9 月 12 日,全球数据管理领域的领军企业Denodo在重庆举办了“汽车与制造数据管理高端论坛暨Denodo25 周年全球庆典中国分会场”活动,Denodo的创始人Angel Viña博士与来自全球汽车与制造行业的龙头企业代表齐聚一堂,共同见证了这一数据管理领域的盛事。

图:Denodo的创始人Angel Viña博士

庆典上Angel Viña博士发表了致辞,他感谢了全球客户、合作伙伴以及团队成员的共同努力与支持,并表示Denodo将继续秉承“无畏数据”的理念,不断创新,为客户提供更加先进、高效的数据管理服务。

Denodo,作为数据集成与管理领域的领航灯塔,持续引领着行业风向标,以其前沿的逻辑数据管理方法,为全球各行业提供高效、灵活的数据服务方案。该平台连续多年在Gartner数据集成工具魔力象限及Forrester Wave™企业数据编织报告中荣获“领导者”殊荣,这不仅是对其卓越实力和行业领先地位的肯定,也赢得了全球客户的广泛信赖与高度评价。

经过 25 年的深耕细作,Denodo的数据编织技术已高度成熟,能够确保数据以灵活、敏捷、高效的方式触达每一位用户。在这个数据驱动的时代,无论是财务管理、人力资源管理、运营优化、制造智能化还是供应链协同,乃至对复杂客户需求的深刻理解,都离不开高效的数据访问能力。在重庆举办的活动中,Denodo携手赛力斯等车企,与 50 余家汽车制造商、零部件供应商及制造厂商共同探讨,旨在为汽车行业构建坚实的数据基石,加速AI就绪数据的准备进程。

Angel Viña博士指出,智能网联汽车作为数据密集型产品,其内置的摄像头、传感器等设备每分钟可产生约25GB的数据量。据Gartner预测,到 2030 年,汽车数据上传云端的年总量将超过24PB,而相比之下, 2023 年的数据仅为0.1PB。面对如此庞大的数据量,如何跨越多系统实现数据的统一与整合,成为汽车行业亟待解决的问题,这对于提升业务决策的准确性至关重要。

Angel进一步阐述,从汽车交付到供应链管理,从新能源材料的应用到工厂生产中的大数据分析,再到市场营销、客户服务、售后维护及新能源车的全球布局,每一个环节都与传统模式大相径庭,对数据管理提出了更高要求。Denodo凭借其强大的能力,能够全面挖掘汽车行业在设计、装配、交付及支持各阶段的数据潜力。其核心优势在于统一数据接口,提升操作效率,助力企业做出更明智的决策,同时提供综合性的数据洞察,降低运营成本,确保合规性与安全性。

具体而言,Denodo在汽车行业的数据编织用例包括:

1.MES, SCADA与ERP系统数据整合:增强对生产效率、质量控制及设备维护的深入洞察。

2.供应链数据整合:提升实时可见性,精准需求预测与库存管理,优化整个供应链流程。

3.车辆性能监测:利用远程信息处理、传感器及维护记录数据,实时监测并预测维护需求,减少停机时间,提升车辆可靠性。

4.客户互动优化:整合CRM、社交媒体及客户反馈数据,构建全方位客户视图,促进营销与服务的精准化。

5.售后数据管理:针对后汽车市场,如维修、转售、配件管理、车队管理及远程信息服务等,提供高效的数据管理解决方案。

6.法规遵从性管理:确保生产前至生产后的数据管理严格遵守行业与政府法规,如排放报告、车辆召回及隐私保护等,尤其是跨地区数据的合规性管理。

在庆典的同时,Denodo还举办了汽车与制造数据管理高端论坛。该论坛汇聚了来自全球汽车与制造行业的众多领军人物,包括DAMA(国际数据管理协会)大中华区理事、大中华区副主席黄万忠,重庆汽车工程学会常任专家、西南大学副教授冀杰博士,赛力斯数字与流程运营部部长刘银,银兴智能首席架构师陶攀龙,中国汽车工程研究院股份有限公司风洞中心副主任王庆洋博士,以及Denodo大中华区技术总监郭杰。他们围绕数据管理的新趋势、新挑战及应对策略展开了深入的交流与探讨。

客户见证,Denodo推动多领域企业数据驱动转型成功

在论坛期间,Denodo的客户们纷纷分享了他们成功应用Denodo平台实现数据驱动转型的宝贵经验。来自赛力斯数字与流程运营部的部长刘银表示,赛力斯在推动业务数字化转型的过程中,积极寻求突破以提升整体运营效率。面对数据处理与集成的瓶颈,赛力斯引入了Denodo平台,通过数据编织技术重塑了企业的数据架构与运营模式。

图:赛力斯数字与流程运营部部长刘银

Denodo作为逻辑数据架构的先锋,以其独特的优势——无需移动数据即可实现跨源连接与整合,为赛力斯带来了前所未有的数据灵活性和处理效率。这一变革不仅极大地降低了数据应用的门槛,使得更多业务部门能够轻松访问和利用数据,还显著提升了数据处理的效率。具体而言,Denodo帮助赛力斯将单表数据的处理时间从原本的 1 小时缩短至仅 5 分钟,效率提升高达90%,同时加速了异构数据的分析处理,整体减少了30%至50%的BI交付时间,极大地增强了业务敏捷性。

