汶拴勞

(上海寶信軟件股份有限公司, 上海 201203)

1 前言

隨著大數(shù)據(jù)、云計(jì)算、移動(dòng)應(yīng)用、可視化、人工智能等新技術(shù)的出現(xiàn), 企業(yè)經(jīng)營分析系統(tǒng)呈現(xiàn)出數(shù)據(jù)來源多樣性、數(shù)據(jù)類型豐富化、數(shù)據(jù)處理實(shí)時(shí)化、數(shù)據(jù)存儲(chǔ)海量化等特點(diǎn).這些日積月累的數(shù)據(jù)形成了一個(gè)企業(yè)的巨大“寶藏”, 如何對其進(jìn)行有針對性的開發(fā),挖掘出有價(jià)值的信息, 形成企業(yè)知識(shí), 指導(dǎo)企業(yè)的經(jīng)營決策, 以適應(yīng)大數(shù)據(jù)新時(shí)代業(yè)務(wù)發(fā)展需求, 全面支持企業(yè)各個(gè)層面的經(jīng)營決策, 是鋼鐵企業(yè)迫切需要解決的問題[1].

以財(cái)務(wù)分析為中心理念建設(shè)的企業(yè)經(jīng)營分析系統(tǒng)為企業(yè)正常運(yùn)營發(fā)揮了關(guān)鍵作用, 但在使用了近十年之后, 經(jīng)營分析系統(tǒng)已不能滿足企業(yè)業(yè)務(wù)發(fā)展需求:對項(xiàng)目精細(xì)化管理缺乏支撐, 信息化存在信息“孤島”, 影響跨部門數(shù)據(jù)貫通.經(jīng)營分析系統(tǒng)已無法適應(yīng)大數(shù)據(jù)新時(shí)代的企業(yè)全方位業(yè)務(wù)分析的需求, 系統(tǒng)應(yīng)用功能也主要以報(bào)表方式呈現(xiàn), 無法滿足新形勢下的用戶自助分析及可視化分析需求, 系統(tǒng)架構(gòu)采用小型機(jī)+ 傳統(tǒng)盤陣+ 關(guān)系型數(shù)據(jù)庫的IOE架構(gòu)[2], 主要不足方面如下:

1) 數(shù)據(jù)信息不完整:數(shù)據(jù)主要來源于企業(yè)內(nèi)部ERP信息系統(tǒng), 缺少外部數(shù)據(jù)信息, 缺少對項(xiàng)目精細(xì)化管理支撐, 還無法構(gòu)建面向多層次、多維度、跨領(lǐng)域的信息架構(gòu).

2) 架構(gòu)不夠靈活:現(xiàn)有小型機(jī)+傳統(tǒng)磁盤+關(guān)系型數(shù)據(jù)庫的IOE架構(gòu), 該架構(gòu)需要通過一個(gè)狹窄的數(shù)據(jù)管道將所有的I/O信息過濾到共享磁盤子系統(tǒng), 在進(jìn)行大量數(shù)據(jù)的存取時(shí), 無法高效管理磁盤的并發(fā), 處理緩存的同步, 產(chǎn)生數(shù)據(jù)處理的性能瓶頸[3].

3) 應(yīng)用缺乏實(shí)時(shí)性:分析數(shù)據(jù)多為事后處理, 無法及時(shí)反應(yīng)業(yè)務(wù)數(shù)據(jù)狀態(tài), 無法滿足財(cái)務(wù)日常管理實(shí)時(shí)性分析需求.

4) 維護(hù)成本高:面對海量數(shù)據(jù), 傳統(tǒng)經(jīng)營分析系統(tǒng)負(fù)荷急劇增加, 引發(fā)I/O性能下降, 系統(tǒng)數(shù)據(jù)處理時(shí)間變長、前端應(yīng)用訪問性能變慢等問題, 企業(yè)面臨著系統(tǒng)存儲(chǔ)容量和計(jì)算能力的長期擴(kuò)容壓力, 運(yùn)維成本及投資成本上升.

