SAP大數(shù)據(jù)分析平臺方案

1、SAP大數(shù)據(jù)分析平臺方案議程大數(shù)據(jù)的技術特點及發(fā)展趨勢-宋一平基于用戶訪問的大數(shù)據(jù)應用場景及Demo演示-孫戎&姚法主要大數(shù)據(jù)應用場景Demo演示主流媒體、網(wǎng)站的大數(shù)據(jù)應用場景SAP大數(shù)據(jù)解決方案-孫戎數(shù)據(jù)交換平臺數(shù)據(jù)倉庫平臺數(shù)據(jù)管控平臺數(shù)據(jù)的展現(xiàn)與可視化SAP建議的大數(shù)據(jù)解決方案及驗證四個關鍵技術的發(fā)展方向IT 的消耗連通性Connectivity智能手機賣的比PC 多到2013年，將有超過150億的移動設備連接到互聯(lián)網(wǎng)云 Cloud到2011年，80% 新軟件提供云服務的能力社交媒介Social Media有超過10億的人們訪問社交網(wǎng)絡Facebook 超過 Google，作為訪問最多的網(wǎng)

2、站大數(shù)據(jù) Big Data數(shù)據(jù)量每18個月增長一倍，其中 85% 非結構化數(shù)據(jù)也包含在業(yè)務領域傳統(tǒng)IT架構不堪重負迫使不斷尋求新的技術 例如 Hadoop全球2014年全球數(shù)據(jù)總量4.1ZB85% 來自于新數(shù)據(jù)類型2020年將有10倍增長，將達到40ZB未來新的數(shù)據(jù)源 (情感, 點擊流，地理、傳感器等)中國2013年中國數(shù)據(jù)總量0.8ZB2013年數(shù)據(jù)量是2012年的兩倍2013年中國相當于2009年全球數(shù)據(jù)量2020年將是2013年10倍，將達到8.5ZBRef: HortonworksKB-MB-GB-TB-PB-EB-ZB-YB-NB-DB大數(shù)據(jù)分析案例Netflix （奈飛）在美國有

3、2700 萬訂閱用戶，在全世界則有 3300 萬，每天高峰時段網(wǎng)絡下載量都是出自 Netflix的流媒體服務，現(xiàn)在人們在網(wǎng)上看流媒體視頻比看實體 DVD 的時間還多。每天用戶在 Netflix 上產(chǎn)生 3000 萬多個行為，比如你暫停、回放或者快進時都會產(chǎn)生一個行為，Netflix 的訂閱用戶每天還會給出 400 萬個評分，還會有 300 萬次搜索請求，詢問劇集播放時間和設備等成功美劇的要素：導演：大衛(wèi)芬奇 David Fincher（社交網(wǎng)絡、七宗罪）奧斯卡影帝：凱文史派西 Kevin Spacey （王牌對王牌，洛城機密）典型的BBC劇型大數(shù)據(jù)分析案例美國總統(tǒng)奧巴馬的再次當選創(chuàng)造了奇跡：在

4、他獲勝前的 70 年時間里，沒有一名美國總統(tǒng)能夠在全國失業(yè)率高于 7.4% 的情況下連任成功；如何獲得更多選民支持以及讓他們掏腰包，奧巴馬團隊比羅姆尼團隊更加聰明：奧巴馬與羅姆尼均獲得近 10 億美金籌款，而其網(wǎng)絡籌款是羅姆尼的兩倍；奧巴馬在整個競選過程中的花銷不到 3 億美金，而羅姆尼花了近 4 億美金卻仍然敗選；奧巴馬最終以 332 票贏得選舉，高出羅姆尼近一百張投票，而在大選前一周的一項民調(diào)中顯示，55% 的被調(diào)查選民都認為羅姆尼比奧巴馬更具有未來視野！成功當選的要素：實時分析社交媒體信息，掌握各州輿情掌握“微觀智能”，實踐“微競爭”實現(xiàn)花少錢，辦大事大數(shù)據(jù) Big Data維基百科對大

5、數(shù)據(jù)的定義：大數(shù)據(jù)是指利用常用軟件工具捕獲、管理和處理數(shù)據(jù)所耗時間超過可容忍時間的數(shù)據(jù)集。VelocityVolumeVarietyMobileCRM DataPlanningOpportunitiesTransactionsCustomerSales OrderThingsInstant MessagesDemandInventory簡單明了Gartner定義：“大數(shù)據(jù)是需要新處理模式才能具有更強的決策力、洞察力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)?！贝髷?shù)據(jù)是一種觀念、文化、創(chuàng)新思維、洞察力什么是大數(shù)據(jù)？ 4V特征Volume海量數(shù)據(jù)TB、PB Variety結構化數(shù)據(jù)非結構化數(shù)

6、據(jù)Velocity實時查詢即席分析BIG DATAValue預測分析發(fā)現(xiàn)價值從 DB 到 BD 數(shù)據(jù)庫(Database, DB)到大數(shù)據(jù)(Big Data, BD)1、數(shù)據(jù)規(guī)模：譬如VLDB(Very Large Database)，和“大?！盭LDB(Extremely Large Database)相比仍舊偏小?！俺靥痢钡奶幚韺ο笸ǔＲ訫B 為基本單位，而“大?！眲t常常以GB，甚至是TB、PB 為基本處理單位。2、數(shù)據(jù)類型：DB 數(shù)據(jù)的種類較少，而以結構化數(shù)據(jù)為主。BD 數(shù)據(jù)的種類繁多，包含著結構化、半結構化以及非結構化數(shù)據(jù)，并且半結構化和非結構化數(shù)據(jù)所占份額越來越大。3、模式(Sche

7、ma)和數(shù)據(jù)的關系：DB 先有模式，后產(chǎn)生數(shù)據(jù)。BD 時代難以預先確定模式，模式只有在數(shù)據(jù)出現(xiàn)之后才能確定，且模式隨著數(shù)據(jù)量的增長處于不斷的演變之中。4、處理對象：DB 中數(shù)據(jù)是處理對象。BD 中除了數(shù)據(jù)是處理對象之外，還可通過某些數(shù)據(jù)的存在來判斷其他種類的數(shù)據(jù)是否存在，要將數(shù)據(jù)作為一種資源來輔助解決其他諸多領域的問題。5、處理工具：DB 采用所謂的One Size Fits All。BD 是說No Size Fits All。傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的區(qū)別大數(shù)據(jù)之前，依賴模型及算法當數(shù)據(jù)越大時，數(shù)據(jù)本身（而不是研究數(shù)據(jù)所使用的算法和模型）保證了數(shù)據(jù)分析結果的有效性。只要擁有足夠多的數(shù)據(jù)，也能得到接近

