hy590cc海洋之神_海洋之神590线路检测中心

在确保数据安全的前提下,利用编织技术实现数字资源最大程度开放,促进数据关联应用,激发数据生产要素对经济社会的放大、叠加、倍增作用。

数字资源编织引擎

更及时的业务协作响应  timely:

通过将现有的数据、数据能力、应用程序进行自动化关联、编排,并创建全域数据的单一视图(catalog),从而支持跨业务数据的即时有效访问,实现业务间有效协作, 创建和维护业务的竞争优势。

更可控的部署性成本 controlled:

虚拟数据集成技术的应用,无需不断搭建数据湖仓,减少了数据复制、转移的次数和数量,较少的数据版本,降低了数据质量的风险和运维成本,也节省了计算和存储以及ETL工程师的开销。更低的成本和实施风险。

更安全的数据及合规环境  safe:

可以实现自动治理、数据保护和安全保障。其为所有的数据计划建立分布式的数据治理层,减少合规性和监管风险,以及在平台安全能力下防止数据泄露。通过AI能力提升自动化水平,使得业务可以在几分钟内发现并应用数据治理规则,避免产生不良社会影响或高昂的罚款,确保所有的数据都能以合规的方式进行存储和使用。

更敏锐的业务洞察力  sharp:

数字资源编织能够更容易获得高质量数字资源,从而能更快更精确的获得业务洞察能力。其融合多种数据来源,建设可扩展的、知识图谱驱动的数据模型,使得每个数据资产的所有上下文都可以机器可理解的形式进行使用和呈现,帮助决策者和算法做出更优的决策,同时降低数据被滥用或者误解的可能性和风险。

更有效的消除孤岛

通过数据联邦、数据虚拟化、语义丰富、基于AI的主动元数据、知识图谱以及图存储等数据技术,进行数据的连接、跨数据源的访问和数据交付,从而减少数据孤岛,尤其是数据虚拟化技术在计算层而非存储层进行数据连接,

 

智能数据编织引擎 BranDEngine

 

 

BranDEngine利用数据编织技术提供一种统一的数据管理方法,能够将来自跨云、跨系统、跨场景等任何地方的数字资源进行集成,并通过NLP和知识图谱以灵活且业务可理解的方式实时高质量自动的交付给正确的数据消费者,最终实现数据找人,让业务专家关注在业务部分,数据工程师建模的工作由AI自助工具来完成——这种模式,可以满足实时、多维度、跨平台跨场景、高质量、隐私保护的数据需求。

 

核心框架——“聚、力、智、管、用”10大技术域加持实现数据编织到数字资源编织的跨越

 

 

 

资源域: 在资源域中,我们会先定义数字资源的类型。数字资源包括数据、应用、服务、算法、RPA、设备、算力、流程、文件等。

集成域: 通过各类数字资源的连接器把数字资源集成进来,可以是物理集成也可以是虚拟化集成,利用对数字资源的再描述,完成了数字资源的连接。可以实现数字资源的可发现、可识别、可使用、可管理。不再花费大量时间精力在数字资源的集成、存储、传输、处理的技术细节上。从此,数据集成变得如此简单!

 

数据域: 数据域用于存储数字资源、关联和集成后的数字资源、开发后的数字资源以及反向集成后的数字资源。实现算存分离并且提供包括数据存储、数据计算、数据编排、数据虚拟化、联邦查询、数据共享等技术能力

基础域:基于云原生的技术底座,提供底层服务、统一开发规范、通用中间件。

 

治理域: 可以利用主数据治理、元数据治理、数据目录、增强数据目录、数据血缘、数据标准、数据质量、主动元数据、数据发现、资源图谱等方式对数字资源进行治理。站在行业的维度,实现对数字资源的标准化、流程化管控

开发域: 在开发域中,使用连接器已集成的数字资源可以作为开发的原料进行开发,其中包括服务开发、应用开发、算法开发、集成开发、数据开发、流程开发等编织引擎能力。一站式数字资源开发 ,一站式数字资源开发

 

管理域: 在管理域中,集成域中的集成过程和成果、开发域中的开发过程和成果、治理域中的治理过程和成果、数据域中的数字资源都会被纳管。管理人员可以在管理域中查看、管理、审计数字资源及其利用情况。管理域中的模块有规则管理、资源编目、管控处置。

运营域: 在运营域中,数字资源会得到运营人员的针对性运营。运营域中的模块包括交易集市、多维分析、帮助中心。经过合理和有效的运营,对数字资源的效能挖掘水平会提升,从而让数字资源发挥更大的价值。

 

反向集成域: 经过开发后的数字资源会通过反向集成的方式透出输出到应用域。反向集成域中用到的技术包括反向连接器、身份认证、安全管控。 实现编织和运营能力的赋能

应用域:反向集成过来的数字资源可以直接使用在各类应用中,比如驾驶舱、APP、DAAS等。应用域作为直面终端用户的域,数字资源编织的成果大多在这里呈现给用户。

 

核心价值

 

更快的适应业务

提供了一个动态的、可查询的数据能力,从多个数据来源进行数据的收集和分析,且可以充分复用数据模型(之前需要依赖创建新的数据模型和数据转移复制来支持新的业务需求),因此可以快速回答和解决新的问题和诉求。