基于以上分析可以看出, 現(xiàn)有經(jīng)營分析系統(tǒng)已經(jīng)不能適應(yīng)大數(shù)據(jù)時(shí)代的企業(yè)業(yè)務(wù)發(fā)展需要, 構(gòu)建高性能、低成本的基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)勢在必行, 也是企業(yè)未來發(fā)展的趨勢.

2 系統(tǒng)建設(shè)技術(shù)路線及總體框架圖

2.1 設(shè)計(jì)思路

本系統(tǒng)的設(shè)計(jì)思路如下:系統(tǒng)硬件基礎(chǔ)平臺(tái)基于寶之云數(shù)據(jù)中心先進(jìn)的虛擬化資源分配技術(shù), 可以通過在線橫向擴(kuò)展x86計(jì)算節(jié)點(diǎn)連接成集群, 利用高可用資源調(diào)度技術(shù), 使之在集群上運(yùn)行[4], 支持高并發(fā)訪問和海量數(shù)據(jù)處理.海量數(shù)據(jù)處理工具采用基于x86平臺(tái)的MPP數(shù)據(jù)庫集群和基于x86平臺(tái)的Hadoop集群, 借助于云計(jì)算的支撐, 通過分布式框架和技術(shù),支撐海量數(shù)據(jù)處理, 把計(jì)算任務(wù)分配到要處理的數(shù)據(jù)所在的節(jié)點(diǎn)上運(yùn)行, 讓CPU盡可能處理內(nèi)存的數(shù)據(jù)或本地硬盤的數(shù)據(jù), 避免網(wǎng)絡(luò)通訊開銷, 顯著提高分布式系統(tǒng)的性能, 實(shí)現(xiàn)對海量數(shù)據(jù)的高速并行處理.應(yīng)用開發(fā)工具采用寶信信息系統(tǒng)平臺(tái)iPlat4J及寶信移動(dòng)應(yīng)用平臺(tái)iPlat4M, 他們都是基于J2EE三層架構(gòu)的技術(shù)路線, 是擁有完全自主知識(shí)產(chǎn)權(quán), 為支持企業(yè)實(shí)現(xiàn)業(yè)務(wù)流程信息化、應(yīng)用程序移動(dòng)化而構(gòu)建的完整平臺(tái)體系架構(gòu), 它通過一系列全面的服務(wù), 幫助企業(yè)快速開發(fā)應(yīng)用程序及將應(yīng)用、數(shù)據(jù)和業(yè)務(wù)流程移動(dòng)化到主流移動(dòng)設(shè)備上.

2.2 技術(shù)路線

大數(shù)據(jù)云分析平臺(tái)軟件技術(shù)架構(gòu)如圖1.

1) 數(shù)據(jù)抽取層:

數(shù)據(jù)抽取層部署IBM DataStage軟件, 完成將源數(shù)據(jù)從業(yè)務(wù)系統(tǒng)抽取至數(shù)據(jù)存儲(chǔ)層的功能.

2) 數(shù)據(jù)存儲(chǔ)層:

數(shù)據(jù)存儲(chǔ)層部署 IBM DB2 Data Warehouse 和Hadoop軟件, 組成MPP數(shù)據(jù)庫集群和Hadoop集群,對外提供數(shù)據(jù)存儲(chǔ)和大數(shù)據(jù)處理服務(wù).

3) 分析服務(wù)層:

分析服務(wù)層部署IBM Cognos BI數(shù)據(jù)分析軟件,通過軟件集群功能組成數(shù)據(jù)分析集群, 對外提供數(shù)據(jù)分析功能.

4) 元數(shù)據(jù)管理:

貫穿整個(gè)云分析平臺(tái)各層之間的元數(shù)據(jù)管理功能,安裝IBM DB2數(shù)據(jù)庫, 提供元數(shù)據(jù)管理服務(wù).

