 防护等级:IP68;(14) 传感器检测:传感器工作异常报警。(15) 量程:1.2m(16) 分辨率:1cm(17) 采样频率:1秒-5分钟可调(18) 工作湿度:0~95%(19) 工作电压:DC 3.7V±15%(20) 工作温度:-20~60℃(21)材质:不锈钢【产品截图】【应用场景】应用于智慧城市领域,应用于下穿隧道、城市低洼地、城市道路积水、河流湖泊等场景水位监测。【产品亮点】采用LiteOS物联网设备操作系统,结合国际物联网最新通讯技术--NB-IoT、eLTE-IoT或GRPS\3G\4G传输,一体化多段检索式,IP68防护等级,低水位、高水位、超高水位多级阈值报警。在温度变化范围大、含有泥沙、污物和腐蚀性等复杂水质环境下也能精确测量。【能力调用】LiteOS操作系统 , NB-IOT/eLTE-IoT通讯,华为OceanConnect IoT平台。【应用指南】电子水位尺设备安装如下图所示:安装时应遵循以下规定:(1) 电子水位尺采用立杆固定安装方式,水位尺固定于专用安装立杆内部;(2) 电子水位尺安装在道路积水最低洼处,通过引水槽将积水引至水位尺安装位置;(3) 电子水位尺尽量垂直安装,以保证测量精度;(4) 引水口应加装滤网或带过滤功能的物件,以免杂物堵塞;(5) 电子水位尺安装立杆应贴有醒目的反光纸,以免遭受撞击。电子水位尺的使用步骤:1.安装固定好电子水位尺,打开cesc-mwl配置软件2.填写好串口参数,点击连接进入配置界面3.修改相应参数,如NB-IoT平台IP等4.重启设备,设备将会自动连接NB-IoT服务热线:020-62342287服务邮箱:cescit@cescit.com
-
如今,数据不再是冷冰冰、没生气的一串串数字。通过数据采集与分析,攻城狮可以听懂数据“说话”,提前未卜先知。在2014年巴西世界杯期间,百度、微软、谷歌通过大数据运算准确预测了16强及8强;其中,微软和百度更是猜对了全部4强。大数据与体育结合的魅力可以说是非常大了! 19589 其实,大数据技术除了用于预测体育赛事外,在各行各业都有很多应用。对分支机构众多的大型银行、金融企业或垂直层级较多的政府机构来说,平台构建、数据治理和业务支撑都离不开一个强大的大数据运维系统。没有大数据做支撑,良好的用户体验和数据时效性就无从谈起。 -四大价值维度 看清数据运维魅力所在-有效联动数据,及时查找问题在大数据时代下,如果能针对数据构建一套强大的运维管理系统,让日常运维做到可视化、自动化、智能化,就算面对再复杂的异构网络环境和系统,运维人员也能“四两拨千斤”,实现第一时间发现问题、端到端及时通知。 清晰感知系统,助力业务执行由于平台集成的数据体量庞大、种类繁多,运维人员对平台内数据、业务、组件、设备等方面的感知,往往只停留在一个点或部分点上。而大数据运维管理系统,可以让运维人员将孤立的点串成线,将不同的线交织成面,通过加深对大数据运维的认知,从而帮助保障业务顺利落地。 19590 自动优化参数,实现智能承载大数据时代下的运维,不再是单纯的辅助功能。运维平台可以基于日常运维产生的数据,利用分析挖掘功能,让系统自动优化和调整参数,做到运维监控的自动化、精准化。 产生逆向价值,反哺业务平台大数据时代下的运维,不再是单纯的业务监控保障系统,通过运维平台的数据采集与智能分析,可以形成各种不同的优化建议表。使运维平台可以逆向呈现业务价值,服务于业务且承载着业务。 -华为助力你的数据“会说话”- 既然大数据好处多多,那本身从事运维工作,或从其他岗位转做大数据运维工程师的朋友,应该掌握哪些和数据沟通的技能,才能让我们在实际工作中得心应手呢? 对于一名大数据初学者或企业大数据员工来说,如何清晰地明确大数据技能进阶路径,通过学习什么、转型做什么很重要。 19591 华为根据在业界丰富的技术积累经验、行业客户需求经验以及华为20多年服务于全球客户的产品及技能培训经验,根据知识学习的难度及学习的方向分别设计了大数据学习进阶路径。在入门阶段,您将从以下三个方面修炼大数据运维的内功: 一、了解大数据前沿动态大数据技术所涉及的领域非常广泛,从硬件设施到上层应用,其技术身影遍布各行各业的各个层面。学会洞悉行业趋势、挖掘数字价值,是每一位运维人员应具备的素养。 二、掌握Python & Hadoop技术要想盖好大数据这栋房子,离不开Python与Hadoop。能够把用其他语言制作的模块轻松联结在一起,从而实现快速部署与实施的Python语言就像是盖房子的水泥;而Hadoop则是构建大数据底层框架的根基与砖块。 三、将大数据技术运用到实战当中实践出真知。