本篇報告共?50?頁，為保障社群會員權益，僅展示前?25?頁；成為會員后可無限制下載原報告與歷史更新報告，日更新100+。

這是全行業(yè)報告圈的第1193期分享

來源?/ 藝恩

本篇摘要

行業(yè)界定：大數(shù)據(jù)分析平臺逐漸由產(chǎn)品態(tài)轉向集成態(tài)，行業(yè)邊界模糊。

在技術架構上，主要包含數(shù)據(jù)采集與存儲、計算、分析與決策三個層級。

在OLAP之上融合了深度學習等技術，在提升數(shù)據(jù)分析深度和廣度的同時，也極大增加了數(shù)據(jù)服務在業(yè)務側的低門檻和友好性，滿足用戶運用數(shù)據(jù)分析驅動業(yè)務發(fā)展的需求。

市場情況：盡管行業(yè)邊界泛化，市場參與者眾多，但按照部署模式、架構分類及能力補給。

可分為以下五類：1）以云上數(shù)據(jù)湖方案為主的公有云廠商；2）以本地化大數(shù)據(jù)分析平臺為主的傳統(tǒng)軟件服務商；3）提供輕量化數(shù)倉架構的數(shù)據(jù)庫/數(shù)倉廠商；4）為數(shù)據(jù)應用層提供服務能力的軟件供應商；5）提升數(shù)據(jù)應用能力的人工智能廠商。行業(yè)市場整體呈現(xiàn)競合狀態(tài)。

架構選型：搭建平臺前用戶首先需要明確自身的數(shù)據(jù)體量和業(yè)務場景需求。

在明確大數(shù)據(jù)分析平臺需要具備的基本功能后，再決定平臺搭建過程中使用的大數(shù)據(jù)處理框架和工具。在分層架構中，數(shù)據(jù)分析層的組件選型和整體搭建十分關鍵，尤其是存儲引擎的選型直接決定了離線、在線、實時三大場景的支撐和算力效率的高低。

趨勢洞察：傳統(tǒng)架構下的湖倉分體引發(fā)數(shù)據(jù)孤島，造成實施、運維和成本問題。

湖倉一體架構在數(shù)據(jù)和查詢層面形成一體化架構，突破實時性和并發(fā)度、集群規(guī)模受限、非結構化數(shù)據(jù)無法整合、建模路徑冗長、數(shù)據(jù)一致性弱等瓶頸。同時，平臺融合AI自主學習和自適應能力，增強用數(shù)人員的分析和決策能力。

報告前25頁預覽

篇幅有限，以上為本篇部分內(nèi)容，喜歡本期內(nèi)容可以點贊評論

免責聲明

本平臺只做內(nèi)容的收集及分享，報告版權歸原撰寫發(fā)布機構所有，由全行業(yè)報告圈社群朋友通過公開合法渠道獲得，如涉及侵權，請聯(lián)系我們刪除；如對報告內(nèi)容存疑，請與撰寫、發(fā)布機構聯(lián)系。?