5) 信息服務(wù)層:

信息服務(wù)層采用獨(dú)立的虛擬機(jī)進(jìn)行部署, 安裝WebSphere中間件組成集群, 分別在其上部署相應(yīng)的基于寶信信息系統(tǒng)平臺(tái)iPlat4J和寶信移動(dòng)應(yīng)用平臺(tái)iPlat4M開發(fā)的信息服務(wù)應(yīng)用程序, 通過服務(wù)調(diào)用方式訪問分析服務(wù)層的服務(wù), 通過JDBC接口訪問數(shù)據(jù)存儲(chǔ)層的數(shù)據(jù).

圖1 大數(shù)據(jù)云分析平臺(tái)軟件技術(shù)架構(gòu)

2.3 系統(tǒng)總體框架圖

為滿足大數(shù)據(jù)時(shí)代企業(yè)業(yè)務(wù)發(fā)展需要, 企業(yè)經(jīng)營分析系統(tǒng)按照新一代”云平臺(tái)、服務(wù)化”架構(gòu)模式進(jìn)行架構(gòu)設(shè)計(jì), 采用分布式、大數(shù)據(jù)、云計(jì)算等新技術(shù), 構(gòu)建高性能、高可用、可擴(kuò)展的分布式應(yīng)用系統(tǒng), 基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)總體框架如圖2.

按照系統(tǒng)功能職責(zé)劃分, 基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)總體框架由數(shù)據(jù)采集云、數(shù)據(jù)存儲(chǔ)云、數(shù)據(jù)分析云三個(gè)平臺(tái)層構(gòu)成, 主要從功能分擔(dān)的角度描述構(gòu)建該系統(tǒng)所涉及到的技術(shù), 數(shù)據(jù)的流向及組織.

圖2 企業(yè)經(jīng)營分析系統(tǒng)總體框架圖

2.4 系統(tǒng)各層功能

1) 數(shù)據(jù)采集云通過云平臺(tái)ETL工具將業(yè)務(wù)系統(tǒng)原始數(shù)據(jù)抽取到數(shù)據(jù)存儲(chǔ)云中, 執(zhí)行源數(shù)據(jù)的清洗、格式轉(zhuǎn)換和合并計(jì)算等功能[5].從業(yè)務(wù)系統(tǒng)抽取原始數(shù)據(jù), 需要考慮以下因素:元數(shù)據(jù)注冊、增量抽取與加載和調(diào)度方式.

2) 數(shù)據(jù)存儲(chǔ)云主要存儲(chǔ)業(yè)務(wù)系統(tǒng)原始數(shù)據(jù)、主題明細(xì)層數(shù)據(jù)、主題匯總層數(shù)據(jù)、自助分析數(shù)據(jù).數(shù)據(jù)整合通過x86平臺(tái)的MPP數(shù)據(jù)庫集群和基于x86平臺(tái)的Hadoop集群對業(yè)務(wù)操作數(shù)據(jù)進(jìn)行清洗和一系列的轉(zhuǎn)換, 然后裝載到數(shù)據(jù)存儲(chǔ)云.數(shù)據(jù)存儲(chǔ)云按照共享、標(biāo)準(zhǔn)原則, 集中存儲(chǔ)企業(yè)集團(tuán)共享數(shù)據(jù)和標(biāo)準(zhǔn)化數(shù)據(jù), 為經(jīng)營分析系統(tǒng)應(yīng)用提供基礎(chǔ)數(shù)據(jù).

3) 數(shù)據(jù)分析云按照集團(tuán)共享分析云、標(biāo)準(zhǔn)化分析云、個(gè)性化分析云相結(jié)合的方式, 實(shí)現(xiàn)領(lǐng)導(dǎo)關(guān)注、業(yè)務(wù)分析報(bào)表體系、自助分析、數(shù)據(jù)挖掘等應(yīng)用功能,用戶借助企業(yè)WEB信息門戶、移動(dòng)信息門戶, 以可視化方式快速獲取數(shù)據(jù)信息.