8、事實的結論。數(shù)據(jù)足夠多時，利用相關關系，無需知道因果關系就能得出結論Google 翻譯時，并不設定語法和翻譯規(guī)則。而是利用Google數(shù)據(jù)庫中收集的所有用戶的用詞習慣進行比較推薦。當用戶行為的記錄數(shù)據(jù)越來越多時，計算機可在不了解問題邏輯的情況之下，提供有效的結果。能處理多種數(shù)據(jù)結構，大數(shù)據(jù)利用互聯(lián)網(wǎng)上記錄人類行為數(shù)據(jù)進行分析以前，計算機能處理結構化數(shù)據(jù)，并記錄在數(shù)據(jù)庫中。大數(shù)據(jù)技術降低對數(shù)據(jù)結構的要求，社交信息、地理位置信息、行為習慣信息、偏好信息等各種維度的信息都可以實時處理，立體完整地勾勒出每一個體的各種特征。大數(shù)據(jù)技術大數(shù)據(jù)技術被設計用于在成本可承受的條件下，通過非?？焖伲╲elocit

9、y）地采集、發(fā)現(xiàn)和分析，從大量（volumes）、多類別（variety）的數(shù)據(jù)中提取價值（value），將是IT 領域新一代的技術與架構。HadoopHadoop集群架構HadoopNameNode10s to 1000s DataNode(s)Hadoop軟件架構計算引擎Map-ReduceHiveHBaseMahoutPigSqoop數(shù)據(jù)存儲HDFS一個開源的分布式處理大數(shù)據(jù)的系統(tǒng)架構，由Apache基金會開發(fā)大規(guī)模、低廉的服務器集群HDFS：Hadoop分布式文件系統(tǒng)，PB級別Map / Reduce：并行計算框架在較低成本下，處理分析無限容量的任何格式數(shù)據(jù)， 但性能較慢HADOOP

10、2.0Hadoop發(fā)展趨勢HADOOP 1.0Single Use System 單一使用系統(tǒng)Batch Apps批應用Multi Purpose Platform 多用途平臺Batch, Interactive, Online, Streaming, 批， 交互， 在線，流處理MapReduce(cluster resource management 集群資源管理& data processing 數(shù)據(jù)處理)HDFS(redundant 冗余, reliable storage 可靠的存儲) YARN(cluster resource management 集群資源管理)HDFS2(redu

11、ndant 冗余, reliable storage 可靠的存儲) MapReduce(batch 批)Tez(Interactive 交互)Others(varied 多樣化)Hadoop 不等于大數(shù)據(jù)但提供了一個低成本的大數(shù)據(jù)存儲方案15% 的世界500強企業(yè)，在2015年前將要開始挖掘大數(shù)據(jù)的價值89% 的客戶還在使用傳統(tǒng)的RDBMS作為他們的大數(shù)據(jù)方案一部分50% 的大數(shù)據(jù)客戶正在或?qū)⒁捎肏adoop方案34% 的Hadoop用戶存儲和分析的數(shù)據(jù)100TB 55% 的Hadoop用戶每天跑多于1次的分析任務，18%的Hadoop用戶每小時執(zhí)行多于1次的分析任務國外企業(yè)的Hadoop應

12、用基于客戶交互數(shù)據(jù)的目標市場預測分析欺詐偵測與安全檢查數(shù)據(jù)探索與機器學習搜索日志的分析和網(wǎng)頁數(shù)據(jù)的挖掘工作。其中一個由1100臺節(jié)點組成的集群，包括8800核CPU和12000TB的原始存儲用于存儲并處理電子商務交易的相關數(shù)據(jù)。集群超過1700個節(jié)點，數(shù)量總量已經(jīng)超過17個PB，每天凈增長20T左右。每天在Hadoop集群運行的MapReduce任務有超過4萬（有時會超過6萬），其中大部分任務是每天定期執(zhí)行的統(tǒng)計任務，例如數(shù)據(jù)魔方、量子統(tǒng)計、推薦系統(tǒng)、排行榜等等。這些任務一般在凌晨1點左右開始執(zhí)行，3-4個小時內(nèi)全部完成。每天讀數(shù)據(jù)在2PB左右，寫數(shù)據(jù)在1PB左右目前已經(jīng)在江蘇省上線的Mc+A

13、bis信令共享平臺，就是由珠海世紀鼎利承建的基于Hadoop框架的云平臺構建了一個公用云平臺；有自己的商業(yè)版Hadoop解決方案；Hadoop社區(qū)的積極貢獻者。國內(nèi)企業(yè)的Hadoop應用數(shù)據(jù)中心的數(shù)據(jù)源范圍全國業(yè)務支撐系統(tǒng)中的數(shù)據(jù)集合生產(chǎn)系統(tǒng)中的非結構化數(shù)據(jù)，例如合同、發(fā)票掃描件等網(wǎng)頁內(nèi)容；互聯(lián)網(wǎng)視音頻；博客、微博、論壇數(shù)據(jù)；郵件；廣告數(shù)據(jù)；客戶行為軌跡等位置信息；監(jiān)控視音頻數(shù)據(jù)；傳感數(shù)據(jù)等傳統(tǒng)類數(shù)據(jù)互聯(lián)網(wǎng)類數(shù)據(jù)物聯(lián)網(wǎng)類數(shù)據(jù)其他類數(shù)據(jù)IDC數(shù)據(jù)等數(shù)據(jù)中心的數(shù)據(jù)當量為PB級，在數(shù)據(jù)爆炸時代，很容易達到EB級1ZB=1,024EB=1,048,576PB=1,073,741,824TB云數(shù)據(jù)中心與

14、傳統(tǒng)數(shù)據(jù)中心的區(qū)別云計算數(shù)據(jù)中心是一種基于云計算架構的，計算、存儲及網(wǎng)絡資源松耦合，完全虛擬化各種IT設備、模塊化程度較高、自動化程度較高、具備較高綠色節(jié)能程度的新型數(shù)據(jù)中心。云數(shù)據(jù)中心的特點：高度的虛擬化，包括服務器、存儲、網(wǎng)絡、應用等虛擬化，使用戶可以按需調(diào)用各種資源；自動化管理程度，包括對物理服務器、虛擬服務器的管理，對相關業(yè)務的自動化流程管理、對客戶服務的收費等自動化管理；綠色節(jié)能，云計算數(shù)據(jù)中心在各方面符合綠色節(jié)能標準，一般PUE值不超過1.5云數(shù)據(jù)中心與傳統(tǒng)數(shù)據(jù)中心在區(qū)別：云數(shù)據(jù)中心的基礎設備更加規(guī)?；藴驶?，由此帶來了管理的復雜性。云數(shù)據(jù)中心為了節(jié)省成本、實現(xiàn)日益增多的業(yè)務，須

