智能制造大数据平台规划方案-.pptx

《智能制造大数据平台规划方案-.pptx》由会员分享，可在线阅读，更多相关《智能制造大数据平台规划方案-.pptx（43页珍藏版）》请在悟道方案网上搜索。

1、智能制造大数据平台规划方案,目录,CONTENT,大数据,云计算,互联网+,智能制造,穿戴设备,人工智能,集团智能生态,3,愿景,多源大数据技术的提供者企业大数据转型的赋能者行业大数据生态的领导者,使命,通过大数据创新产品和行业解决方案，助力企业的智能化和全球化转型,4,大数据提供的产品与解决方案，解决三大关键问题,形成端到端的整体解决方案，将处于技术底层的企业数据资产，通过软硬件平台和专业化服务，一步步转化为上层业务价值,5,当客户需要一个成熟的、高性能的大数据平台及解决方案时,当客户难以管理自己多源、异构、海量的大数据资产时,当客户需要将数据资产转化为业务洞察和商业价值时,与,与,与,存,

2、算,析,用,清,管,服务器与分布式存储,大数据计算平台,软件工具实施服务,数据管控咨询服务,数据挖掘算法开发,分析应用咨询服务,大数据支持全集团业务的生命周期管理优化,工厂生产,出货,销售渠道,销售中间商,出售,用户使用,用户服务,产品与营销,产品分析品牌管理营销管理订单管理,生产过程供应链管理新品上线产品质量,物流运输管理货品调配管理,渠道销量管理渠道库存管理合作伙伴管理,销售过程分析经销商关系管理经销商库存分析,用户激活网点备货线下配送,设备使用用户反馈用户画像,咨询能力是大数据的服务精髓与价值特色,从业务问题入手，进行业务诊断，并提出业务方案,业务能力提升方案,信息支撑能力规划,业务和信

3、息能力整合,业务应用实践,通过业务应用实践，将大数据方法和工具能力转化为业务绩效,基于业务发展需求，进行DT/IT支撑能力规划和建设,基于具体业务目标，将DT/IT能力和业务流程整合，最大化发挥DT/IT价值,业务角度,能力整合,支撑角度,应用与培训,业务能力,技术能力,分析能力,+,+,管理服务,+,“大数据”为了提升决策能力与业务视野，以高效益、创新型的信息处理过程加工的信息资产，这种信息资产具有规模大、速度快的特征。追求大数据的唯一理由为企业经营目标提供价值。Gartner, 2012年6月，大数据定义,新方法,8,大数据是智能化的核心生产资料与工作方法,9,目录,CONTENT,采购,

4、研发,生产,供应网络,销售,采购策略优化采购提前期预测（历史、环境、天气、路线 etc. ）来料质量预测（历史、行业 etc.）原材料价格预测（历史、行业、宏观） 供应商评级（历史、行业等） 外包非核心综合分析（成本模拟、质量模拟、提前期模拟） ,立项模拟&优化成本模拟（原材料价格预测的矫正值、其他成本固定非固定要素）周期模拟（同质同类同工艺同XXX）销售模拟（同质同类同功能同XXX）资源模拟（研发资源优化的矫正值）搜索优化结构/半结构/非结构化数据查询优化 研发资源优化（综合输出）Skill Set / Workload/ Workforce 产品持续改进 市场反馈、销量、成本等综合因素作用

5、于产品立项、更新迭代过程中 ,智能排产CAPP + Real time Capacity ,In-house仓储优化领退料路径优化立体仓堆料优化 ,设备保养维护健康管理根因分析及维修策略保养策略（备品备件仓储优化） ,外包非核心综合分析成本模拟质量模拟提前期模拟 ,货品调拨企业与DC之间的，DC各自之间的Proactive调货行为 库存优化（将持续性考虑在内，包括碳、水管理，能源用量和废品管理 ） 产品、备件自动补货模型 存货成本模拟分销商订货行为分析与响应最优路径 路径模拟（路况、区域、布局etc） 实时重新路径规划（区别于电子地图，除了时效性，还要考虑成本等因素） 智能选址 DC布局的增删

