在數字時代，您選擇的大資料分析平臺必須滿足非常廣泛的需求。HPE總結了大資料分析平臺必須提供的六大功能，滿足您對當前及未來的需求，提高您的競爭地位，實現卓越的業務成果。

　　一、它必須容納海量資料

　　如果大資料分析平臺無法擴充套件以儲存或管理海量資料，那麼僅僅提高速度所帶來的作用相當有限。大資料分析平臺必須能夠容納海量資料。

　　大規模並行處理是用於擴充套件分析處理的理想技術，因為它同時利用計算機群集的儲存和計算能力。它不僅在效能上有所擴充套件，而且其處理傳入的大量資料流的能力也相應提高。

　　此外，被設計為用於處理結構化資料的大資料平臺使用MPP，可進一步加速處理操作，這是因為已針對分析程式優化了結構化資料，並減少了回答查詢所需執行的搜尋量。結構化資料庫能夠更好地瞭解資料在資料海洋中的位置，並且可以精確地存取資料。

　　一般來說，非結構化資料庫難以擴充套件到採用列式設計的結構化資料庫所能達到的級別。但是，大資料分析平臺可能整合有能夠提高非結構化資料庫的可擴充套件性和效能的功能。

　　二、它必須非常快

　　簡單來說，數字時代下，使用者不希望在執行查詢時長時間地等待結果。他們期望即時得到滿足，獲得即時結果，而對其他工作負載沒有影響。這意味著大資料分析平臺必須增強現有應用程式的效能，允許您開發具有挑戰性的新分析方法，並提供合理、可預測和經濟的橫向擴充套件策略。

　　從技術角度來看，要滿足這些期望，必須結合列式資料庫架構(相對於基於行的非並行處理傳統資料庫)和使用大規模並行處理技術或者說MPP。

　　理由在於：列式設計可最大限度地減少I/O爭用，後者是導致分析處理發生延遲的主要原因。列式設計還可提供極高的壓縮率，相比於行式資料庫，通常可將壓縮率提高四倍或五倍。MPP資料倉庫通常按比例線性擴充套件，這意味著如果您將雙節點MPP倉庫的空間翻倍，那麼可有效將其效能提高一倍。

　　列式設計和MPP的結合不僅能夠大幅提高效能(通常約100到1000倍)，還可以實現更低且更透明的定價機制，例如針對每TB的模型而非傳統的針對每處理器、每節點、每使用者的定價方案。最終結果：效能呈指數級增長，同時大資料分析處理過程的總成本大幅降低。

　　(大資料分析平臺主要功能的採用率：Aberdeen Group)

　　三、它必須相容傳統工具

　　如果您的大資料分析平臺依賴於“提取、轉換、載入”(ETL)工具(如Attunity、Informatica、Syncsort、Talend或Pentaho)或基於SQL的視覺化工具(如Logi Analytics、Looker、MicroStrategy、Qlik、Tableau和Talena），請確保該平臺已經過認證，可與所有這些工具而不僅僅是主要供應商的工具搭配使用。此外，確保您使用的所有工具和擴充套件技術符合最新版本的ANSI SQL標準(SQL2011)。

　　四、它應利用Hadoop並增加Hadoop的價值

　　Hadoop是由Apache Software Foundation管理的開源軟體平臺，已經成為大資料分析領域中的主要平臺。許多資料庫專業人員將Hadoop評估為可解決其原資料倉庫系統中存在的分析限制的潛在解決方案。遺憾的是，他們通常會發現，相對於基於MPP的列式大資料分析平臺，Hadoop在即時查詢和SQL分析方面的效能嚴重不足。此外，為了支援Hadoop上的資料倉庫工作負載，必須開發新技術和獲得新軟體，並且在許多情況下還需要僱傭新的人員。

　　另一方面，Hadoop在資料分析處理中也提供了少數幾個明顯的優勢。由於它是資料湖，可在一個位置儲存資料，從而節約成本。它提供了暖儲存和冷儲存，這種低成本儲存可儲存可能會用到的資料，但並不儲存日常分析所使用的熱資料。它可提供資料發現功能，幫助您瞭解資料是否具有商業價值。

　　透過ETL工具，它可以在資料進入到組織時聚合或整理資料。如上所述，可以在Hadoop中經濟高效地放置、儲存和處理結構化、半結構化和多重結構化的資料。在採用關係資料庫時，情況則並非如此。需要的是這兩種方式的優點的組合：一種利用Hadoop的優勢而不會導致效能下降和潛在Hadoop服務中斷的方法。

　　因此，需尋求一種符合以下條件的大資料分析平臺：可利用Hadoop作為用於永續性和輕量型資料管理的高效益平臺，並且可同時加快傳統型資料倉庫工作負載和高階分析程式的速度。