15、采用各種虛擬化技術。管理差異，體現(xiàn)在自動化方面。在云數(shù)據(jù)中心，當業(yè)務需要遷移、設備需要統(tǒng)一配置、故障需要及時檢查排除、流程需要跟蹤時，如何高效管理這樣海量的設備和應用？當然需要通過自動化的手段來實現(xiàn)。云數(shù)據(jù)中心的出現(xiàn)無疑是新的進步，除了高度的虛擬化等特征，還包括新技術和新產(chǎn)品，如低功耗CPU，固態(tài)硬盤等。服務器架構的發(fā)展趨勢磁盤存儲CPU內(nèi)存Log瓶頸數(shù)據(jù)磁盤存儲Log數(shù)據(jù)備份 更高密度的CPU核心和內(nèi)存計算提高吞吐量水平可擴展以滿足高并發(fā)和不斷增長的業(yè)務需求更經(jīng)濟的采購和運維成本NLS傳統(tǒng)小型機x86 新型服務器CPU內(nèi)存.分布式水平擴展大數(shù)據(jù)價值實現(xiàn)的難點復雜性易于獲取多樣性實時性可執(zhí)行行

16、業(yè)特定業(yè)務場景及業(yè)務規(guī)則特定算法分析結果易于獲取決策能夠有效送達（人、機器）對決策能快速反應要了解相關資源情況能夠獲取執(zhí)行結果實時性要求高隨機性高數(shù)據(jù)來源數(shù)據(jù)結構數(shù)據(jù)范圍數(shù)據(jù)獲取方式21大數(shù)據(jù)：從數(shù)據(jù)到價值數(shù)據(jù)捕獲與采集數(shù)據(jù)存儲與管理數(shù)據(jù)分析與挖掘結果展示與決策開展行動與評估批處理ETL復制與同步數(shù)據(jù)眾包復雜事件處理結構化非結構化和半結構化數(shù)據(jù)分布式文件系統(tǒng)關系數(shù)據(jù)庫非關系數(shù)據(jù)庫（NoSQL）數(shù)據(jù)倉庫云計算和云存儲實時流處理A/B Testing關聯(lián)規(guī)則分析分類 / 聚類遺傳算法 / 神經(jīng)網(wǎng)絡預測模型 / 模式識別時間序列分析回歸分析系統(tǒng)仿真 / 機器學習空間分析社會網(wǎng)絡分析自然語言分析Map

17、Reduce / R語言標簽云聚類圖空間信息流熱圖信息推送確定行動內(nèi)容確定資源確定時間確定位置反饋計劃實際對比基于用戶訪問的大數(shù)據(jù)應用場景及Demo演示SAP HANA 平臺所有SAP應用運行的最佳平臺SAP HANA是SAP戰(zhàn)略的核心所有的SAP應用都可以運行在HANA平臺上，大部分已經(jīng)進行了優(yōu)化SAP HANA可以基于云或傳統(tǒng)模式進行部署SAP HANA可以基于私有云 (HEC) 以及平臺云部署(HCP)SAP HANA由通過第三方的共有云提供(Amazon AWS, Microsoft Azure)核心業(yè)務處理流程S/4HANA數(shù)據(jù)倉庫與數(shù)據(jù)集市例如：BW on HANA高級分析 BPC

18、, S&OP, CO-PA操作型報表, BI HANA Live, Lumira云方案Successfactors, Sales, Service and Marketing大數(shù)據(jù)Customer Engagement IntelligenceIoT 預測性維護SAP HANA 市場領先的內(nèi)存數(shù)據(jù)庫平臺The Forrester Research WaveForrester研究中的亮點“SAP 內(nèi)存數(shù)據(jù)庫技術開始得到市場的認可.” Noel Yuhanna, ForresterSAP HANA 平臺在策略和現(xiàn)階段能力的評分都得到了最高SAP 是唯一一個在遠見得到滿分的公司SAP 是唯一一個在數(shù)

19、據(jù)管理和交易能力方面得到滿分的公司SAP 還在其他方面得到了滿分，其中包括執(zhí)行，市場表現(xiàn)，合作伙伴，分析能力等Source: The Forrester WaveTM: In-Memory Database Platforms, Q3 15 SAP HANA 市場領先的內(nèi)存數(shù)據(jù)庫平臺The Forrester Research Wave來源: Gartner (2016)年2月 /doc/reprints?id=1-2ZV8BTS&ct=160229&st=sbSAP 提供了IQ與HANA兩套方案。HANA成為SAP數(shù)據(jù)倉庫解決方案的核心SAP在數(shù)據(jù)倉庫領域持續(xù)獲得成功。BW on HANA的

20、用戶持續(xù)高速增長。 SAP持續(xù)提升基于云的靈活部署能力，以及高可用性/容災等方面方案。 SAP持續(xù)強化HANA與Hadoop以及其它數(shù)據(jù)平臺的集成能力， 并且提供了Vora產(chǎn)品支持Spark，作為大型數(shù)據(jù)倉庫的方案更加成熟和完善。數(shù)據(jù)倉庫與數(shù)據(jù)管理分析系統(tǒng)2016年2月SAP HANA網(wǎng)站門戶分析:-)預測性維護網(wǎng)絡優(yōu)化內(nèi)部威脅探測實時風險管理資產(chǎn)追蹤360度客戶視圖客戶流失個性化關懷產(chǎn)品建議實時需求供應預測欺詐監(jiān)測利用大數(shù)據(jù)來驅(qū)動業(yè)務更深入地了解客戶的需求場景一：故障信息與工控數(shù)據(jù)相關性分析局限性ERP系統(tǒng)壓縮機故障數(shù)據(jù)不足，粒度太粗，影響到故障關聯(lián)工控數(shù)據(jù)的分析若IT數(shù)據(jù)足夠，粒度合適，可