3 企業(yè)經(jīng)營分析系統(tǒng)的實(shí)現(xiàn)

為應(yīng)對海量數(shù)據(jù)存儲(chǔ)、海量數(shù)據(jù)處理及滿足企業(yè)的工程、服務(wù)、研發(fā)三大板塊業(yè)務(wù)的發(fā)展需求.基于大數(shù)據(jù)云分析平臺(tái)的經(jīng)營分析系統(tǒng)跨系統(tǒng)采集業(yè)務(wù)數(shù)據(jù), 采用云ETL替代原ETL, 應(yīng)用云MPP數(shù)據(jù)庫并行架構(gòu)進(jìn)行數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)處理, 構(gòu)建共享應(yīng)用統(tǒng)一平臺(tái), 移動(dòng)應(yīng)用統(tǒng)一平臺(tái)以實(shí)現(xiàn)面向多層次、多維度、跨領(lǐng)域的信息架構(gòu), 符合企業(yè)應(yīng)用安全體系的認(rèn)證授權(quán)管理, 具體實(shí)現(xiàn)如下.

3.1 采用云ETL替代原ETL[2]

ETL即數(shù)據(jù)的抽取(Extract)、轉(zhuǎn)換(Transform)、裝載(Load), 基于大數(shù)據(jù)云分析平臺(tái)構(gòu)建企業(yè)數(shù)據(jù)統(tǒng)一采集平臺(tái), 實(shí)現(xiàn)定時(shí)抽取業(yè)務(wù)系統(tǒng)合同、項(xiàng)目、庫存、科研、固定資產(chǎn)、財(cái)務(wù)原始數(shù)據(jù)和前端應(yīng)用在線實(shí)時(shí)調(diào)用數(shù)據(jù)抽取服務(wù), 實(shí)現(xiàn)數(shù)據(jù)準(zhǔn)實(shí)時(shí)抽取采集, 如圖3.

圖3 企業(yè)數(shù)據(jù)統(tǒng)一采集平臺(tái)

1) 作業(yè)定時(shí)調(diào)度

按照業(yè)務(wù)系統(tǒng)分類, 每個(gè)系統(tǒng)創(chuàng)建Job Sequence作業(yè), 在Datastage中配置調(diào)度時(shí)間進(jìn)行調(diào)度.如圖4所示, 不同數(shù)據(jù)表之間的抽取依賴, 可以用數(shù)據(jù)庫記錄的方式, 每條數(shù)據(jù)庫記錄的數(shù)據(jù)表抽取執(zhí)行完畢后, 更新數(shù)據(jù)庫配置表的抽取時(shí)間及執(zhí)行狀態(tài).該作業(yè)最終用Sequence Job進(jìn)行調(diào)用, 實(shí)現(xiàn)數(shù)據(jù)抽取自動(dòng)化.

圖4 基于數(shù)據(jù)庫記錄方式抽取數(shù)據(jù)表

2) 實(shí)時(shí)數(shù)據(jù)抽取

創(chuàng)建 Datastage Server job 以 Service 方式發(fā)布在Server服務(wù)器上并對外提供實(shí)時(shí)數(shù)據(jù)抽取服務(wù), 用戶通過使用前端應(yīng)用功能畫面調(diào)用Server job服務(wù), 實(shí)現(xiàn)對JOB進(jìn)行控制, 執(zhí)行數(shù)據(jù)抽取作業(yè)、執(zhí)行數(shù)據(jù)整合作業(yè)并將執(zhí)行狀態(tài)寫入系統(tǒng)日志.

