11136
29
華為企業
華為創新的SSD高速存储卡，使一體機IO性能提升了5倍，僅系统硬件就幫助北大重點實驗節省投資60%，一體機方案優勢明顯。更重要的是，通過使用華為高性能服務器RH5885 V2的HANA一體機，優越的性能帮助我们的研究取得事半功倍的效果，并在智能化大數據領域的研究始终走在國内的最前沿。”
---- 北大信息学院重點實驗室負責人
數據從簡單的處理對象開始轉變為一種基礎性資源，如何更好的管理和利用大數據已經成為普遍關註的話題。大數據的規模效應給數據存儲、管理以及數據分析帶來了極大的挑戰，數據的覆雜性在不斷提高，包含大量的非結構化數據，而如何輕松處理和分析PB級的新數據，卻不用擔心建立覆雜的分布式存儲和計算集群，並能夠隨著需求的增加及時擴容，是業界的一大挑戰。
北大信息學院作為國內頂尖的研究機構，擁有眾多重點實驗室和雄厚的師資力量，大數據研究這一挑戰性課題就由信息學院承擔。同時，北大信息學院也是SAP首選的國內HANA ISV合作夥伴，主要面向國內政府和公共事業用戶。例如，如何利用大數據解決交通運輸、城市規劃、衛生、財政和教育等現實中不同領域的問題，以及如何通過大數據建立分析模型，來預測傳染病的傳播或進行輿情分析等研究方向。
https://e.huawei.com/cn/case-studies/cn/older/hw_401703
大數據在企業的成功例子
一、 Google的數據中心
Google已經創建了世界最快、最高質量的數據中心。其8個主要的數據中心分別位於美國南卡羅來納州的柏克利郡、愛荷華州的康瑟爾布拉夫斯、喬治亞州的道格拉斯郡、俄克拉荷馬州的梅斯郡、北卡羅萊納州的勒努瓦、俄勒岡州的達爾斯、芬蘭的哈米納和比利時的聖吉斯蘭。
Google並在香港、台灣、新加坡及智利建造了數據中心。
二、 Google 大數據分析核心技術
Google是GFS MapReduce BigTable的創造者，但Google新一代搜索影情逐漸用更強的計算能力系統替換原先的系統。
- 因為Percolator的增量處理系統速度較原先的MapReduce的批處理 系統快，此系統被稱為Caffeine。
- 專為BigTable設計的分布式存儲Colossus，也被稱為GFS2。
- 列存儲數據庫BigTable，Google推出了Dremel和PowerDrill。Dremel作用為管理極大量的大數據集，而PowrDrill作為分析少量的大數據集(數據集較少)。
- Google Instant提供服務的時時搜索引擎存儲含分析架構。
- Pregel是Google更快捷的網路和圖算法。
三、 Google基礎雲服務
基於Colossus，Google位用戶提供計算存儲和應用的雲端服務。計算服務包括計算的引擎和應用APP的引擎；存儲服務包括雲存儲、永久磁盤等服務。
四、 Google大數據智能應用
Google提供的大數據分析智能應用包括客戶情緒分析、交易風險、產品推薦、診斷等。
據稱大數據已為Google帶來每日近2300美元的收入。Google至今能成為廣受大家最愛使用的搜尋引擎，是因為它充分的利用了大數據，為客戶提供如此完善的服務品質。其大數據平台也不斷的再改良、修正，為了做出最為快速並且準確的分析計算。
資料來源: https://hk.saowen.com/a/8849a739246b57c0a61b6f16bf21e0da174cd273277cfb6135fbe31d686746ec
11138
31
作者：英倫酒哥說說酒
就基礎技術而言，精準農業基本上屬於網路實體系統（Cyber-Physical System）下的一個分支。大量的物理訊息的透過各式感測器及遙控攝影裝置進行收集；這些訊息再利用物聯網技術傳回雲端進行分析；最終再透過物聯網技術傳回自動化系統，並將這些分析及決策結果反饋回物理世界當中。
簡單來說，這就好比我們在一塊農地裡安排了無數的家庭小精靈多比，這些多比們會隨時回報關於這塊農地裡的一切數據，空氣濕度／土壤酸鹼度與含水量，甚至有沒有害蟲入侵，這些攸關作物生長的訊息蒐集後會透過無線網路上傳到雲端以軟體分析，接著農夫們就依據這些分析的結果執行相對應的動作：蟲多除蟲、土乾澆水。
從宏觀的角度，精準農業可再配合先進的氣象預測、基於衛星攝影技術所建構的地理信息系統、以及無線遙測監控技術，將＂大自然＂這個龐大的不確定因素也變得可以掌握，大幅減低了農作物被氣候影響收成的風險。在這些資訊的加持下，某種程度上人類已經戰勝了自然，＂看天吃飯＂這四個字看起來也不再這麼無助了。
這些參數經過分析後除了可以幫助耕作者進行決策之外，也能透過自動化系統，針對實際所需，客製化地執行灑水、施肥、播種等工作。最終在農作物品質／產量／成本之間取得最佳化的平衡，實現在大規模的農耕環境下達到精耕細作的目標。
做為精緻農業中的代表性產業，葡萄酒園當仁不讓地成為最理想應用場景之一。原因在於葡萄對生長環境的敏感度及要求很高，一公尺高度差造成的溫溼度差異都有可能導致葡萄品質上的分別，更別說葡萄園間的空氣對流、日照及土壤狀況這些具有決定性影響力的因子，這也是為什麼很多大師們在介紹酒款時一定要先大概描繪一下這支酒產區的地理及氣候環境。
除了栽植外，葡萄酒的釀造及儲藏也是技術應用的一環，整合物聯網技術的資料收集，並配合數據挖掘(Data Mining)技巧及機器學習(Machine Learning)模型，許多原本未知的潛藏的信息可以被發掘出來。這些信息除了能夠作為酒廠最佳化其設備及生產流程的參考之外，還能在一定程度上協助降低酒廠整體的營運成本，使酒廠可將資金更有效的運用在提升葡萄酒品質及行銷上。
看那年年與藝術家合作設計酒標的Chateau Mouton Rothchild，雖然傳統上在五大酒莊當中並非頂尖，但近年來價格卻有超英趕美的趨勢，特別是在2000年時為千禧年所設計的特殊瓶身已經成為各路收藏家心中的夢幻逸品，此即為行銷的威力所在。
**參考資料來源：https://www.uksaywine.com/2016/08/11/precision-agriculture/
11136
34
SumAll 是一家位於紐約的新創公司，成立於 2011 年，主要為中小型企業提供即時數據分析服務。SumAll 的線上分析平台收集社交媒體及電子商務上的數據，並進行分析後，把可視化的分析結果展示在互動介面上供企業客戶參考。例如社交頁面上的網頁流量、ebay 上的銷售量等數據，生成每星期、每個月的分析報導，讓企業客戶追蹤且分析使用者/消費者。
這家公司還有一個很酷的地方：他們分了百分之十的股份給旗下的 SumAll.org —— 一家旨在用資料分析增加社會福利的非盈利組織。
https://www.inside.com.tw/article/4501-big-data-6-ten-startups-to-watch