21、以進一步分析OT數(shù)據(jù)的模式及進行故障模式的預測場景介紹將ECC PM模塊中的設備故障信息數(shù)據(jù)（IT）與工控系統(tǒng)收集的傳感器數(shù)據(jù)（OT）進行關聯(lián)。用戶可以針對某一類設備具體的一次故障，然后以設備的故障日期為基線向以前時間倒推查詢工控系統(tǒng)中設備運行數(shù)據(jù)。由此觀察設備故障與傳感器信號的關聯(lián)關系，展示設備故障模式。步驟數(shù)據(jù)采集：通過SAP HANA SDS(Smart Data Streaming)從SCADA系統(tǒng)實時推送壓縮機運轉數(shù)據(jù)(OT)到SAP HANA；通過SLT從ECC系統(tǒng)實時導入數(shù)據(jù)(IT)到SAP HANA數(shù)據(jù)存儲：分別把IT數(shù)據(jù)和OT數(shù)據(jù)存放到不同HANA數(shù)據(jù)庫表中 數(shù)據(jù)清洗：分析兩

22、類數(shù)據(jù)之間關聯(lián)性數(shù)據(jù)建模：建立信息視圖，對兩類數(shù)據(jù)進行實時快速的關聯(lián)，聚合數(shù)據(jù)展示：使用SAP Business Object Design Studio直連HANA視圖，通過組件交互反應數(shù)據(jù)間的關聯(lián)關系，以多維度、可視化的方式對數(shù)據(jù)進行展示場景一：故障信息與工控數(shù)據(jù)相關性分析以地圖展示故障發(fā)生站點(站點經(jīng)緯度數(shù)據(jù)存儲在SAP HANA中)，及現(xiàn)有西氣東輸站點個數(shù)、設備數(shù)量及一年內(nèi)總共發(fā)生故障數(shù)目和類型。場景一：故障信息與工控數(shù)據(jù)相關性分析點擊其中一個站點，可將過濾應用到整個界面例如：點擊“霍爾果斯”站點，顯示霍爾果斯的故障類型和按月故障數(shù)量場景一：故障信息與工控數(shù)據(jù)相關性分析分析故障發(fā)生時間

23、、站點分布：如烏魯木齊站點，15年1季度發(fā)生故障2次，2，3季度發(fā)生故障各1次。通過分析，1季度發(fā)生故障概率較高，故可在1季度末增加檢修次數(shù)分析故障類型分布：所有站點中，停機維護共發(fā)生8次，所占比例最高通過分析，可在下年維修預算中，為停機維護提供較多預算場景一：故障信息與工控數(shù)據(jù)相關性分析點擊其中一條故障描述，以故障/檢修日期為基線，向前倒推查詢壓縮機轉速數(shù)據(jù)，展示對應時間節(jié)點的發(fā)動機轉速信息。場景一：故障信息與工控數(shù)據(jù)相關性分析經(jīng)過分析，可通過轉速判斷出壓縮機故障原因，例如圖3轉速不規(guī)律，可能是故障前的轉速模式，故需要安排檢修場景二：能耗相關分析步驟將管道壓力跟溫度作為獨立因子，對壓縮機的轉

24、速進行擬合。數(shù)據(jù)預處理：選取6，8，10號壓縮機在2014.10.19 2015.12.03的轉速數(shù)據(jù)，將這三臺壓縮機的數(shù)據(jù)進行平均計算；同時選取在2014.10.19 2015.12.03期間的管道溫度和壓力數(shù)據(jù)；將壓力，管道，轉速的數(shù)據(jù)平均計算到每一天；去除轉速小于1000的數(shù)據(jù)（可認為此時壓縮機停止工作）；再將這三項數(shù)據(jù)的日期進行關聯(lián)，按日期維度進行后續(xù)建模。數(shù)據(jù)訓練：將2014.10.19 2015.07.01期間的數(shù)據(jù)進行訓練，選取多元回歸(MLR)算法進行建模。數(shù)據(jù)預測：將所有數(shù)據(jù)（2014.10.19 2015.12.03）代入建立好的模型中進行壓縮機轉速的預測，擬合成一條曲線場

25、景描述基于某站點管線溫度與壓力，通過SAP HANA內(nèi)置PAL算法，擬合出壓縮機轉速曲線（近似認為壓縮機能耗模式）。局限缺少管線能耗數(shù)據(jù)溫度，壓力與壓縮機轉速數(shù)據(jù)契合程度低分析功能測試二：能耗相關分析壓縮機擬合值，平均真實值，6號，8號，10號壓縮機真實值的曲線場景三：防欺詐管理利用高效能的SAP HANA內(nèi)存計算技術與業(yè)務流程相結合預警通知和管理采用實時模擬計算以減少誤報利用SAP HANA內(nèi)存計算技術處理海量數(shù)據(jù)針對不斷變化的欺詐模式可以根據(jù)規(guī)則和預測分析進行檢測更早地發(fā)現(xiàn)欺詐減少損失預防和遏制欺詐情況少花錢同時提高檢測準確性分析性能調(diào)查檢測實施設計*監(jiān)視KPI關鍵績效指標并生成管理報告采

26、用快速評測、評估和欺詐remediation方法對報警進行管理執(zhí)行大量的和實時的檢測任務，終止可疑的業(yè)務交易通過模擬和校準定義欺詐檢測策略分析欺詐模式并定義檢測規(guī)則和模型場景三：采用SAP HANA技術的SAP防欺詐管理方案SAP HANAIn-Memory(*) 可采用SAP HANA 、 SAP 預測分析 (可選) 或者第三方工具高性能處理海量數(shù)據(jù)主要收益與SAP和非SAP的運營系統(tǒng)的強大的數(shù)據(jù)集成能力對檢測規(guī)則可以靈活地建模還可選擇將欺詐狀態(tài)提供給外部業(yè)務運營系統(tǒng)進行事件處理 (例如取消對欺詐的支付行為) 場景三：高性能應用架構一個靈活且強大的技術環(huán)境提高了檢測效率BI 工具數(shù)據(jù)提供和集

27、成運營系統(tǒng)(SAP或者非SAP)工資支付付費采購訂單差旅報銷檢測和告警調(diào)查和決策SAP HANAIn-Memory.在線演示：“云大物移” 網(wǎng)站分析所涉及的內(nèi)容1、用戶的訪問體驗怎么樣？把自己當作網(wǎng)站的用戶去訪問網(wǎng)站，留意網(wǎng)站的潛在目標、客戶體驗和不便之處。順便關注下競爭對手網(wǎng)站。2、網(wǎng)站的流量獲取策略是什么樣的？這些信息可從流量來源報告中獲取。3、用戶的留存情況與忠誠度怎么樣？可查看用戶忠誠度和新近度數(shù)據(jù)。4、如何發(fā)現(xiàn)和快速改進網(wǎng)站存在問題的頁面？分析熱門著陸網(wǎng)頁。找出那些跳出率較高的著陸頁面及其跳出率較高的原因，提供優(yōu)化建議。5、哪些頁面是最有價值的頁面？頁面價值和著陸頁面的單次訪問價值。

