报告简介

VUCA时代，市场变化加速。企业需要基于全量、准确数据的分钟级、敏捷化的数智决策，并且应当由业务人员和数据分析人员任意发起，而非经过复杂流程和多部门配合实现。数据持有成本高、数据治理能力差、开发技术门槛高、数据准备工作复杂难以聚焦业务本身等系列问题让数智融合和企业敏捷决策变得困难。基于存算分离、统一元数据、DataOps与MLOps融合、端到端自动化和智能化的数智融合让企业智能用数和敏捷决策得以实现。

目录

系列报告简介
报告摘要
1 中国数智融合发展背景
1.1 社会背景
1.1.1 数据量和非结构化数据占比上升
1.1.2 数据多源异构成为常态
1.1.3 大数据的5V价值有待进一步释放
1.2 技术背景
1.2.1 云原生：从微服务走向Serverless
1.2.2 人工智能：需要大规模准确数据哺育
1.2.3 业务敏捷需要IT架构“去过程化”
2 企业数智融合的痛点及应对
2.1 痛点一：数据量-成本-效率难以兼得
2.2 应对一：存储-缓存-计算三层分离
2.3 痛点二：仓-湖-AI数据形成新孤岛
2.4 应对二：统一元数据到中心节点
2.5 痛点三：开源产品丰富，但开发运维难
2.6 应对三：DataOps和MLOps融合
2.7 痛点四：数据准备工作复杂低效
2.8 应对四：端到端的自动化与智能化
3 数智融合典型实践
3.1 华为云数智融合核心优势
3.1.1 华为云DataArts+ModelArts
3.2 华为云数智融合典型实践
3.2.1 IT服务业
3.2.2 网约车行业
3.2.3 社交网络行业

图表目录

图1-1-1-1 2015-2030年中国数据量规模及全球占比
图1-1-1-2 企业内结构化数据与非结构化数据占比及使用情况
图1-1-2-1 数据仓库vs数据湖vs湖仓一体
图1-1-2-2 数据库的多源性
图1-1-3-1 大数据5V特性
图1-2-1-1 微服务中，大量运维仍未被托管
图1-2-1-2 典型的serverless架构
图1-2-2-1 AI应用对数据治理需求
图1-2-3-1 去过程化四大支撑
图1-2-3-2 去过程化分层示例
图1-2-3-3 相关标签
图2-1-1 传统架构下数据量、存储成本和计算效率的不可能三角
图2-2-1 以内存为中心的系统架构示意图
图2-2-2 以内存为中心的架构技术优势
图2-3-1 数仓、数据湖和AI数据形成新的数据孤岛
图2-3-2 数据迁移导致副本增多、资源浪费、管理困难
图2-4-1 统一元数据示意图
图2-5-1 企业利用开源产品自行搭建数智平台面临的困难
图2-6-1 将大数据和人工智能打通的DataOps和MLOps
图2-7-1 机器学习中数据准备工作的时间分配
图2-8-1 人工智能在数据管理中的应用（AI4Data）
图3-1-1-1 华为云DataArts+ModelArts架构
图3-1-1-2 华为云数智融合平台核心价值
图3-1-1-3 华为在开源社区的贡献度
图3-1-1-4 高性能RDMA网卡技术专利数量
图3-2-1-1 IT服务业环节
图3-2-1-2 IT服务业发展痛点vs数智融合
图3-2-1-3 云原生数据智能一体化解决方案
图3-2-2-1 网约车行业产业链
图3-2-2-2 网约车行业发展痛点vs数智融合
图3-2-2-3 T3出行+华为云智能数据湖MRS
图3-2-2-4 T3出行+华为云DRS数据迁移解决方案
图3-2-3-1 社交网络行业产业链
图3-2-3-2 社交网络行业发展痛点vs数智融合
图3-2-3-3 脉脉+华为云数智融合核心价值
图3-2-3-4 脉脉+华为云智能数据湖MRS