医药企业的数字化转型 - 逻辑数据结构策略

医药企业的数字化转型
-逻辑数据架构
2021年12月9日

2
Agenda
 14:00 – 14:10 活动开场（音智达 Mike Zhang）
 14:10 – 14:20 医药企业数字化转型趋势及挑战（音智达 Scott Sun）
 14:20 – 14:50 医药企业成功案例分享（Denodo Stan Wu）
 14:50 – 15:10 逻辑数据架构介绍及产品演示（Denodo Stanley Zhang）
 15:10 – 15:20 结束总结（音智达 Scott Sun）
 15:20 – 15:30 问答

医药行业的大数据趋势 –
为什么需要数据网格?
Data Trends in Pharma,
need for Data Fabric
Scott Sun
Advanced Analytic Service

数据的数量，种类和速
度在增长
Volume, variety, and
velocity of data is
growing
3V’s of Big Data 越来越多的分析
新工具允许更细致的数据分
解和细分
New tools allowing more
granular data dissection
and segmentation
结果二分法
对数据的期望不断提高，但对
数据的信心却在下降
Expectations of data is
increasing yet confidence
in data is falling
治理要求
越来越广泛的合规与监管
Broader and deeper
compliance &
regulation
大数据在中国的发展趋势
《信息安全技术个人信息安全规范》
（GB/T 35273—2017）

医药行业的未来数据趋势和挑战
医疗消费正在发生变化，处方药/非处
方药的销售和营销模式的不同发展趋势
医疗服务模式的移动互联网化和物联网
化，新的数据和数据规格的快速发展，
数据安全同时日益重要
人工智能、机器学习、知识图谱等高级
数据分析和数据服务初见成效
• 可以更高效的整合分散的数据
源
• 灵活敏捷的数据加工和处理
• 统一的数据目录和安全管控
• 快速提炼数据价值和提供数据
服务

Data Fabric 如何助力医药行业
Gartner 将DATA FABRICK定义为作为
数据和连接过程的集成层（结构）的设
计概念。数据结构利用对现有、可发现
和推断的元数据资产的持续分析来支持
跨所有环境（包括混合和多云平台）的
集成和可重用数据的设计、部署和利用
。
• 物理位置无关紧要：Data Fabric 可以连接不同位置
的多个源。无论数据存在于云中、企业数据中心还是第
三方实体（例如，供应商或供应商）中，逻辑数据结构
都可以将所有这些数据链接在一起。
• 数据格式不重要：Data Fabric 解决方案侧重于在一
个视图中连接数据，无论是结构化、非结构化还是半结
构化。数据仓库中的图片数据、XML 文档、电子邮件、
Word 文档和 Hadoop 都缝合在一起。
• 延迟无关紧要：数据可能是静态的，如位于数据仓库
中的记录，也可能是动态的，因为它来自即时消息或实
时视频。Data Fabric 需要在数据生成的任何时间范围
内处理这两种类型的数据。

示例：全球新冠病毒报告

示例：连接物联网数据的实时分析

数据智慧｜一触即达
400-883-8096
www.analyticservice.net
marketing@analyticservice.net

10
Denodo 资源
 Denodo官网：www.denodo.com.cn
 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 +86.17701766637
 邮件至 cyao@denodo.com

新一代的企业 (Data Fabric)
逻辑数据架构解决方案
虚拟数据中台
Stan Wu 吴韶益总经理

12
Agenda
 当前全球企业专注的 IT 战略与面临的挑战
 Gartner 指出的全球最新的架构设计趋势, 应对数据应用和管理挑战
 Denodo公司介绍
• 案例分享

14
数字变革在颠覆一切 | 数据的爆炸式增长
3.7倍
每年的数据量将增长
150亿
至2021年，互联设备将达到
客户数据
产品
流程
变革的步伐已成为企业面临的最大风险，需要 IT 以敏捷的平台提供支持，以支持企业的发展。