28、6、用戶如何使用網(wǎng)站上的站內(nèi)搜索？通過關鍵字標簽云可以快速了解這些信息。7、用戶在網(wǎng)站上有產(chǎn)生轉化嗎？分析目標和目標價值。8、營銷預算是否需要優(yōu)化？查看廣告轉化與效果。9、用戶的轉化流程順暢嗎？關注渠道可視化報告。10、分析報告中是否還存在盲點？可查看智能報告。網(wǎng)站的眼睛網(wǎng)站的神經(jīng)網(wǎng)站的大腦訪問來自哪里？訪問者在哪里？哪些頁面最受歡迎？訪問者從哪里來？訪問者從哪里進入？網(wǎng)站布局合理嗎？網(wǎng)站導航清洗嗎？哪些功能存在問題？網(wǎng)站內(nèi)容有效嗎？轉換路徑靠譜嗎？如何分析目標？如何分配廣告預算？如何衡量產(chǎn)品表現(xiàn)？哪些產(chǎn)品需要優(yōu)化？哪些指標需要關注？網(wǎng)站分析是什么網(wǎng)站分析的目的、流程及價值如何完成網(wǎng)站的目標如

29、果你不能衡量它，你就不能改進他如何進行網(wǎng)站分析訪問量訪問來源媒介訪問時間粒度地理位置目標頁面新老訪問網(wǎng)站流量多維分析指標維度維度自然搜索BD流量直接流量推介流量集中訪問網(wǎng)站流量質(zhì)量分析網(wǎng)站內(nèi)容及導航分析首頁列表頁列表頁列表頁詳情頁詳情頁詳情頁詳情頁詳情頁詳情頁網(wǎng)站頁面質(zhì)量分析頻道頁詳情頁類別頁離開網(wǎng)站返回首頁離開網(wǎng)站質(zhì)量數(shù)量網(wǎng)站用戶分析1、用戶統(tǒng)計監(jiān)控分析各類用戶群體的變化情況，看網(wǎng)站在吸引和保留用戶方面的能力2、用戶定向營銷分析用戶的行為來指導網(wǎng)站區(qū)分用戶群體的營銷3、用戶調(diào)研用問卷和實驗的方法了解用戶的需求、建議和滿意度社交媒體意見領袖的管理44社交媒體意見領袖管理解決方案有三個部分（如下

30、圖所示）：意見領袖的維護，意見領袖分析，意見領袖導控。通過三個部分，抓住媒體傳播關鍵路徑，有效和社交媒體的意見領袖建立良好的互動機制，意見領袖的識別與影響力評估45意見領袖評估的主要流程意見領袖影響范圍分析網(wǎng)站轉化分析創(chuàng)建網(wǎng)站分析體系1、定義網(wǎng)站目標期望網(wǎng)站達到的效果，創(chuàng)建網(wǎng)站時的原始動力2、細化網(wǎng)站的目標（目標=子目標+子目標）1、用什么指標衡量2、目標實現(xiàn)的時間范圍3、如何操作3、分解網(wǎng)站的目標。多用“so what”反問自己如1、希望訪問者來自哪里？2、希望訪問者從哪里進入網(wǎng)站3、網(wǎng)站的哪些頁面應該盡量多的被看到？4、訪問者應該按哪些路徑瀏覽網(wǎng)站5、訪問者應該從哪里離開網(wǎng)站網(wǎng)站轉化分析尋

31、找關鍵KPI指標的路徑SAP大數(shù)據(jù)分析平臺解決方案方案整體技術框架ERP數(shù)據(jù)SEM數(shù)據(jù)SRM數(shù)據(jù)PDM外部數(shù)據(jù)源OAEAM數(shù)據(jù)交換平臺流數(shù)據(jù)(ESP)數(shù)據(jù)復制(SRS)ETL(Data Services)ESB(PI)數(shù)據(jù)管控平臺主數(shù)據(jù)治理(MDG)元數(shù)據(jù)管理(信息管家)數(shù)據(jù)質(zhì)量管理(Data Quality)數(shù)據(jù)標準管理數(shù)據(jù)安全管理企業(yè)級數(shù)據(jù)倉庫平臺PMISSAP HANAIn-memory computing分析SAP BusinessObjects BI探索, 儀表盤, 報表, 圖表, 可視化SAP Lumira 數(shù)據(jù)分析與可視化SAP Predictive Analysis 預測分析S

32、AP大數(shù)據(jù)平臺建議架構歷史數(shù)據(jù)、非機構化數(shù)據(jù)Hadoop分布式文件系統(tǒng)HivePigSpark擴展數(shù)據(jù)層（冷存儲）結構化歷史數(shù)據(jù)擴展表磁盤數(shù)據(jù)結構化實時數(shù)據(jù)熱表擴展存儲(定義)SDAvUDFVoraModels / PAL / R溫存儲（動態(tài)分層）熱存儲（內(nèi)存計算）數(shù)據(jù)老化自動搬移DLMCRM數(shù)據(jù)SAP 移動平臺 (BI Mobile, Mobile ApplicationSAP大數(shù)據(jù)平臺解決方案數(shù)據(jù)交換平臺數(shù)據(jù)倉庫平臺數(shù)據(jù)管控平臺數(shù)據(jù)的展現(xiàn)與可視化1SAP HANA Smart Data AccessSAP ESP - EventStream ProcessorSAP Data Servic

33、esSAP SRS - Replication ServerSAP LT Replication ServerSAP SQL Anywhere任何數(shù)據(jù)源數(shù)據(jù)遷移轉換和持續(xù)數(shù)據(jù)Event StreamsData SynchronizationData VirtualizationODBCSAP HANAVirtual TablesData Sources (SP6: HANA, IQ, ASE, Hadoop, Teradata) Network Devices Wired / WirelessComplex Event Data SourceNon-SAP Data SourcesCloud