6、改（宏观、区域、市场、历史等） ,需求销量预测 不同维度（By产品、By区域、By功能等维度销量预测） 货品定价 智能定价模型 持续质量管理（CQM） 根因分析知识库（可作用于“产品持续改进”） 质量预测模型库 决策支持模拟仿真 销售渠道、布局优化 销售渠道分析及拓展建议 销售布局分析 营销策略模拟 从类别、成本、效果等角度分析，精准营销 ,大数据的应用前景,通过大数据、云计算、移动互联网、物联网等新技术的共同作用，充分把握新工业时代下信息资源带来的机遇，以数据洞察为核心驱形成集制造和服务为一体的全球化价值网络动力，贯穿参与者、产品与生产，实现跨界和全球化互联互通的协同。,12,大数据是工业4

7、.0时代企业的核心资产,传统价值链,新价值网络,协同互联,智慧的参与者,智慧的产品,智慧的生产,数据洞察驱动,参与者,生产,产品,大数据分析,云计算,物联网,移动互联网,安全,硬件与网络,可连,Double Helix Model,Cyber,数字化、虚拟化,可知,Digital,集中化、资产化,可析,Data,软件与通讯,可通,Communication,生产自动化,可控,Control,价值化、智能化,可测,Decision,“双链驱动”是智能制造的DNA,设备级,工厂级,企业级,IoT 物联网数据采集与设备连接,3C：自动控制链,3D：数据驱动链,CPS 网络物理系统数字双胞胎的交互闭环

8、,IMEco 智能制造生态数据分析驱动的主动智能体系,13,工业大数据的现状,数据:平均每毫秒抛出超过x0个日志或文件.平均每个日志文件包含x0-x0个sensor 发出的信号.超过x0.000 个不同的sensor 超过x万台设备被用在了车间内或作为产品被客户使用着 ,数据使用的目的: 不是为了收集，不是为了存储，也不是为了简单的堆积报表，而是为了产生知识.,Data loading,数据使用程度:还有很多台设备游离于管控之外，毫无数据采集可言已经纳入CPS的设备，数据采集毫无目的性有目的的采集数据并不意味着正确的使用这些数据，无法创造价值,Big Data!,从传统制造到智能制造,在一个典

9、型的制造企业中，参与生产的设备可以分为以下几类：有专门的控制系统的，且能够和外部系统通过预定义的协议进行数据交换的智能设备具有通过PLC与外部系统进行数据交换能力的自动化设备具有本地存储功能（e.g. Log, 本地DB etc.）的半自动化设备未经设备改造的，无网卡无PLC的简单设备等.在工业4.0的转型浪潮中，智能制造是整个过程中的一大支撑。智能制造的总体思路是将以上几类设备进行相互的联通，并最终构建一套物理信息系统（Cyber-Physical System）在CPS的基础上，将传统制造中的基础逻辑发生问题-人根据经验-人调整Material、Machine、Methods、Measur

10、ement和Maintenance等要素-解决问题-人积累经验转变为发生问题-模型（Model）分析问题-模型调整Material、Machine、Methods、Measurement和Maintenance等要素-模型积累经验-模型分析问题根源-模型进而继续调整5M要素-避免问题,OT+IT+DT = 智能制造,智能制造架构中的工业互联网,市场用户,协作企业,互联网,工业大数据平台,网络化协同,个性化定制,产品服务化,基于算法和模型实现工业数据分析和决策,智能模块,产品实体,智能化生产,智能工厂,互联网,互联网,基于仿真、大数据的新型工业软件,ERP、MES等传统工业软件,工业生产系统,工

11、厂内网络,安全隔离,智能控制系统,智能模块,传统工业控制模块,智能机器,智能机器,智能模块,智能模块,生产装备,生产装备,工厂内网络,IT系统,OT系统,工业互联网关键要素,数据分析软件应用,智能设备智能模块,平台,新型网络（工厂内工厂外）,工业互联网,传统工业要素,反馈,为海量数据的集成、计算处理及应用开发提供资源,实现海量泛在多样工业数据的实时传输,分布于工业系统各层的计算处理能力,16,如何走向智能制造,大数据,人,料,机,法,环,预控式管理,信息化管理,数据化产品生命周期,工艺方案信息化,自动配送AGV,数据可追溯,减少aWIP,现代化工厂,SS管理,管理职能转变,操作内容转变,新增高