面对实际工作中的问题与挑战,只有聚焦运维痛点,进行训战结合,才能实现大数据平台的高效运维,更好地解决一线实际的支撑诉求。 -四门精品课程 系统进阶so easy-华为人才培养服务为客户提供“专业、实战、实效”的学习与发展解决方案。让学习促进能力发展,让能力发展推动组织进步。 19592 从整个大数据进阶体系来看,要想成为一个合格的运维工程师,首先需要具备大数据思维,知道什么是大数据,从本质上去学习理解;其次需要掌握大数据平台的部署,平台组件的工作原理,集群监控、组件调优等。 华为大数据初级培训课程: 《大数据前沿技术及应用》完成该课程后,您将能够:◎了解什么是大数据◎了解大数据趋势与应用◎了解华为大数据解决方案 《Python基础及大数据应用实践》完成该课程后,您将能够:◎掌握Python基础编程语言技术◎了解Python爬虫/运维/分析等应用◎使用Python进行数据分析与处理 《基于Hadoop的大数据平台架构及原理应用》完成该课程后,您将能够:◎理解Hadoop生态架构及特点◎了解HDFS架构及原理 ◎理解Hadoop主要组件的技术原理 《大数据运维与管理》完成该课程后,您将能够:◎熟悉大数据运维的基本知识◎熟悉Linux常用命令操作◎了解FusionInsight Manager平台的日常运维◎了解FusionInsight HD的组件基本运维◎了解大数据运维中常见的问题及解决办法 在当前,数据已成为一种商业资本、一项经济投入。国家大数据战略重点实验室认为,中国已进入大数据创新突破与应用落地的发展上升期,将有更多企业和组织将数字视为核心资源与组织财富,抢占数字化转型的制高点。只有学会和数据对话、掌握数据的语言,才能在未来的工作中运筹帷幄,为个人和企业带来成长。Come and join us,一起来了解大数据的奥秘吧! 19588
-
大数据行业是朝阳行业。没错是的!大数据相关职位很有“钱”景。恭喜你答对了! 可当你要开始学习大数据,就会发现:大数据这个大筐里装着数据运维、数据开发、人工智能、机器学习… 19584 学习领域那么多,该着重在哪一块发力呢? 今天,就让我们重点来谈谈,大数据开发工程师的那些事儿! 大数据开发工程师是怎样的存在?从培训及技术的难易程度来说,大数据学习进阶路径主要分为初、中、高三个阶段,对应的进阶维度大致可分为运维、开发与挖掘。 19585 大数据开发工程师要基于大数据平台,具备处理大数据业务中的数据采集、离线数据开发、实时流数据处理等能力。除了要熟悉平台组件原理之外,更要肩负起处理数据中心的数据开发工作职责。 说了那么多,怎么才能做好大数据开发工程师? 华为推荐以下三门课程: -Hadoop生态组件原理及应用实践-课程时长:5天课程内容:FusionInsight HD产品、FusionInsight HD常用组件介绍、华为大数据初级工程师认证-基于内存的大数据平台开发-课程时长:5天课程内容:scala语言快速入门实战、Spark概述、弹性分布式数据集RDD&实验、SparkSQL实战&实验 -大数据开发工程师认证培训-课程时长:5天课程内容:FusionInsight 开发总指导、大数据开发流程、FusionInsight常用组件开发、华为大数据中级开发工程师认证 “信息时代唯一有价值的资产就是数据。”还等什么呢?来浙江华为学起来! 19586 -商务咨询-许老师:180-6940-6851xuhusongzjhw@huawei.com 19587
-
MapReduce服务是基于华为历经行业数万节点成功使用经验,在云上打造的企业级Hadoop大数据平台服务。一键部署、灵活弹性伸缩,包含了Hadoop、Spark、HBase、Kafka、Storm、Hive等丰富内核组件,帮助用户在云上轻松完成高可靠、高安全、低成本、一站式大数据平台的搭建。 使用MapReduce服务的一些大数据处理,比如说会对大量数据进行排序,属于高计算密集型业务,对于计算性能及稳定性要求较高,各个节点的计算能力要保持均衡;在计算节点之间依赖于网络进行集群数据同步,对于网络带宽存在较高诉求;计算节点在本地存在大量的数据读写,对于存储带宽有很高诉求;针对这些特点,MapReduce服务与华为云计算优势结合,推出了支持计算增强型(C3型)弹性云服务器规格的大数据集群。 通用计算增强型(C3型)弹性云服务器是公有云新推出的一系列性能更高、计算能力更稳定的弹性云服务器规格,搭载Intel Xeon SkyLake全新一代CPU,配套高性能网络,综合性能及稳定性全面提升,满足对业务稳定性及计算性能要求较高的企业级应用诉求。