采用云ETL替代原ETL, 使的Datastage在從業(yè)務(wù)系統(tǒng)抽取數(shù)據(jù)至DB2數(shù)據(jù)庫時(shí), 數(shù)據(jù)加載的高效性得以充分體現(xiàn), 數(shù)據(jù)加載速度可達(dá)到1.2G每分鐘, 具體性能參數(shù)可參考表1.數(shù)據(jù)抽取性能的提升, 降低了系統(tǒng)抽取異常事件的發(fā)生, 有效的降低了系統(tǒng)運(yùn)維成本.同時(shí), 實(shí)時(shí)數(shù)據(jù)抽取功能, 解決了應(yīng)用層缺乏實(shí)時(shí)性的缺點(diǎn), 滿足了財(cái)務(wù)人員日常財(cái)務(wù)活動(dòng)分析需求.

表1 數(shù)據(jù)抽取性能參數(shù)

3.2 大規(guī)模并行數(shù)據(jù)處理

構(gòu)建基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)“混搭結(jié)構(gòu)”, 選擇基于x86平臺(tái)的MPP數(shù)據(jù)庫集群與基于x86平臺(tái)的Hadoop集群相結(jié)合的方式處理海量業(yè)務(wù)數(shù)據(jù), Hadoop成為了典型的非結(jié)構(gòu)化大數(shù)據(jù)批量處理架構(gòu), 由HDFS負(fù)責(zé)靜態(tài)數(shù)據(jù)的存儲(chǔ), 并通過MapReduce將計(jì)算邏輯分配到各數(shù)據(jù)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)計(jì)算和價(jià)值發(fā)現(xiàn)[6].使企業(yè)經(jīng)營分析系統(tǒng)具備完備的數(shù)據(jù)處理能力, 實(shí)現(xiàn)對結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的有效挖掘和分析[3].

海量結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)處理平臺(tái)部署IBM DB2 Data Warehouse 軟件, 組成 MPP 數(shù)據(jù)庫集群, 將業(yè)務(wù)系統(tǒng)合同、項(xiàng)目、庫存、科研、固定資產(chǎn)、財(cái)務(wù)數(shù)據(jù)抽取到數(shù)據(jù)存儲(chǔ)云, 創(chuàng)建數(shù)據(jù)表結(jié)構(gòu)時(shí)選擇數(shù)據(jù)分布均勻的分區(qū)主鍵, 將數(shù)據(jù)均勻分區(qū)到不同的物理節(jié)點(diǎn)上, 按照規(guī)劃的數(shù)據(jù)分析主題模型對數(shù)據(jù)分布式存儲(chǔ)和計(jì)算, 然后把各節(jié)點(diǎn)計(jì)算的結(jié)果匯總[7], 以滿足企業(yè)對海量結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)處理需求, 基于大數(shù)據(jù)云分析平臺(tái)的分布式數(shù)據(jù)處理, 充分發(fā)揮了MPP集群海量數(shù)據(jù)處理優(yōu)勢, 通過主題作業(yè)性能測試, 主題作業(yè)執(zhí)行效率比傳統(tǒng)平臺(tái)快6倍以上, 批次作業(yè)執(zhí)行性能參考數(shù)據(jù)如表3所示, 數(shù)據(jù)處理效率的提升減少了作業(yè)執(zhí)行時(shí)間, 前端應(yīng)用響應(yīng)時(shí)間控制在3秒以內(nèi), 有效的保證了系統(tǒng)的可用性, 提高了用戶的滿意度.

表2 測試環(huán)境及配置

表3 數(shù)據(jù)處理性能參考數(shù)據(jù)

海量非結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)處理平臺(tái)部署Hadoop軟件, 組成 Hadoop 集群, 它可利用集群資源, 以高并行度處理用戶上網(wǎng)日志、網(wǎng)頁爬蟲、網(wǎng)頁分析等文件數(shù)據(jù),并將處理后的結(jié)果按照結(jié)構(gòu)化格式回寫到MPP數(shù)據(jù)庫, 滿足企業(yè)對海量非結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)處理需求.