12、级岗位,节省低级岗位,智能设备引人,设备状态监控,设备生产柔性化,维护保养信息化,管理岗位,技术岗位,操作岗位,要求提升,制造业大数据的侧重点在于将所有人，机，法，料，环等信息有效整合起来，加以分析并应用于整个工业生产过程，对整个生产链条进行监控、调整、管理。从而形成高度灵活、个性化、网路化的产业链。大数据是实现工业4.0的关键。,未来的制造将围绕大数据平台构建智能化生产体系，将人，机，法，料，环链接起来，实现多维度数据融合，为企业的运营提供预见性的支撑与指导。,大数据在制造行业应用实践,数据源,设备传感器 /PLC,MES,PLM,DMS,CAPP,HR,移动终端,其他外围系统或外部信息,E

13、RP,移动终端,PC终端,生产看板,移动通信,传感器,外围系统接口,1,2,3,1,感知层,2,网络层,3,大数据分析平台,4,4,业务应用层,大数据在制造业的解决方案,解决方案综述,预防性维护和服务解决方案是以大数据分析平台LEAP（Lenovo Enterprise Analysis Platform）为基础，通过集成IT数据（包含其他外围系统，如CRM, HR, ERP. OA etc.) 以及OT数据（包含Sensor数据，MES，SCADA等 etc.），运用LEAP大数据平台强壮的数据处理和分析能力以及相应的RF、ARIMA、SVM等算法能力，构成包含“设备全生命周期健康管理”，“

14、设备故障根因分析及处理流程策略”，“设备预防性保养策略”以及“预防性维护与服务平台”。在数据ETL层面，通过统一数据采集转换套件，针对不同数据源、数据结构以及数据质量，提供灵活多样的数据采集方案，全图形化的任务调度和配置。在数据存储和分析层面，通过大数据平台集成的多种数据处理引擎，满足各类应用的数据处理需求，实现计算引擎的“术业有专攻”。在算法武库层面，集成了包含回归、聚类、分类、关联、时间序列、深度学习等常用机器学习算法，并面向大规模机器学习算法进行调优，提高算法精度，缩短模型训练时间，加快模型收敛速度，突破计算瓶颈。在解决方案层面，提供包含单一、集群设备健康管理统一平台，提供设备预防性维护

15、&保养策略（When & Which & Who & How），提供设备故障根因分析、解决方案（Which & Why & Who & How），并提供预防性维护与服务协作平台服务,技术架构,算法优势,预防性维护和服务解决方案包含： IT数据、OT数据采集转换SDKInterface etc.LEAP大数据分析平台预防性维护和服务解决方案应用套件,多源异构数据整合设备运行记录设备出厂设置设备实时运行数据行业专家知识数据实时精准、秒级预警基于Hadoop和Spark Streaming的流式数据采集和计算框架实时采集、实时计算、实时监测、实时预测快速处理新增数据和秒级实时预警深度优化算法模型集成

16、加权多种预测模型经典算法的深度调优领先的算法精度和收敛速度专业的数据科学团队多数据挖掘团队专业支持：文本挖掘、机器学习，深度学习跨地域协作分工,预防性维护与服务解决方案,场景描述,商业价值鸟瞰,越来越多的企业开始将自己的企业价值链向后端扩充，除了销售利润外，服务利润也逐渐成为企业利润来源的重要方面。在整个生产制造企业的商业转型过程中，针对于设备制造商而言，迫切希望整合现有资源并进行有效扩充，将本已部分流失的服务市场份额重新抢夺回来。任何一个服务市场都有原厂和第三方服务提供商。在与第三方服务提供商进行抢夺服务市场份额的背景下，如果能够达到共生，共赢，这将为企业良性发展打下夯实的基础，并为企业转型

17、提供有效支撑。,传统设备被作为商品出售后，客户的使用情况不得而知，设备运行过程中的设备状态只有在报修时才有可能部分采集由于地理位置的限制，即使采用第三方服务提供商策略（商业洽谈等方式），设备供应商也很难做到全球化的服务部署,通过数字化镜像，将不同客户的不同设备（i.e. 通过设备供应商采购的设备）在云端生成唯一对应的虚拟设备数字化展现。其展现可以包含设备全生命周期健康管理、设备根因分析及处置流程策略以及设备预防性保养策略等。设备使用商可以通过统一的平台对自己的设备进行查看以及管理，将设备保养与维护完全托管于预防性维护与服务平台。设备供应商可以通过平台采集的大量设备数据，一方面转型为服务提供商，