34、DeploymentsSAP Business SuiteTrigger-BasedLog-BasedETL, Batch強大的數(shù)據(jù)提供平臺SAP的數(shù)據(jù)服務方案全面考慮數(shù)據(jù)集成, 數(shù)據(jù)質(zhì)量管理, 數(shù)據(jù)切面及非結構化數(shù)據(jù)獲取問題支持訪問全部關鍵業(yè)務數(shù)據(jù)(任意數(shù)據(jù)源,類型和領域), 一體化平臺全面解決數(shù)據(jù)的清洗、排重、歸并、衍生、合并、統(tǒng)計、匯總等一系列數(shù)據(jù)加工問題結構數(shù)據(jù)非結構數(shù)據(jù) 一個運行時架構及一系列服務業(yè)務界面統(tǒng)一的元數(shù)據(jù)技術界面數(shù)據(jù)服務解決方案包數(shù)據(jù)抽取數(shù)據(jù)質(zhì)量數(shù)據(jù)切面文本分析統(tǒng)一的管理環(huán)境(調(diào)度, 安全, 用戶管理) 一套源/目標各類型數(shù)據(jù)庫：OracleDB2Sybase ASESy

35、base IQSQL ServerInformixMySQLTeradataHP NeoViewNetezzaODBCSAP HANA全面接口支持各類型技術接口：Text delimitedText fixed widthEBCDICXMLCobolExcelHTTPJMSSOAP(Web Services)JSONSAP BusinessObjects Data Service性能強勁的執(zhí)行引擎使用便捷的開發(fā)工具所有的任務在統(tǒng)一的圖形界面開發(fā)易于使用，拖拽界面內(nèi)帶數(shù)據(jù)預覽、結構分析、清洗和調(diào)試交付可信賴的信息集成數(shù)據(jù)質(zhì)量管理跨越BI環(huán)境的元數(shù)據(jù)管理端到端沖突分析簡化變動管理性能強勁的執(zhí)行引擎

36、通過高性能并行架構支持網(wǎng)格計算最好的企業(yè)應用連接性實時和批處理數(shù)據(jù)整合Designer (Windows)Administrator (Web)Request-Response Access ServerReal-time ServicesJob Server and EngineHeterogeneous Data SourcesHeterogeneous Data TargetsWeb ApplicationsLocal RepositoryCentral RepositoryData IntegratorSAP大數(shù)據(jù)平臺解決方案數(shù)據(jù)交換平臺數(shù)據(jù)倉庫平臺數(shù)據(jù)管控平臺數(shù)據(jù)的展現(xiàn)與可視化2SA

37、P 大數(shù)據(jù) 實時平臺各種移動應用各種應用服務器SAP Business Suite 和 BW ABAP 應用服務器JSONR開放的連通性MDXSQLSAP HANA 平臺SAP HANA 平臺覆蓋了數(shù)據(jù)庫，數(shù)據(jù)處理，應用平臺，預測功能，計劃編制功能，文本分析和商務智能分析等功能，所以能為企業(yè)運營提供全面實時的支持。管理 Administration擴展的應用服務集成服務Deployment:數(shù)據(jù)庫服務開發(fā) DevelopmentOLTP | OLAP | Search | Text Analysis |Predictive | Events | Spatial | Rules | Planni

38、ng | Calculators處理引擎應用函數(shù)庫 和 數(shù)據(jù)模型Predictive Analysis Libraries | Business Function Libraries | Data Models & Stored ProceduresData Virtualization | Replication | ETL/ELT | Mobile Synch | Streaming應用服務器 | UI 集成服務 | Web 服務器本地 On-Premise | 混合 Hybrid | 按需 On-Demand支持各種設備ON-PREMISE | CLOUD | HYBRIDSAP HAN

39、A 平臺基于HANA的大數(shù)據(jù)平臺SpatialGraphPredictiveSearchText AnalyticsPlanningDataEnrichmentSeriesDataFunctionLibraries處理服務Web Server JavaScriptFiori用戶界面Graphic Modeler應用服務ALMApplication Lifecycle Management列存儲內(nèi)存數(shù)據(jù)庫 OLTP+OLAP多核大規(guī)模并行計算高級壓縮多租戶動態(tài)分層存儲數(shù)據(jù)庫服務高可用性和災難恢復開放的標準數(shù)據(jù)模型Data VirtualizationELT & Replication集成服務Ha

40、doop IntegrationStreaming (CEP)Remote DataSync企業(yè)大數(shù)據(jù)溫度數(shù)據(jù)在架構中的存儲分布數(shù)據(jù)溫度產(chǎn)品數(shù)據(jù)特點可能操作熱數(shù)據(jù)（內(nèi)存存儲）SAP HANA內(nèi)存即時分析要求的結構化數(shù)據(jù)和流數(shù)據(jù)，比如ERP中的數(shù)據(jù)存儲在HANA內(nèi)存中. 熱數(shù)據(jù)頻繁訪問，較高性能要求寫、讀、更新和刪除溫數(shù)據(jù)（硬盤存儲）SAP HANA 動態(tài)分層大數(shù)據(jù)或者PB級數(shù)據(jù)擴展- 適合不需要內(nèi)存實時處理的數(shù)據(jù)，比如：預測性維護場景需要的主要設備實時數(shù)據(jù)與熱數(shù)據(jù)在統(tǒng)一的HANA平臺中. 溫數(shù)據(jù)是相對時間久不太常查詢的數(shù)據(jù)， 但是需要在線訪問寫、讀、更新和刪除 冷數(shù)據(jù)（擴展存儲）Hadoop（

41、文件存儲）結構化數(shù)據(jù)：如超過三年以上的財務數(shù)據(jù)大部分實時數(shù)據(jù)大部分非結構化數(shù)據(jù)已經(jīng)關閉或者不用的數(shù)據(jù)可以從熱存儲和溫存儲遷移到冷存儲存放實時數(shù)據(jù)和非結構化數(shù)據(jù)，可無限擴展，降低成本寫，讀、刪除數(shù)據(jù)的溫度是隨時間動態(tài)變化的，而且并不是同類型數(shù)據(jù)只存在一個存儲空間，要看具體的業(yè)務場景和數(shù)據(jù)價值，比如實時數(shù)據(jù)不只是在溫存儲中，也可以在HANA內(nèi)存中，HANA也有處理時間序列的功能。HANA大數(shù)據(jù)平臺的數(shù)據(jù)存儲層如何有效區(qū)別各數(shù)據(jù)層次內(nèi)存管理操作類型日常運行的業(yè)務應用，分析操作和統(tǒng)計報表實時分析復雜的分析、預測等密集型計算數(shù)據(jù)特征當前活躍數(shù)據(jù)信息單位價值高的業(yè)務數(shù)據(jù)管理數(shù)據(jù)量管理數(shù)據(jù)規(guī)模在幾十個TB量