3.3 共享應(yīng)用統(tǒng)一平臺(tái)

為了支撐企業(yè)的工程、服務(wù)、研發(fā)三大板塊業(yè)務(wù)的發(fā)展, 基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)以合同、項(xiàng)目為主線的數(shù)據(jù)分析體系, 實(shí)現(xiàn)營銷合同、項(xiàng)目過程管理、采購合同、項(xiàng)目核算跟蹤分析, 并實(shí)現(xiàn)業(yè)務(wù)與財(cái)務(wù)的數(shù)據(jù)貫通、信息共享需求, 功能架構(gòu)如圖5.

圖5 系統(tǒng)功能架構(gòu)

1) 領(lǐng)導(dǎo)關(guān)注

基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)領(lǐng)導(dǎo)關(guān)注模塊, 將企業(yè)領(lǐng)導(dǎo)關(guān)注的主營收入、利潤、可控費(fèi)用、新簽合同、新簽毛利、應(yīng)收賬款、尚未確認(rèn)收入、項(xiàng)目狀態(tài)、資金占用等關(guān)鍵指標(biāo), 納入企業(yè)核心監(jiān)控指標(biāo)體系.采用可視化技術(shù)將指標(biāo)以更直觀的方式呈現(xiàn)給領(lǐng)導(dǎo), 為企業(yè)經(jīng)營管理決策服務(wù), 如圖6.

2) 報(bào)表體系

基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)以財(cái)務(wù)為中心, 以業(yè)務(wù)為驅(qū)動(dòng), 以營銷、工程、服務(wù)、采購管理一體化為核心, 以合同、項(xiàng)目為主線, 構(gòu)建企業(yè)級報(bào)表分析體系.通過業(yè)務(wù)和財(cái)務(wù)的數(shù)據(jù)貫通, 實(shí)現(xiàn)業(yè)務(wù)與財(cái)務(wù)活動(dòng)的雙向跟蹤分析, 提升業(yè)務(wù)管理水平的同時(shí), 也有力的支撐了財(cái)務(wù)管理的核心內(nèi)容.同時(shí)根據(jù)不同類型項(xiàng)目特點(diǎn), 實(shí)現(xiàn)項(xiàng)目過程精細(xì)化管理.

企業(yè)經(jīng)營分析系統(tǒng)報(bào)表數(shù)據(jù)模型開發(fā)工具采用Cognos FrameWork Manager, 它可以連接數(shù)據(jù)存儲(chǔ)云數(shù)據(jù)庫, 對業(yè)務(wù)數(shù)據(jù)分析模型進(jìn)行建模, 為Cognos報(bào)表、多維分析等應(yīng)用提供統(tǒng)一的數(shù)據(jù)視圖, 并將生成的元數(shù)據(jù)包發(fā)布到Cognos服務(wù)器上.報(bào)表開發(fā)工具采用 Cognos Report Studio, 在已發(fā)布的元數(shù)據(jù)包的基礎(chǔ)上, 開發(fā)固定報(bào)表、交互報(bào)表、交叉報(bào)表、多維分析等, Cognos報(bào)表樣例如圖7所示.

圖6 領(lǐng)導(dǎo)關(guān)注

3) 自助分析

部分用戶由于自身業(yè)務(wù)的需要必須對數(shù)據(jù)進(jìn)行更深入、全面的研究和分析, 因此, 需要在現(xiàn)有固定報(bào)表的基礎(chǔ)上進(jìn)行個(gè)性化的分析, 自助分析就是為了滿足用戶個(gè)性化分析的需求.基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)自助分析工具采用基于寶信信息系統(tǒng)平臺(tái)iPlat4J開發(fā)的自助分析應(yīng)用, 完成多維數(shù)據(jù)計(jì)算,自行開發(fā)多維數(shù)據(jù)分析功能[8].自助分析應(yīng)用可以將存儲(chǔ)云作為數(shù)據(jù)源, 用戶通過各種拖拽式操作, 設(shè)置統(tǒng)計(jì)維度、指標(biāo)及篩選條件, 并按照用戶設(shè)置的報(bào)表樣式(如:表格、餅圖、柱形圖、折線圖)生成自定義報(bào)表,以滿足用戶個(gè)性化需求.同時(shí), 系統(tǒng)開發(fā)人員由全程定制報(bào)表, 轉(zhuǎn)向?qū)Ｗ⒂诤笈_(tái)數(shù)據(jù)準(zhǔn)備工作, 按照業(yè)務(wù)主題組織好業(yè)務(wù)數(shù)據(jù)并將數(shù)據(jù)表權(quán)限開放給用戶, 由用戶主導(dǎo)按需定制報(bào)表, 如圖8所示.