18、为设备使用商提供相应的维修和保养策略；另一方面可以通过数据分析，用于产品研发和升级第三方服务提供商也可以接入该平台，为设备使用商提供更细分，更具地域化，更便捷的服务。,面临的挑战,价值创新,预防性维护与服务解决方案,以MQM生产质量管理为例，准确率95%，进而准确指导设备维修与备件管理,CQM知识库,根因分析知识库,质量预测模型库,决策支持模拟仿真,在产品进入流通市场前（i.e. 产品发布前）,在产品进入流通市场后（i.e. 产品发布后）,研阶段发(R&D),工装样件阶段(OTS),试生产阶段(PTR),量产阶段(SOP),产品发布阶段(GTM）,持续质量管理解决方案,“数据驱动执行”,“数据

19、驱动管理”,“数据驱动决策”,自省、自反馈、自优化的全价值链智能制造及服务,对智能制造未来的理解,目录,CONTENT,演进规划：企业大数据分析的发展阶段,25,分析水平与智能化程度,如何连续更新和流程互动？怎样利用分析来创新和差异化？,4. 成熟阶段成为分析驱动型的企业,下一步怎么做？如何对事件进行主动引导？如何借助数据分析保持领先？,5. 领先阶段全面凭借数据分析法开展竞争,企业发生了什么问题？,问题为什么发生？如何才能更好的理解业务现象？,2. 探索阶段有限采用数据分析方法,正在发生什么？预测出什么结论？ 如何改进经营？,3. 发展阶段有主动采用数据分析的意向,1. 起步阶段数据分析方法

20、利用薄弱,统计报表,简单分析,跟踪分析,流程嵌入,统计报表,多维分析,统计报表,多维分析,预测发现,实时分析,统计报表,多维分析,预测发现,实时分析,统计报表,多维分析,预测发现,实时分析,流程嵌入,客户管理、营销管理、服务管理产品管理、流程管理、运营管理收入管理、财务管理、资产管理,推动大数据价值的“七种武器”,企业如何借助大数据来应对行业与趋势带来的挑战,如何构建一个统一混搭的大数据平台环境来支撑多变复杂的业务需求,如何整合数据资产，并保障数据的质量和业务可用性,如何构建高效的大数据组织及文化，以保证企业数据价值的释放,如何创建一个企业级的大数据生态体系，以及如何发展和演进,如何基于数据来

21、描述、研究、解决以及评估业务痛点问题,如何基于跨业数据来创新各种行业场景下的数据价值和商业模式,行业理解、企业研究大数据宏观价值阐述系统工程的高层支持,能力成熟度评估业务演进规划技术体系规划,架构与流程岗位与技能数据文化建设,对内价值与对外变现数据产品创新与合作商业模式创新与生态,行业理解、企业研究大数据宏观价值阐述系统工程的高层支持,平台架构、系统架构应用架构、信息架构、数据架构,企业级大数据建设是一个复杂而长期的系统工程,战略意图,业务分析,数据管控,架构设计,演进规划,组织形态,数据变现,“七种武器”,26,架构设计：企业大数据体系的架构演进,大数据平台,企业级大数据中心,传统分析应用,

22、新型探索分析,其他数据,新型探索分析/传统分析应用,大数据平台定位：,是数据仓库平台的一个补充系统，主要面向新型数据和部分仓库数据的存储和处理，通过数据挖掘算法等，发现隐性的数据规律和价值。,小：系统规模小，使用人员少（以专业研究分析人员为主） 快：针对特定专题快速分析；支持实时处理和分析 灵：专用平台，灵活响应和尝试 深：专业深挖，挖掘算法、模式分析、图分析、文本分析等,是数据仓库平台的重要并列系统， 分担DW系统的存储和计算压力，提高处理效率、降低成本 传统应用逐渐迁移到大数据平台 通过数据挖掘算法等，发现隐性的数据规律和价值。,地位重要，承载的作用更大 支持新型分析方法和传统应用 系统可

