Watch here: https://bit.ly/2zEn6Ik Coronavirus is more under control now in China, so all the industries and companies speed up work resumption. Companies are facing more complex and dynamic environment and fierce competition due to the big impact caused by virus. Real-time, agile, and secure modern data-driven architecture becomes the top priority to accelerate digital transformation and keep ahead of the competition. Attend this webinar to learn how to: - Build a competitive enterprise-level data service architecture; - Realize agile and real-time connection of heterogeneous data platforms and build a unified business model; - Achieve data-as-a-service capabilities under a complex IT environment in an easier way.

1. 企业利用现代数据架构，
高效复工
Sam Wu 销售总经理 大中华区
+86.13661880097/+886.933169037
mwu@denodo.com
Michael Liu 解决方案架构师 大中华区
cliu@denodo.com

2. 议程
1. Denodo公司介绍
2. 利用现代数据架构，高效复工
3. Demo演示
4. Q&A

3. Denodo公司介绍

4. 4
数据虚拟化的领导者
Denodo
领导者
▪ 自1999年以来，对数据虚拟化的持续关注时间最长
▪ Forrester 2018 Wave 的领导者 — 大数据结构
▪ Forrester 2018 Wave 的领导者 — 数据虚拟化
▪ Gartner 数据集成 MQ 2019
增长最快 — 前十大数据集成供应商
▪ 多次获奖
DENODO 办公室、客户、合作伙伴
西班牙公司遍布北美、欧洲、中东和非洲、
亚太地区和拉丁美洲的全球业务。
客户
客户超过800+，包括所有主要行业的财富
500和全球2000强公司，利用数据虚拟化显
著提高了业务灵活性和投资回报率。
财务状况
有超过 40 亿美元的私有公司支持。
年增长 60% 以上；可盈利。

5. 5
Denodo 资源
✓ Denodo官网：https://www.denodo.com/
✓ Denodo社区：https://community.denodo.com/
✓ Denodo博客：http://www.datavirtualizationblog.com/
✓ 产品试用：https://www.denodo.com/en/denodo-platform/test-drives
✓ 联系我们：
✓ 添加微信
✓ 电话至+86.13661880097/+886.933169037
✓ 邮件至 mwu@denodo.com

6. 利用现代数据架构，高效复工
环境变化对企业IT架构的挑战

7. 7
企业复工面临哪些数据问题
不断增加的数据源和维度用于
360°画像分析
需要自服务
的敏捷BI能
力
对外提供数据
即服务的能力
传统数仓 or
大数据平台？
数据平台越来
越多，以哪个
平台为主？如
何统一分析？
数据安全
和隐私问
题成为数据应
用策略的核心
时效性
减少数据应用
的延迟
数据移动多、复制版本多，
多口径报表数据不一致，
管理困难，难以追溯
混合&多云
部署的增
长需求
外部环境变化
突发事件，如
何快速响应？

8. 8
IT 架构难以支撑业务变化实现统一管理
IT管理和业务需求之间的困境
IT 人员专注于
数据在哪？
如何收集？
新数据放哪？
业务人员关注
的重点是
数据可视化
数据分析结果
数据一致性
缺乏统一的平台对数据、服务及安全
的管理和控制
– 数据关系错综复杂，存在大量重复数据
缺乏统一平台的规范管理
库存系统
(MS SQL Server)
商品主数据（SKU）
(Web Service -SOAP)
Log files
(.txt/.log
files)
CRM
(MySQL)
结算系统
(Web Service - Rest)
移动端
WS – REST JSON,
XML, HTML, RSS
ETL
BI / 报表
JDBC, ODBC,
ADO .NET
企业应用
WS – SOAP
Java API
门户
JSR168 / 286,
Ms Web Parts
客户反馈信息
(Internet, Unstruc)

9. 9
需求调研 数据模型 数据集成 业务模型 数据分析
Sources
传统数仓 数据集市ETL ETL
传统架构
传统架构过重，数据虚拟化带来轻量敏捷的数据驱动能力
不同于传统的现代数据驱动架构
Sources
实时数据
数据驱动架构
✓ 实时连接异构数据
✓ 整合多源数据建模
✓ 数据即服务能力
✓ 统一安全访问控制