3.4 移動(dòng)應(yīng)用統(tǒng)一平臺(tái)

基于大數(shù)據(jù)云分析平臺(tái)的移動(dòng)應(yīng)用統(tǒng)一平臺(tái)對經(jīng)營分析系統(tǒng)部分報(bào)表功能進(jìn)行了移動(dòng)化擴(kuò)展, 目前功能包括新簽合同完成情況(按營銷部門)、新簽合同完成情況(按工程部門)、項(xiàng)目收款跟蹤分析等功能.移動(dòng)應(yīng)用功能上線后, 進(jìn)一步提升了企業(yè)協(xié)同辦公能力.

移動(dòng)應(yīng)用統(tǒng)一平臺(tái)基于寶信移動(dòng)應(yīng)用平臺(tái)iPlat4M開發(fā)移動(dòng)報(bào)表, iPlat4M是位于移動(dòng)終端系統(tǒng)平臺(tái)與企業(yè)應(yīng)用系統(tǒng)之間的中間層, 它提供后端業(yè)務(wù)系統(tǒng)快速集成、多種前端平臺(tái)覆蓋和網(wǎng)絡(luò)通訊適配等服務(wù), 支持 iPad、iPhone、Android 智能手機(jī), 在實(shí)現(xiàn)簡潔高效、互聯(lián)互通、資源共享的同時(shí), 滿足企業(yè)在數(shù)據(jù)分析、授權(quán)管控等方面移動(dòng)化擴(kuò)展的要求.移動(dòng)應(yīng)用統(tǒng)一平臺(tái)采用HTML5開發(fā)框架, 支持使用HTML、CSS和JavaScript構(gòu)建前端移動(dòng)報(bào)表應(yīng)用.用戶通過安裝在移動(dòng)終端上的基座程序統(tǒng)一訪問移動(dòng)分析應(yīng)用, 移動(dòng)應(yīng)用門戶如圖9所示.

圖7 Cognos 報(bào)表樣例

圖8 自助分析工具

3.5 統(tǒng)一身份認(rèn)證管理系統(tǒng)

為了滿足企業(yè)對使用業(yè)務(wù)數(shù)據(jù)安全管理的要求,在企業(yè)級層面建立了一套統(tǒng)一認(rèn)證管理系統(tǒng), 負(fù)責(zé)對企業(yè)內(nèi)所有業(yè)務(wù)系統(tǒng)提供實(shí)時(shí)在線用戶身份認(rèn)證服務(wù)[9],實(shí)現(xiàn)了用戶采用一套用戶名和密碼即可訪問不同應(yīng)用系統(tǒng)的效果, 統(tǒng)一身份認(rèn)證管理系統(tǒng)如圖10所示.

寶信信息系統(tǒng)平臺(tái)iPlat4J平臺(tái)組件ePass企業(yè)認(rèn)證和授權(quán)管理產(chǎn)品, 實(shí)現(xiàn)了與 IBM Cognos BI數(shù)據(jù)分析軟件的數(shù)據(jù)管理產(chǎn)品的認(rèn)證、授權(quán)的集成, 基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)基于統(tǒng)一的用戶授權(quán)管理界面, 對系統(tǒng)功能、數(shù)據(jù)資源進(jìn)行授權(quán)和管理, 用戶登錄進(jìn)系統(tǒng)后, 獲取登錄用戶擁有的角色, 按照角色檢核用戶資源操作權(quán)限并進(jìn)行權(quán)限控制.