42、級Hadoop企業(yè)級海量數(shù)據(jù)存儲低成本的數(shù)據(jù)存儲、通用硬件高度靈活、可擴展架構數(shù)據(jù)特征大量非結構化/半結構化數(shù)據(jù)，社交媒體和外部數(shù)據(jù)非活躍，批量處理數(shù)據(jù)信息單位價值相對不高的業(yè)務數(shù)據(jù)數(shù)據(jù)移動（同前）管理數(shù)據(jù)量管理數(shù)據(jù)規(guī)模可達到PB級動態(tài)分層HANA的磁盤級處理引擎數(shù)據(jù)特征歷史數(shù)據(jù)為主近實時的分析場景信息單位價值較高的業(yè)務數(shù)據(jù)數(shù)據(jù)移動（Data Lifecycle Mgt.）定義數(shù)據(jù)分割/分區(qū)策略按照規(guī)則在內(nèi)存和硬盤引擎間移動數(shù)據(jù)管理數(shù)據(jù)量管理數(shù)據(jù)規(guī)模在幾百個TB以內(nèi)SAP HANASAP HANAHANA RAMDT數(shù)據(jù)的溫度是隨時間動態(tài)變化的，而且并不是同類型數(shù)據(jù)只存在一個存儲空間，要看具體

43、的業(yè)務場景和數(shù)據(jù)價值，比如實時數(shù)據(jù)不只是在溫存儲中，也可以在HANA內(nèi)存中，HANA也有處理時間序列的功能。支持豐富的Hadoop處理引擎，支持主要的Hadoop廠商，如Cloudera, Hortonworks, MapR等Smart Data Access將外部的數(shù)據(jù)源映射為本地的數(shù)據(jù)表，做到實時訪問外部數(shù)據(jù)源支持與Hadoop，Teradata, Microsoft SQL Server, Oracle, IBM DB2, IBM Netezza 等數(shù)據(jù)庫的集成Virtual UDF (vUDF)可自定義的數(shù)據(jù)聯(lián)邦類型支持訪問Hadoop分布式文件系統(tǒng)(HDFS)，無需Mapper/Re

44、ducer解析包支持直接調(diào)用自定義的Map Reduce任務vUDF可集成到SQL語句效益能夠利用Hadoop集群中HIVE & Spark無法提供的功能 (如. Hadoop Distributed File System (HDFS) 和MapReduce)提高非結構化數(shù)據(jù)的即席查詢能力SAP HANAvUDF OperatorRFC HadoopHadoopMap ReduceHDFSYARNHIVE與Hadoop的深度集成Smart Data AccessYARNHDFS其他應用文件文件文件SAP HANA - Apache Spark Adapter可用于提高分布式系統(tǒng)連接的性能編譯

45、查詢可以提高應用和數(shù)據(jù)分析在各節(jié)點的運行效率基于 Hadoop 的 OLAP 體驗非常常見，可用于從大數(shù)據(jù)中挖掘業(yè)務洞察，比如向下鉆取 HDFS 數(shù)據(jù)編譯查詢Apache Spark Adapter向下鉆取功能SAP HANA 內(nèi)存平臺 SAP HANA VoraApache SparkSAP HANA VoraApache Spark內(nèi)存存儲應用服務數(shù)據(jù)庫服務集成服務處理服務SAP HANA 平臺SAP HANA VoraApache SparkSAP HANA-ApacheSpark AdapterSAP HANA Vora 內(nèi)置于 Apache Spark 執(zhí)行架構之中，是一款內(nèi)存計算查

46、詢引擎，能夠基于 Hadoop 提供豐富的交互式分析體驗。SAP HANA Vora與Spark的深度集成SAP大數(shù)據(jù)平臺解決方案數(shù)據(jù)交換平臺數(shù)據(jù)倉庫平臺數(shù)據(jù)管控平臺數(shù)據(jù)的展現(xiàn)與可視化3數(shù)據(jù)資產(chǎn)管理資產(chǎn)財務一體化系統(tǒng)700,00015,0001,0003,0002,000物料供應商客戶會計科目礦別HR系統(tǒng)500組織機構電子商務系統(tǒng)20,0003,000物料供應商數(shù)據(jù)中心3,000元數(shù)據(jù)指標物料供應商客戶會計科目礦別組織機構元數(shù)據(jù)指標用友等其他系統(tǒng)500,00010,0001,0001,000物料供應商客戶會計科目華能集團核心主數(shù)據(jù)總量約為126萬。這些數(shù)據(jù)源不統(tǒng)一，分散在資產(chǎn)財務一體化，人力資

47、源系統(tǒng)，電子商務系統(tǒng)、數(shù)據(jù)中心等系統(tǒng)中，各自獨立管理1,2200,00028,0002,0004,0002,0005003,000什么樣的數(shù)據(jù)能夠成為資產(chǎn)，或有資格成為資產(chǎn)？被企業(yè)擁有和控制能夠用貨幣來計量能為企業(yè)帶來經(jīng)濟利益數(shù)據(jù)資產(chǎn)增值擴大數(shù)據(jù)規(guī)模，提高數(shù)據(jù)活性，提升收集運用數(shù)據(jù)的能力建設數(shù)據(jù)交易，加速數(shù)據(jù)資產(chǎn)化數(shù)據(jù)治理關鍵點數(shù)據(jù)治理每個治理點都必須基于具體和成熟的業(yè)務需求 沒有一刀切 “one size fits all” 的解決方案關注交互模型 業(yè)務與IT數(shù)據(jù)治理不只是購買數(shù)據(jù)管理的軟件，也需要有一個清晰的數(shù)據(jù)管理規(guī)劃數(shù)據(jù)治理需要有不斷并進和跟蹤的各自維度數(shù)據(jù)治理包含整個企業(yè)或組織，不僅

48、僅是IT的事情企業(yè)或組織的領導決策層參與是必要的根據(jù)對象、流程和技術需求，并以SAP產(chǎn)品和解決方案為基礎，SAP 希望建立靈活的、可持續(xù)的數(shù)據(jù)治理“The formal orchestration of people, processes, and technology to enable an organization to leverage data as an enterprise asset.”MDM Institute數(shù)據(jù)治理的維度1. DataExplicit definitions for each data element流程標準化的數(shù)據(jù)維護分布IT 系統(tǒng)工具與應用清晰定義 源