　　五、它必須為資料科學家提供支援

　　資料科學家在企業IT中擁有著更高的影響力和重要性，因此大資料分析平臺應在下述兩個關鍵方面支援資料科學家。首先，新一代資料科學家採用Java、Python和R等工具來執行預測式分析。底層分析資料庫應支援和加速創新型預測分析的建立過程。

　　其次，此平臺應有助於將資料科學家的工作與業務目標聯絡起來。如今，資料科學家的角色常常從統計學家演變而來，後者相對而言更具學術意味，而且通常並不熟悉宏觀業務目標。在某些情況下，會導致資料科學家得出的結論可能不完整、不準確或與業務成果無關。同時，商業人士常常樂於讓統計學家在封閉的環境中工作，只在需要他們支招時才去找他們。

　　快速、高效、易於使用和廣泛部署的大資料分析平臺可以幫助拉近商業人士和技術專家之間的距離。

　　六、它應提供高階分析功能

　　根據您的特定使用情況，可能有必要深入檢視由大資料分析引擎提供的內建SQL分析功能。您必須從底層檢視，以瞭解究竟提供了何種SQL分析，而不用對該資料執行分析。例如，如果要對從裝置獲得的資料執行分析(如在物聯網中)，則需要諸如“時間序列分析”和“差距分析”等分析功能。如果沒有這些功能，您可能需要花費時間整理資料或編寫自定義程式碼。

　　此外，對於許多組織而言，執行預測分析的能力正變得越來越重要。確保大資料分析平臺不僅支援您在數秒鐘內準備並載入資料，還支援您利用高階演算法建立預測模型，輕鬆部署模型以進行資料庫內計分。這些功能和其他功能將使您能夠加速大規模機器學習、統計分析和圖形處理，同時使資料科學家能夠使用現有統計軟體包和首選語言。

大資料分析廠商奧威軟體潛心研發18個月，採用最新的前後端技術，終於推出了全新的跨平臺大資料視覺化分析平臺——OurwayBI。新產品將以公司名稱直接命名，邁出了奧威軟體全新品牌市場戰略的第一步！

奧威軟體從成立之初，就以普及企業商業智慧應用為己任，11年來，不忘初心，砥礪前行，不斷打磨產品，讓產品變得更快、更強、更酷！

更快：技術更先進，操作更容易上手

更強：記憶體計算能力，更強大

更酷：介面更美觀，效果更酷炫

1技術更先進：node.js VS Java EE

許多廠商服務端都採用java技術棧，而OurwayBI則採用Node.js。Node.js是一個Javascript執行環境(runtime)，它實際上是對Google V8引擎進行了封裝。V8引擎執行Javascript的速度非常快，效能非常好。

首先，Node.js是一個基於Chrome JavaScript執行時建立的平臺， 用於方便地搭建響應速度快、易於擴充套件的網路應用。Node.js 使用事件驅動，非阻塞I/O 模型而得以輕量和高效，非常適合在分散式裝置上執行資料密集型的實時應用。根據權威機構測試發現，Node.js併發處理能力比Java EE快20%。

其次，從開發程式碼來講，Node.js天然非同步IO可以快速寫出非同步高效讀取io的程式碼，從產品層面進行高併發最佳化，同時硬體及網路環境也可以同步進行最佳化，如資料庫叢集部署、專線網路等等。

2效能更快

2.1 基於時間序列的記憶體計算技術：利用基於時間序列的記憶體計算技術，減少與資料庫的互動，可大大提升效率，如：預設同比、環比、累計、佔比、累計佔比、排名等統計分析方式，一鍵即可生成。以往在實現上述統計分析聚合時，都需要IT寫繁瑣的存貯過程，或者需要將所有參與計算的行/列都顯示出來，才能進行計算。如同比環比，本系統首先自動識別時間列，將時間列自動分解為常用分析的粒度，如年、半年、季度、月、周、日等不同的維度；然後根據同比環比計算的週期，自動更換時間條件，在記憶體中操作資料，從而實現高效的記憶體式計算。

2.2 定時快照與基於機器學習的智慧快取： 雖然基於記憶體計算可以實現高效計算，但是，因為其通常需要載入明細的內容到記憶體當中，所以，不但載入的時間會很長，而且，記憶體資源是有限的，所以，OurwayBI綜合考慮了使用者瀏覽報表的行為，加入了人工智慧的智慧快取技術與定時快照技術，可以使絕大多數使用者在絕大多數操作下，獲得秒開的極佳操作體驗。

3更敏捷

3.1 操作指引更易上手： OurwayBI為了讓使用者不進行任何培訓即可掌握常用操作，設定了操作指引，智慧引導使用者逐步掌握基本操作及各項技巧。更重要的是，該操作指引使用者是可以自行維護的。