10. 10
Gartner - LDW逻辑数据仓库
高效利用数据资产

11. 11
构建企业级的完整数据服务架构，支持敏捷、实时、安全地连接异构数据源，合并业务模型，提供数据
即服务能力。
• 数据驱动能力：赋予企业数据驱动能
力，无需前期大量投入和准备，大大
缩短开发周期。
• 效率大幅提升：快速响应环境变化，
提高企业对环境变化的应急能力。
• 数据抽象化：将应用程序/模型/数据
使用从数据源中分离。(解耦数据和应
用)
• 实时访问：实时访问任意数据源。
• 数据目录：实现自助式数据服务，
轻松发现和管理数据资产。
• 数据治理和安全：跨所有数据资产
的统一元数据、血缘分析、安全性
和治理能力，监控所有数据使用。
• 简化系统迁移：云下云上，本地之
间的系统迁移。
• 执行引擎自治优化器：实现自治的
智能查询优化，无需掌握所有数据
平台的技术，同时获取最佳的平台
性能。
数据虚拟化平台的价值

12. 12
数据使用者
不同的数据源
SQL 查询
（JDBC、ODBC、ADO.NET）
Web 服务
（SOAP、REST、OData）
基于 Web 的目录
和搜索
安全传送
(SSL/TLS)
数据使用者
MPP 处理
关系缓存
企业安全
监控和审计
元数据
存储库
执行引擎和
自治优化器
Denodo全球领先的数据虚拟化中台架构
数据虚拟化
结构化 非结构化
数据分析 数据应用
支持所有业务
应用的使用
将相关数据
合并到视图中
2
3
连接
不同的数据源
1
Databases& Warehouses, Cloud/Saas Applications, Big Data, NoSQL, Web Service,Rest API, Excel, PDF, Word...

13. 13
Denodo数据虚拟化的执行过程
数据虚拟化是如何工作的
预测客户流失
数据包括客户人口统计、
产品购买,产品使用,客户来
电，上次到现在联系人，
过去的交易记录，行业，
公司规模，和收入。

14. 14
API / 数据服务
✓ 数据即服务
✓ 数据资产搜索自服务
✓ 主数据治理
✓ 血缘分析数据服务
✓ 数据安全管控
云解决方案
✓ 云 BI 分析
✓ 云应用的数据服务
✓ 云现代化
✓ 云上云下混合数据结构
敏捷 BI
✓ 实时管理驾驶舱
✓ 自助服务 BI / 分析
✓ 业务报告
✓ 虚拟数据集市
逻辑数仓 / 数据湖
✓ 逻辑数据仓库
✓ 逻辑数据湖
✓ DWH 卸载
✓ 大数据 / 机器学习 / 高级分析
数据虚拟化
数据虚拟化应用场景

15. 问题 解决方案 结果
案例研究
15
全球领先制造企业加快产品上市时间，影响价值
亿万收入
• IT架构复杂，云上云下数据遍
布全球。
• 业务用户花费大量的时间和精
力用于寻找正确数据来制定报
告和决策，导致月损失递增（
有时几分钟，有时几天）
• 因每月的产品发布延迟损失
10 亿美元
• 减少ETL技术的使用，停止数
据复制和移动。
• 利用数据虚拟化技术从原始
数据源实时获取所有数据。
• 原有的DW中依然存储历史数
据，但数量大大减少。
▪ 向业务部门提供数据的时间
(TTM) 缩短 90%。
▪ 产品相关的业务准确报告时
间大幅缩短，各业务不需要
因为数据不一致的问题而内
耗。
▪ 决策层的时间价值影响价值
上亿的收入增长。
作为全世界最大的半导体制造企业，2019 年，公司宣称拥有 107,000 名员工，收入 700 亿美元。公
司遍布全球47个国家76个地区。
“业务逻辑内嵌在 30 个不同的报告工具中，
可使相同的数据产生不同的结果。更多时间
花在争论这个问题上，然后才是将产品推向
市场……”
“……通过将业务逻辑转移到 DV 层，无论
采用什么报告工具，都会得到相同的结果。
目前专注于将产品推向市场。”

16. 3 层 DV 部署
16
Denodo DV 平台
业务用户 – 利用数据目录自助服务，
发现数据资产，实现数据驱动能力。
业务中台 – 基于不同的业务视角创建
统一口径的业务模型及视图，避免数
据口径不一致的问题。
数据中台– 利用数据虚拟化技术基于
多种数据源创建统一的基本数据视图。
客户
视图
产品
视图
设施
视图
合作伙伴
视图
财务
视图
销售/营销
视图
运营
视图
工程
视图
芯片
A3 的收入？
客户
P 的销售额？
运送的
芯片？
项目32
删除日期？

17. 17
业务需求
▪ 利用自助报告和仪表板加快贷款、存款及
其他部门的业务操作
▪ 建立中央信息传送平台，以轻松添加来自
被收购公司的新数据源
▪ 以前的云数据仓库无法灵活适应新数据源
Denodo 的优点
▪ 通过适于业务用户的自助平台，提高了
贷款、存款、金融欺诈、信贷和风险管
理部门的工作效率
▪ 报告周转时间从 2-3 天缩短到了 2 小时
▪ 贷款之类的业务操作可实时处理
地方性社区银行利用逻辑数据仓库实现敏捷BI