通用计算增强型(C3型)性能较上一代C2云服务器大幅提升。• 单核整形25%↑*• 单核Linpack70%↑*• 内存带宽62%↑*• 计算性能优于业界15%以上• 全面配套25G网络与通用计算型相比,通用计算增强型弹性云服务器提供了更大规格的CPU和内存组合,可选范围更广,同时搭载全新网络加速引擎,可为用户提供更高的网络性能。它可以支持最高带宽18G,支持PPS(Package Per Second)可高达500万。配套华为自研25GE智能高速网卡,提供超高网络带宽和PPS收发包能力。MRS搭配C3规格虚拟机,大幅提升了集群的计算能力。· C3相比C2在流式集群上性能有4倍的提升。· 华为云MRS与国内其他公有云大数据服务的同等规格虚拟机对比,针对典型的大数据处理测试用例(WordCount, Terasort, Kmeans等),MRS集群的数据处理速度总体提升 30%。具体测试结果如下:19243 MRS服务的收费模式对C3和其他云服务器规格没有区别。使用4U8G的C3创建一个Master节点和一个core节点的最小集群用来做Hadoop系统的学习或者测试,每小时只需要2.25元,包年购买还另有八三折的优惠。不要再犹豫了,来吧,用华为云C3让你的MRS集群风驰电掣! 点击下方链接即可了解MRS。https://www.huaweicloud.com/product/mrs.html
-
我们治水 我们也将水之品、水之善、水之柔、水之坚融入我们的企业之道 福水智联技术有限公司是一家专业从事物联网水务大数据增值服务、漏损治理合同节水管理服务和水系监测等解决方案服务提供商。以水系相关产业链为发展目标,自主研发、设计、生产及销售智能仪表、智能传感器等物联产品。福水智联与华为、三大运营商建立战略合作伙伴关系,以NB-IoT窄带物联网和大数据技术为载体,构建综合性的智慧水务大数据云平台,为水行业乃至整个城市提供包括用智慧计量、智慧用水管理、水资源监测、水质实时监测、管网监控、管网GIS系统在内的水务整体运营解决方案,致力成为领先的物联网高技术企业。基于NB-IoT窄带物联网城市供水漏损治理解决方案适用于:市政供水管网漏损治理 &;高耗水企事业单位漏损治理;院校漏损治理;园区漏损治理。城市供水漏损治理解决方案是基于福水智联自主研发生产的智能远传水表 、压力变送器等各类计量产品,运用NB-loT窄带物联网、大数据分析、虚拟树形结构 模型、GIS技术和区块链等技术,形成城市管网漏损立体感知、管理协同高效、产销 价值凸显的城市供水业务合作新模式。将水流量数据和管网压力数据落实歪IJvMA 树型结构,透过漏损管理平台的大数据分析和我司先进的探漏技术,队实现 喔确查撞到物理漏损点和商业漏损点.达到节水的目的。解决方案特点:●采用合同节水管理服务模式,或提供技术咨询服务。●可视化展现管网全局与局部的区块产销差,各漏损参数,指导漏损控制与漏损管理。 ●漏损监测的信息化管理:数据管理与大数据分析。●高效的漏损检测和压力测量。●虚拟树型分区设置报警算法、提高系统预警精度。●为供水企业的管网运行管理提供辅助决策支持。解决方案拓朴图18447福水智联城市供水漏损治理解决方案系统的主要功能包括:管网VMA树形结构分区管理、水量平 衡监测、压力流量综合分析、VMA树形结构分区最小流量分析、以及产销差分析等功能。解决方案:四网一中心漏损治理需要搭建漏损治理服务系统平台,设立漏损治理服务中心,组建一支优秀漏损治理团队( 人网),构建三张基础网络(计量网、压力网、GIS管网),通过基于NB-loT网络建设,达到城市级漏损治理能 力,漏损治理服务的可成长、可扩充,构建面向未来的智慧水务系统框架。 18458184591846018461
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家;李炎-华为云码道产品专家;彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战,从0到1打通消息通道;码道鸿蒙端云一体化实战,快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人;蒋春阳-华为云AI开发者案例开发专家
本期直播内容: AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了:看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签