23、靠性、支撑能力要求更高 数据仓库DW的重要性下降,数据迁移,应用逐步迁移,特点：,企业级大数据中心，采集全企业层面的各类内部数据及相关外部数据，并对这些结构化/非结构化海量数据进行整合、加工、处理，完成信息的深加工，逐步形成数据资产，为公司进行企业决策管理和生产一线的营销服务等工作提供完整、及时、准确、科学的信息支撑。,一个中心承载各类数据，进行各类分析应用，服务企业内外部各类用户 系统可靠性、系统稳定性、系统开放性、支撑能力要求很高,专业探索分析集市,混搭双中心,企业级大数据中心,数据仓库,传统分析应用,数据仓库,大数据平台,新型探索分析/传统分析应用,数据仓库,大数据平台定位：,特点：,大

24、数据平台定位：,特点：,27,数据管控：保障数据资产的可靠性和连续性,数据管控就像管理超市里的水果：元数据就是描述水果的价钱和产地；数据模型就是要把水果摆放的紧凑稳定；数据标准就是水果规格一致；数据质量就是保证没有烂水果；数据安全就是防止被人偷吃；数据生命周期就是计划摆放几天后大减价处理；数据认责就是水果有问题或烂了该找谁处理；数据资产评估是超市转让，如何确定水果价值,统一整合与可信赖的数据资产,元数据管理,数据模型管理,数据质量管理,数据标准管理,数据生命周期管理,安全与隐私管理,数据管控,数据认责,业务目标,分析需求,28,目录,CONTENT,大数据6大产品线全景图,资源开放,算法武库,

25、数据工厂,数据能力开放平台 GaussBig Data as a Service,大数据计算平台 Descartes大数据技术整合与深度优化,数据采集转换套件 Euclid,业务分析套件 Nash,数据资产管理平台,系统运维监控中心,Euler,Architon,Riemann,Bayes,Fourier,大数据企业级分析平台架构图,获取层,分析层,数据采集转换,终端采集,流式采集,批量导入,网络爬虫,源数据,传感器,音频视频,设备日志,文本,社交网络,erp,scm,crm,实时能力,查询、分析、交互,业务层,数据资产管理,元数据,监控告警,安全管理,用户管理,性能管理,容灾管理,集群管理,

26、自动化部署,一站式运维,数据安全与隐私,数据生命周期,数据模型,数据标准,数据质量,智能供应链,舆情分析,财务管理,产品管理,客户洞察,预防性维护,数字化营销,服务层,业务组件,搜索与查询,可视化分析,第三方工具,数据产品 数据API数据审查 数据服务管理,分析套件,大数据企业级分析平台（ ）能力地图,获取层,分析层,数据采集转换,终端采集,流式采集,批量导入,网络爬虫,源数据,传感器,音频视频,设备日志,文本,社交网络,erp,scm,crm,实时能力,查询、分析、交互,业务层,数据资产管理,元数据,监控告警,安全管理,用户管理,性能管理,容灾管理,集群管理,自动化部署,一站式运维,数据安全

27、与隐私,数据生命周期,数据模型,数据标准,数据质量,智能供应链,舆情分析,财务管理,产品管理,客户洞察,预防性维护,数字化营销,服务层,业务组件,搜索与查询,可视化分析,第三方工具,数据产品 数据API数据审查 数据服务管理,分析套件,大数据整合与计算能力,采集与转换能力,数据产品化能力,分析挖掘能力,应用开发与可视化能力,实时交互式分析能力,数据资产管理能力,一站式运维能力,企业大数据分析平台（LEAP）,提供从大数据采集到商业价值呈现的一体化解决方案,01,数据,04,运维,05,价值,02,平台,03,管理,数据：整合各方数据，沉淀业务知识，LEAP将为客户提供丰富的数据接口与强大的数据

28、资源整合能力。,平台：LEAP将为客户提供安全可靠的分布式的大数据平台，解决了海量数据的实时计算，存储数据和分析的问题。,管理：参与到企业运营的各环节，通过对业务数据的分析，发现各种规律趋势，为策略制定提供参考依据。,运维：LEAP提供集中的运维管控组件，实现从设备到服务的全方位监控、管理和扩展。,价值：提供端到端的大数据服务，旨在发现数据潜在价值，帮助客户通过大数据解决商业问题，与客户共同成长。,LEAP,软硬件一体化优化，突破计算平台性能瓶颈,批量处理性能,查询性能,实时处理性能,复杂计算,专利的智能调度技术，提升Hadoop计算效能5x20x虚拟大数据系统，简化异地数据中心的数据同步,率