3.2 完全可以觸控的大資料視覺化分析平臺： 目前平板或觸屏的使用頻率越來越高，OurwayBI針對這些應用場景做了特別最佳化，使之獲得極佳的操作體驗，不但在ipad上透過手指也能設計儀表盤，而且，開會時可透過觸控式螢幕獲得極佳的會議體驗。

4更酷

4.1 UI最佳化：整個產品的UI進行了大量細節最佳化，以增加使用者的美觀要求與使用體驗。

4.2 更炫酷的大屏效果：

5更強大的記憶體計算能力

5.1 記憶體OLAP VS 傳統OLAP：傳統OLAP技術，它的優勢就是在大資料量、複雜計算情況下，可以用低成本的方式獲得高效能的計算能力。而它的劣勢也非常明顯，就是模型需要預設，且實時性不高，隨著敏捷BI的深入人心，如何發揮傳統OLAP技術的優勢，又能彌補其劣勢呢？OurwayBI獨創的記憶體OLAP則很好的解決了這個問題。它僅需要建立一個動態檢視即可以完成分析模型的建立，而所有OLAP強大的計算能力，則透過記憶體計算來完成。

5.2 奧威記憶體OLAP強大的計算能力：

1）餘額計算：在企業計算需求中，有一種特殊的聚合稱之為餘額（包括期初/期末）。比如財務分析中的科目餘額，應收或存貨中的期末餘額都類似。它是根據篩選的時間來尋找最後一個時間的值。比如按年看，則需要得到當年第1天的期初作為年初餘額，且需要得到當年最後一天的期末作為年末餘額。同理，按半年、季度、月或周等不同的時間來看，餘額的計算都是不同的。

2）複雜多層巢狀聚合：如上年收入是記憶體計算得到的結果，可以在該欄位的基礎上，再進行佔比的計算，這樣，就可以輕鬆得到本期收入、本期收入佔比、上年收入、上年收入佔比、同期佔比差異。

3）父子維度：父子維度是非常常見的應用，如省-市-縣，或大類-中類-小類。父子維度在實際應用場景中非常複雜，如層級不同，像財務中最為常見科目就是這樣，有的科目有三級，有的有四級甚至更多級別。此時，如果我們需要一個層層展開的科目餘額表怎麼辦？透過OurwayBI的父子維度即可輕鬆實現。

4）行計算：自定義公式大家一般想到的是列計算，如收入-成本=利潤，但存在一種更為複雜的分析需求，需要用到行計算，如資產負債表或利潤表。其中利潤表中，主營業務利潤=主營業務收入-主營業務成本-主營業務稅金及附加。或者資產負債率=負債總計/資產總計等。如果透過ETL在後臺進行計算當然也可以實現，但對於普通的使用者來說就會變得異常困難。而OurwayBI的行計算，可讓使用者直接在前端輕鬆的設定公式並完成計算。

廣州思邁特軟體有限公司（以下簡稱思邁特軟體）成立於 2011 年11月14日，堅持以“讓資料為客戶創造價值”為願景，致力於為企業客戶提供一站式商業智慧解決方案——“更聰明的大資料分析軟體，快速挖掘企業資料價值”！

思邁特軟體是國家認定的“高新技術企業”，廣東省認定的“大資料培育企業”，專注於商業智慧(BI)與大資料分析軟體產品與服務，先後獲得“大資料百強企業”、“中國十佳商業智慧方案商”、“中國科技創新企業100強”等多項榮譽資質。在企業進入資料化和智慧化的大趨勢之下，思邁特軟體作為行業內最早專注於企業資料化和智慧化的產品公司，在眾多的客戶中獲得了很好的口碑，並獲得了投資機構的青睞，於2019年10月完成B輪1.25億融資。

公司核心產品“思邁特商業智慧與大資料分析軟體”（簡稱：Smartbi）是企業級商業智慧和大資料分析平臺，經過多年的持續發展，整合了各行業的資料分析和決策支援的功能需求。Smartbi滿足終端使用者在企業級報表、資料視覺化分析、自助探索分析、資料探勘建模、AI智慧分析等大資料分析需求。

思邁特軟體致力於打造產品銷售、產品整合、產品應用的生態系統，與上下游廠商、專業實施夥伴和銷售渠道夥伴共同為終端使用者服務，經過十餘年的發展，Smartbi已在金融、電信、政府、製造等行業獲得超3000家領先客戶認可。在全球財富500強的10家國內銀行，有8家選用了Smartbi。Smartbi產品廣泛應用於領導駕駛艙、KPI監控看板、財務分析、銷售分析、市場分析、生產分析、供應鏈分析、風險分析、質量分析、客戶細分、精準營銷等管理領域。

思邁特軟體在北京、上海、天津、武漢、成都、西安、廈門等地設有分支機構，對本地使用者進行支援服務！此外，線上開放提供的文件服務日均訪問量超過萬次；線上開放提供的技術交流社群日均線上超過千人。