49、/集成數(shù)據(jù)治理的核心目標:在整個企業(yè)內(nèi)部制定并執(zhí)行統(tǒng)一的，且符合業(yè)務要求的、科學合理的數(shù)據(jù)標準通過數(shù)據(jù)標準的執(zhí)行使得企業(yè)內(nèi)部各個業(yè)務環(huán)節(jié)使用的主數(shù)據(jù)完整統(tǒng)一，只有一個真正的版本并且質(zhì)量較高提高主數(shù)據(jù)的使用率和用戶對企業(yè)數(shù)據(jù)質(zhì)量的信任度最終滿足企業(yè)的諸多管理戰(zhàn)略目標的需求數(shù)據(jù)對象元數(shù)據(jù) 為每個數(shù)據(jù)元素顯式定義數(shù)據(jù)質(zhì)量治理定義分析驗證改進維護批準報表SAP 數(shù)據(jù)管理使業(yè)務更完整、更精確信息生命周期管理集成清洗與監(jiān)控管理關聯(lián)歸檔Before After數(shù)據(jù)質(zhì)量管理主數(shù)據(jù)管理內(nèi)容管理發(fā)布內(nèi)容發(fā)布數(shù)據(jù)集成SAP Data Services:訪問、集成、清洗、匹配和加強數(shù)據(jù)SAP Document Pre

50、sentment by OpenText:一致協(xié)作SAP Information Lifecycle Management:數(shù)據(jù)保持管理SAP Information Steward: 監(jiān)控數(shù)據(jù)質(zhì)量SAP Extended ECM by OpenText: 紙質(zhì)流程數(shù)字化上下文文檔合規(guī)歸檔記錄管理SAP Master Data Governance:治理主數(shù)據(jù)SAP Portal Content Management by OpenText:協(xié)同門戶SAP Invoice Management by OpenText:優(yōu)化發(fā)票流程獲得清洗保持清洗數(shù)據(jù)質(zhì)量可視化數(shù)據(jù)質(zhì)量平衡計分卡數(shù)據(jù)質(zhì)量評分標準

51、最新質(zhì)量計分隨時間質(zhì)量運行趨勢關鍵質(zhì)量維度 (數(shù)據(jù)KPI)，可定制SAP大數(shù)據(jù)平臺解決方案數(shù)據(jù)交換平臺數(shù)據(jù)倉庫平臺數(shù)據(jù)管控平臺數(shù)據(jù)的展現(xiàn)與可視化4商務智能是后ERP時代的迫切需求分析系統(tǒng)計劃洞察BI行動ERP交易系統(tǒng)商務智能 優(yōu)化 行動執(zhí)行 運營績效決策支持數(shù)據(jù)分析預測交易流程運營綜合運營分析財務分析設備管理銷售分析計劃調(diào)度分析生產(chǎn)分析物資分析人力分析大數(shù)據(jù)分析整體框架和應用規(guī)劃全面、綜合、決策物資采購銷售設備運輸生產(chǎn)執(zhí)行財務人力訂單生產(chǎn)計劃企業(yè)級數(shù)據(jù)可信分析運營分析生產(chǎn)分析運銷分析財務分析生產(chǎn)計劃分析銷售計劃分析運輸計劃分析外購計劃分析物資計劃分析煤產(chǎn)量分析產(chǎn)能分析產(chǎn)能利用率開拓進尺毛煤入倉

52、生產(chǎn)生產(chǎn)分析運行狀態(tài)監(jiān)控利用率分析故障率分析完好率分析使用時間設備電耗銷售分析價格分析客戶分析庫存分析合同分析備品備件分析采購分析供應商分析運營成本分析利潤分析杜邦分析資產(chǎn)分析預算分析人力資本分析人員構成分析人員狀態(tài)分析人員績效分析人員流動分析決策支持應用智能投資決策運營風險預警生產(chǎn)計劃智能自動排程設計實時需求預測實時供給預測定制化生產(chǎn)生產(chǎn)風險預警設備故障預警預測性維護客戶需求預測銷售訂單預測市場價格預測財務風險預警資金計劃智能人力最優(yōu)模型設計商務智能應用分析適應不同用戶的要求決策層管理層執(zhí)行層管理關鍵指標，及時調(diào)整經(jīng)營戰(zhàn)略。比如收購或并購新公司，進入新市場，引入新產(chǎn)品；管理層需要獲取和解讀數(shù)

53、據(jù)，快速調(diào)整運作戰(zhàn)術。比如開展/終止銷售計劃，調(diào)整供應鏈指標；日常業(yè)務操作需求，直接獲得分析內(nèi)容提高操作效率。比如客戶信用狀況，成本費用報表；具體的視角實時瀏覽/行業(yè)規(guī)范（套打）全面的視角實時分析/趨勢分析/預測推演統(tǒng)一的視角實時告警/交互審批/級聯(lián)分析示例：儀表板SAP大數(shù)據(jù)預測分析專為業(yè)務用戶設計數(shù)據(jù)挖掘/統(tǒng)計學/概率學 專業(yè)知識無業(yè)務分析師數(shù)據(jù) 科學家業(yè)務用戶低高97%3%1%SAP 大數(shù)據(jù)預測分析SAP PA 智能建模+Lumira自助探索SAP PA 專家建模R語言SAP HANA 分析函數(shù)包BI 平臺HANARDBMSExcel / CSVhadoopBW*ClipboardSAP商務智能詳細架構報表儀表盤分析水晶報表即席查詢DashboardDesign Studio數(shù)據(jù)探索高級分析平臺客戶端BI工具數(shù)據(jù)源語義層*數(shù)據(jù)源數(shù)據(jù)建模數(shù)據(jù)分析分析共享查看平臺Lumira 服務器（基于 HANA）Lumira 云 （基于HANA）Lumira 桌面版Excel / CSVLumira 服務器（內(nèi)存數(shù)據(jù)庫） SAP IQ企業(yè)核心業(yè)務數(shù)據(jù)數(shù)據(jù)展現(xiàn)BO儀表盤Lumira自助探索其它應用系統(tǒng)SAP ERPSAP大數(shù)據(jù)預測分析系統(tǒng)架構 敏捷分析+內(nèi)存數(shù)據(jù)庫+自助探索移動可視化第三方數(shù)據(jù)SAP CRM 歷史數(shù)據(jù)擴展存儲Predictive