18. 18
Vodafone 利用 Denodo 数据虚拟化将服务响应时间
缩短 66%，并提升了客户服务的整体质量
业务需求
▪ 提高呼叫中心的工作效率
▪ 提升客户服务的整体质量
▪ 向不同数据源系统（如账单和事件管理
）的客户服务中心、CAC 和客户门户提
供所有客户数据的统一当前视图，同时
尽量减少数据复制。
Denodo 的优点
▪ 将服务响应时间从 6 分钟缩短到 2 分钟（
缩短 66%），从而提高客户忠诚度和保留
率。
▪ 提高其数据基础设施系统的可扩展性，以
支持业务增长。
▪ 通过追加销售和交叉销售增加收入机会。

19. Denodo 演示
Demonstration

20. 20
演示背景
有Oracle数据库构建的传统数据仓库。
有Hadoop集群，用来存储大量的历史数据。
有多种云上的SaaS应用。
如何利用异构数据源的数据，轻松地构建报告。

21. 21
示例
不同国家/地区的各种营销活动
的销售情况？
• 历史销售收入相关数据被转存至大
数据平台(Impala)，以节省存储成
本。
• 营销活动数据存储在云服务(REST
API)。
• 国家/地区等客户详细信息，存储在
基于Oracle数据库的数据仓库 (DW)
中。
源
合并
转换
集成
使用
基本视图
源抽象化
连接
按地区分组
连接
销售额 活动 客户

22. 22
用户和角色
IT开发人员
业务用户
BI分析师
数据科学家
IT运维

23. IT 开发人员
Data Catalog
Dev Studio Management
BI & Reporting Predictive Analytics
AI/ML

24. 24
数据基础层
各种数据源端唯一可访问对象
数据中台
面向数据关系的数据模型
业务模型（可选）
面向业务的逻辑模型
业务中台（可选)
管理驾驶舱业务报告
构建统一的数据中台数据模型

25. 25
Denodo自治优化器带来极致性能
SELECT c.name, AVG(s.amount)
FROM customer c JOIN sales s
ON c.id = s.customer_id
GROUP BY c.state
与其他数据联邦引擎相比，Denodo 如何工作
系统 执行时间 传输的数据 优化技术
Denodo 9 sec. 4 M 聚合下推
其他 125 sec. 302 M 无：全盘扫描
300 M 2 M
销售额 客户
连接
分组依据
2 M
2 M
销售额 客户
连接
按 ID 分组
按地区分组
要最大限度
下推至 EDW，
聚合将分为
2 个步骤：
•第 1 步按客户 ID
•第 2 步按地区
这样可以大幅
减少 Denodo 的
网络流量和
处理负荷

26. 业务用户
Data Catalog
Dev Studio Management
BI & Reporting Predictive Analytics
AI/ML

27. 27
Denodo 数据目录

28. 28
Denodo 数据目录

29. BI分析师
Data Catalog
Dev Studio Management
BI & Reporting Predictive Analytics
AI/ML

30. 30
支持各种BI工具和自定义开发
业务分析师喜欢创建一个可视化数据
的仪表板
Denodo与各种BI工具均有合作关系，
所以使用Denodo就像使用任何其他
数据库。

31. 数据科学家
Data Catalog
Dev Studio Management
BI & Reporting Predictive Analytics
AI/ML

32. 32
Denodo Notebook
面向人工智能和机器学习的数据
科学，执行Python和R代码用于
科学计算查询，可视化图表。

33. IT运维
Data Catalog
Dev Studio Management
BI & Reporting Predictive Analytics
AI/ML

34. 34
云下云上混合架构
云上管理
Development Data Catalog
Solution
Manager
Activity
Scaling&
Infrastructure
本地数据中心

35. 35
数据源
2.数据模型
合并,
转换,
语义.
3. 数据服务
1. 基本视图
4.Dev/Ops
总结

36. Q&A

37. 37
Denodo 资源
✓ Denodo官网：https://www.denodo.com/
✓ Denodo社区：https://community.denodo.com/
✓ Denodo博客：http://www.datavirtualizationblog.com/
✓ 产品试用：https://www.denodo.com/en/denodo-platform/test-drives
✓ 联系我们：
✓ 添加微信
✓ 电话至+86.13661880097/+886.933169037
✓ 邮件至 mwu@denodo.com

38. 谢谢！
www.denodo.com info@denodo.com
© 版权所有 Denodo Technologies.保留所有权利
除非另有规定，未经 Denodo Technologies 书面授权，不得以任何电子或机械形式或方式复制或利用本 PDF 文件的任何部分，包括复印或用缩微胶卷摄制。