29、先支持Spark 2.0，实时性能提升5x全面支持MPP业务场景，10x优于传统数据仓库,平台性能评测,基于TPC-DS，2016,100%兼容SQL 2003，SQL 99和PL/SQL动态选择合适的数据源和计算引擎执行查询请求，相对HUE查询性能提升10x,全图形化的任务调度工具，可每日处理上万个独立的数据计算任务內嵌数据质量校验能力，简化ETL任务的开发工作量,全图形化的计算平台，便捷的大数据系统管理和运维,一站式图形化界面完成大数据集群的安装，升级，系统监控的工作，简化管理创建各种大数据任务和查询操作全部图形化完成，无需命令行入口支持丰富的开源扩展，图形化添加近百个高质量组件，全面支持

30、和管理各种大数据业务场景,系统入口,系统监测,任务调度,全图形化的任务调度工具，可每日处理全球来自数百个数据分析人员的上万个独立的数据计算任务,具备灵活多样的部署形态，满足不同规模企业的系统架构,传统数据仓库,大数据平台,新型探索分析,传统分析应用,专业探索分析集市,UNIX小型机,X86集群,传统数据仓库,大数据平台,新型探索分析/传统分析应用,传统分析应用,混搭双中心,UNIX小型机,X86集群,探索分析/传统分析应用,企业级大数据中心,X86集群,大数据平台,大数据平台定位：属于数据仓库的补充系统特点：规模小，大数据创新试点,大数据平台定位：分担数据仓库的存储和计算压力特点：大数据平台逐

31、渐成为业务分析中心,大数据平台定位：支持企业所有数据计算、分析和应用。特点：企业真正成为数据驱动的企业,传统数据仓库,全面支持海量复杂数据，构建高质量统一企业大数据仓库,智能工厂数据,供应商数据,公开数据,数据源： 政府网站、社交媒体等。 数据类型：TB级非结构化数据,数据源： ERP、SRM，SCM 数据类型： TB级结构化数据,数据源： PLM、 MES、DCS，CAM 数据类型： PB级异构数据,企业异构数据源,数据资产管理,完备的应用开发工具，全面提升数据洞察效率,-无缝支持Spark 2.0, Spark R, Hive, Impala, Kylin等数据引擎，全面算法硬件优化，提升

32、性能5x10x,强大的SQL分析引擎,Python和脚本工具箱,硬件优化的算法库,R交互式数据分析引擎,回归算法,分类算法,聚类算法,决策树算法,可靠性预测算法,集成算法,智能分析套件，内建行业解决方案，快速构建商业智能,零售卖场和推广效率分析,产业结构和区域分析,设备质量关联性分析,用户群聚类和产品反馈分析,热区分析,总结：大数据已具备多方面的能力,专家能力推动大数据价值的深度释放,全球部署的8大数据中心,强大的研发能力,完善的运维保障体系,全球化多中心部署 2000台的集群规模 3000名操作用户 总容量12PB 数据总量9PB 日新增数据30TB 日处理数据4.3PB,大数据专家、数据科

33、学家、行业顾问50+余人 80%海外留学背景，博士占比近70% 在顶级期刊和会议中发表学术论文近百篇，获得国内和美国专利数十项,300+研发人员的持续投入 向开源社区贡献了270多个补丁，产生了48名开源贡献者； 被北京市发改委于2011年评为“移动互联网系统软件及服务工程 北京市工程实验室”,全面完整的技术支持保障贯通一致的针对产品功能的高质量技术支持高级服务包含与售后及升级，迁移的咨询服务提供完善的产品文档及自助服务选项,某钢铁集团供应链需求预测,某商业银行的,某食品集团销售,不同钢种的钢材需求量预测不同汽车生产商的订货量预测企业客户的客户画像与忠诚度,某钢铁集团供应链需求预测,某跨国食品集团经销商库存预测,某商业银行客户洞察与精准营销,新品销量预测 经销商订货周期与库存分析 产品舆情分析,用户画像与360度洞察 个人贷倾向预测与营销 个人客户资产预测与营销,41,标题,大数据期待与各行业的客户和伙伴合作,技术能力,业务价值,商业生态,实现大数据分析与业务价值交付，释放大数据资产的生产力,与各界共建跨业大数据技术与商业合作的全价值生态圈,提供企业级大数据分析平台、各类数据工具、以及管理服务,42,谢 谢,