相较于传统的ETL方式,Denodo的引入使得赛力斯的数据准备时间缩短了88%,这一成就得益于其无需物理移动数据即可进行高效整合的能力,从而避免了不必要的数据存储成本,并加速了面向即时需求的数据交付速度。此外,Denodo还提供了成熟的性能保障机制与全面的安全性保护,确保了业务系统作为数据源访问时的安全稳定,为赛力斯的数据治理与合规性奠定了坚实基础。通过这一系列变革,赛力斯让数据成为驱动业务决策的核心力量,还进一步推动了企业内部的数字化转型进程,为未来的可持续发展奠定了坚实的数据基础。

图:银兴智能首席架构师陶攀龙

银兴智能首席架构师陶攀龙则分享了其所在企业在引领企业数字化转型中的创新实践。银兴智能成功运用Data Fabric数据编织理念,结合Denodo平台的数据虚拟化技术,构建了新一代湖仓架构——灵睿Dataops&Denodo解决方案。这一创新架构有效解决了制造客户面临的复杂数据管理与业务支撑挑战,实现了数据的无缝集成与高效利用,显著提升了业务敏捷性和企业管理水平。

专家洞见,共探行业趋势

图:DAMA(国际数据管理协会)大中华区理事、大中华区副主席黄万忠

在本次论坛上黄万忠先生,以“首席数据官的数据编织之路”为主题,分享了其深刻的行业洞见。他指出,随着数据日益成为企业决策与业务发展的核心驱动力,构建以数据编织为主体的新型数据管理架构,对于加速企业的数智化转型至关重要。数据编织通过灵活、动态的方式将企业内部及外部的各种数据源无缝连接起来,形成一个统一、可访问且易于管理的数据环境,不仅提升了数据的可用性、质量和时效性,还极大地促进了跨部门之间的数据共享与协作,为企业创造了更多价值。

针对制造业这一关键领域,黄万忠先生指出,当前制造业数据管理面临着数据来源复杂、格式多样、处理难度大等挑战。为有效应对这些挑战,他推荐采用Denodo这样的先进数据虚拟化解决方案。Denodo凭借其卓越的性能、高度的灵活性和强大的集成能力,在行业中赢得了广泛的认可与好评。通过Denodo企业可以更加轻松地实现异构数据源的快速集成与统一访问,从而加速数据编织的落地进程,为制造业的数智化转型提供强有力的支撑。

重庆汽车工程学会常任专家、西南大学副教授冀杰博士以《中国汽车第一城,拥抱数智新时代》为主题进行了分享。他强调,面对中国汽车产业出海浪潮和网络安全与数据合规的严峻挑战,构建完善的数据能力体系是汽车出海的关键。他提出了构建数据合规体系、建立数据价值评估体系和深化汽车数据应用体系三大核心策略,并认为Denodo的数据编织技术能够为中国汽车企业出海提供强大助力。

图:重庆汽车工程学会常任专家、西南大学副教授冀杰博士

中国汽车工程研究院股份有限公司风洞中心副主任王庆洋博士则分享了其在推动汽车空气动力学领域数字化创新应用中的经验。依托中国汽研风洞中心的技术服务平台,积极探索数字化与智能化的转型之路。中国汽研风洞中心成功打造了CAERI智慧风洞系统,实现了从车辆与数值风洞计算域的自动匹配,到仿真结果后处理信息提取及分析报告编制的全流程自动化操作,显著提升了仿真计算的精度和效率。

图:中国汽车工程研究院股份有限公司风洞中心副主任王庆洋博士

Denodo大中华区技术总监郭杰在论坛上分享了Denodo9 的五大核心改进。Denodo9 作为该领域的又一里程碑式产品,通过开发人员体验革新、自助服务体验提升、人工智能深度融合、MPP支持增强以及数据安全与隐私保护强化等五大方面的改进,为企业用户带来了前所未有的数据处理与分析体验。这一创新产品的推出不仅提升了企业的数据处理效率与智能化水平,更为整个数据管理行业的未来发展指明了方向。

图:Denodo大中华区技术总监郭杰

此次活动的圆满落幕,不仅极大地深化了Denodo与全球汽车与制造行业客户之间的战略联结与合作纽带,更为加速整个行业数据管理体系的现代化进程注入了强劲活力与崭新动力。展望未来,Denodo将坚定不移地践行“无畏数据”的核心理念,聚焦于为新能源汽车领域的先锋品牌量身打造高效、智能的数据管理解决方案,助力它们在欧美市场树立品牌影响力,并加速其全球营销网络的拓展与深化。

活动现场,Denodo还展示了其汇聚全球资源的强大平台,这些资源横跨品牌市场洞察、前沿技术方案、多元化渠道构建及丰富商机挖掘,旨在为中国企业搭建起从“中国制造”向“中国创造”跨越的桥梁,并助力它们实现从“出海”到“全球化企业”、“行业领军企业”的华丽转身。

Angel在总结发言中满怀信心地表示:“Denodo将成为企业数字化成功故事中浓墨重彩的一部分。积极探索新技术、新应用和新模式,推动数据管理行业的不断创新与发展,助力企业在瞬息万变的市场环境中保持领先地位。”

如想更多了解Denodo或咨询数据编织技术对数据价值的创新与释放,可关注其公众号二维码或入群咨询与探讨。

(举报)

点赞(102)

评论列表共有 0 条评论

立即
投稿
返回
顶部