圖9 移動(dòng)應(yīng)用統(tǒng)一平臺(tái)

圖10 統(tǒng)一身份認(rèn)證管理系統(tǒng)

4 企業(yè)經(jīng)營分析系統(tǒng)運(yùn)行效果

基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng), 遵循”整體規(guī)劃、分步實(shí)施” 的策略, 于2013年投入使用, 2016年全面建成, 系統(tǒng)的廣泛應(yīng)用, 取得了以下效果:

1) 跨系統(tǒng)采集、管理、分析合同、項(xiàng)目、采購、資產(chǎn)、財(cái)務(wù)業(yè)務(wù)數(shù)據(jù), 提供面向業(yè)務(wù)主題的多層次、多方面、多維度信息架構(gòu), 全面支撐企業(yè)各個(gè)層面的經(jīng)營決策.

2) 靈活的混合平臺(tái)架構(gòu)既支持傳統(tǒng)數(shù)據(jù)分析也支持大數(shù)據(jù)分析.具備高效快速的海量數(shù)據(jù)存儲(chǔ)和大數(shù)據(jù)處理能力, 解決了系統(tǒng)性能瓶頸問題, 提升了作業(yè)執(zhí)行效率, 降低了企業(yè)運(yùn)維成本.

3) 實(shí)時(shí)數(shù)據(jù)抽取功能, 變離線分析為在線分析, 解決了應(yīng)用層缺乏實(shí)時(shí)性的缺點(diǎn), 滿足了財(cái)務(wù)人員日常財(cái)務(wù)活動(dòng)分析需求.

4) 企業(yè)在報(bào)表功能、授權(quán)管控等方面實(shí)現(xiàn)了移動(dòng)化擴(kuò)展的要求, 用戶可以通過主流移動(dòng)化設(shè)備訪問報(bào)表數(shù)據(jù)并跨地域辦公, 進(jìn)一步提升了企業(yè)在線協(xié)同辦公能力.

5) 數(shù)據(jù)安全管理方面實(shí)現(xiàn)了統(tǒng)一認(rèn)證管理系統(tǒng),用戶采用一套用戶名和密碼即可訪問不同應(yīng)用系統(tǒng)的效果, 實(shí)現(xiàn)了企業(yè)多系統(tǒng)的集成和單點(diǎn)登錄效果.

5 小結(jié)

為應(yīng)對海量數(shù)據(jù)存儲(chǔ)、海量數(shù)據(jù)處理及支撐企業(yè)

工程、服務(wù)、研發(fā)三大板塊業(yè)務(wù)發(fā)展需求的背景下, 設(shè)計(jì)并構(gòu)建了基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng).本文重點(diǎn)介紹了該系統(tǒng)的建設(shè)技術(shù)路線、總體框架圖、系統(tǒng)實(shí)現(xiàn)及應(yīng)用效果.基于大數(shù)據(jù)云分析平臺(tái)的企業(yè)經(jīng)營分析系統(tǒng)的應(yīng)用, 滿足了用戶日常業(yè)務(wù)數(shù)據(jù)分析、信息共享和業(yè)務(wù)協(xié)同需求, 支持企業(yè)績效評估、經(jīng)營分析、經(jīng)營決策、戰(zhàn)略設(shè)計(jì)以及各部門的業(yè)務(wù)運(yùn)作優(yōu)化等.在后期的系統(tǒng)建設(shè)方面我們還要結(jié)合用戶的使用效果, 繼續(xù)加強(qiáng)應(yīng)用深度和應(yīng)用廣度兩個(gè)方面的拓展.從未來的發(fā)展看, 大數(shù)據(jù)資產(chǎn)對企業(yè)業(yè)務(wù)發(fā)展越來越重要, 與第三方企業(yè)合作, 構(gòu)建大數(shù)據(jù)生態(tài)體系和能力開放平臺(tái)的數(shù)據(jù)租賃、數(shù)據(jù)分析、數(shù)據(jù)分享服務(wù)等將是下階段的研究方向.