15
数据是有价值的资产
• 数据对任何组织来说都是非常宝贵的资产
• …前提是数据能转化为“可使用的信息”
• 可使用的信息将驱动决策
• 明智的商业决策
• 更有效、优化的业务流程
• 等等。
• 需要管理和提炼数据，使其成为可使用的信息
• 但 IT 专家 *并非* 数据知识专家
• 最懂物流数据的则是物流部门
• 也即每天处理数据的人员

16
历经多年发展演变面临的主要问题
经历了多年的发展演变，主要面
临以下几个问题：
• 各业务线端到端重复浪费资源
，人力配置不均衡，效率低
• 大量重复的模型、报表及应用
，需求场景不清晰，历史包袱
重
• 维度不统一，数据整合难度大
；指标口径不一致，数据理解
成本高

17
当前全球企业专注的 IT 战略与面临的挑战
战略性
技术趋势
自主服务的
数据分析
数据资产
管理
数据安全
分布式云与
数据迁移
互联网与数
据服务

现代数据架构 - 虚拟数据中台解决方案
采用先进数据虚拟化技术的数据中台

10 © 2021 Gartner, Inc. and/or its affiliates. All rights reserved. Gartner is a registered trademark of Gartner, Inc. and its affiliates.
数据管理的演进

20
Gartner – 从传统数仓 -> 数据湖 -> 逻辑数据架构
数据架构的变革，逻辑数据架构的兴起，已经成为全球最新的架构设计趋势。
Operational Application
IoT Data
Other NewData
Operational
Application
Operational
Application
Cube
Operational
Application
Cube
? Operational Application
IoT Data
Other NewData
1980s
Pre EDW
1990s
EDW
2010s
2000s
Post EDW
Time
LDW
Operational
Application
Operational
Application
Operational
Application
Data
Warehouse
Data
Warehouse
Data
Lake
?
逻辑数据架构
Data
Warehouse
Data Lake
Marts
ODS
Staging/Ingest
Unified analysis
› Consolidated data
› "Collect the data"
› Single server, multiple
nodes
› More analysis than any
one server can provide ©2018 Gartner, Inc.
Unified analysis
› Logically consolidated view of all data
› "Connect and collect"
› Multiple servers, of multiple nodes
› More analysis than any one system can provide
ID: 342254
Fragmented/
nonexistent analysis
› Multiple sources
› Multiple structured sources
Fragmented analysis
› "Collect the data" (Into
› different repositories)
› New data types,
› processing, requirements
› Uncoordinated views

RESTRICTED DISTRIBUTION
11 © 2021 Gartner, Inc. and/or its affiliates. All rights reserved.
数据管理基础架构非常重要多样化 -- 但必须相互联系
你的组织目前正在使用哪种数据管理基础架构技术？
57%
57%
52%
49%
46%
39%
36%
33%
31%
28%
23%
19%
30%
23%
32%
32%
35%
34%
37%
38%
41%
40%
43%
39%
9%
14%
11%
14%
12%
18%
18%
17%
20%
23%
19%
26%
3%
7%
4%
5%
7%
10%
9%
12%
8%
10%
15%
16%
0% 50% 100%
Cloud-based object storage (n=268)
Data warehouses (n=266)
Data catalogs (n=268)
Data virtualization (n=265)
Data hubs (n=265)
Data lakes (n=262)
Semantic technologies (n=251)
Event stream processing (n=263)
DBMS, including relational / non-relational (NoSQL) (n=254)
Graph DBMS (n=252)
Time Series DBMS (n=245)
Hadoop distributions (n=241)
Currently using Not using today but plan to within 12 months Not using today but plan to within 12-24 months No plans to use within 24 months
Base: T
otal Respondents, Excluding DK
Q08. Which of these information infrastructure technologies is your organization using or planning to use in its data and analytics efforts?
Source: Gartner 2019, Data and Analytics Adoption Trends
3
%

RESTRICTED DISTRIBUTION
“收集”数据与“连接”数据的平衡
Metadata
Use Cases (Operational, Analytics, Diverse)
Share
Describe
Organize
Integrate
Govern
Implement
Information Asset Types
数据, SQL 查询, 报告, 建议,
仪表板,数据服务,KPI, 虚拟数据资产
Physical Infrastructure

23
2020：Data Fabric
Data Fabric
流程客户产品风险
RDBMS/OLTP 传统分析/BI 数据湖云数据存储应用程序和文档存储库
Flat Files
第三方
Legacy
Mart
数据仓库
Mart
ETL ETL
XML • JSON • PDF
DOC • WEB
 利用所有元数据构建数据资产，实现数据结构的统一管理。
 满足数据时效性，更快速的获取数据，自动化的数据访问和共享能力。
 实现跨平台的数据治理和数据访问安全控制。
 各种结构的数据标准化接入、治理、提高数据质量，简化数据接入部署。
基于Data Fabric理念的数据中台架构
Data Fabric 是一种通用的数据体系结构模式，无论什么样结构的数据、平台和模式，都可
以执行统一的数据集成、安全治理、服务和部署。

DATA
QUESTIONS
Known Unknown
Known
Unknown
Innovation
and Exploration
Establishing
Value
Foundational
Core
数据加工&数据同步&数据复制
Data
Virtualization
for
known
questions
(for
rapid
prototyping,
etc.)
Data
Virtualization
for
further
exploration
of
known
data
to
support
predictive
modeling
and
data
science
prototypes
数据目录
对数据集成平台的功能需求

25
Gartner – 从传统数仓 -> 数据湖 -> 逻辑数据架构
数据架构的变革，逻辑数据架构的兴起，已经成为全球最新的架构设计趋势。
IoT Data
Other NewData
Operational
Application
Operational
Application
Cube
Operational
Application
Cube
? Operational Application
IoT Data
Other NewData
1980s
Pre EDW
1990s
EDW
2010s
2000s
Post EDW
Time
LDW
Operational
Application
Operational
Application
Operational
Application
Data
Warehouse
Data
Warehouse
Data
Lake
?
Unified analysis
› Consolidated data
› "Collect the data"
› Single server, multiple
nodes
› More analysis than any
one server can provide ©2018 Gartner, Inc.
Unified analysis
› Logically consolidated view of all data
› "Connect and collect"
› Multiple servers, of multiple nodes
› More analysis than any one system can provide
ID: 342254
Fragmented/
nonexistent analysis
› Multiple sources
› Multiple structured sources
Fragmented analysis
› "Collect the data" (Into
› different repositories)
› New data types,
› processing, requirements
› Uncoordinated views
IoT Data
Other NewData
逻辑数据架构
Data
Warehouse
Data Lake
Marts
ODS
Staging/Ingest
数据虚拟化技术
√整体时间缩短了50%到90%
√提高数据的一致性
√减少数据重复
√提高透明度
√降低开发成本
√逻辑架构可以应对未来的技术变化

27
数据虚拟化技术的领导者
Denodo
领导者
▪ 自1999年以来，对数据虚拟化的持续关注时间最长
▪ 2020 Forrester Wave 的领导者 - 大数据结构
▪ 2021 Gartner数据集成工具魔力象限领导者
▪ 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
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1000+，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。

28
30+行业 & 1000+ 客戶
虚拟化技术的部分行业的客户
公共服务
金融服务
电信
医疗健康
科技
汽车制造
保险
零售
制药/生物技术
能源

问题解决方案结果
Case Study
30
大型全球性制药公司缩短药物发现与开发时间
30
• 需要缩短药物发现和开发流程的时长（
10 - 15 年）并降低成本（8 - 13 亿美
元）
• 采用不同技术建立的孤岛式请求系统导
致研究申请流程非常耗时
• 需要采用标准化架构，以节省申请追踪
时间并提供有价值的数据洞察
• 缩短上市时间 - 科学家可以重新回归新
药研发的核心流程
• 获得卓越的洞察力 - 通过全新统一的数
据视图，更好地进行药物发现过程分析
• 企业安全 - 符合与 IT 无关的既有企业与
安全性政策
• 药物安全 - 确保企业内部和企业间药物
发现信息的安全性
• Denodo 平台为申请管理创造了标准的
数据架构
• 它将申请表与提供研究申请的 Web 服
务相分离，并消除了手动映射
• 围绕 Web 服务执行重要的安全性策略
，无需任何编码
礼来制药公司 (Eli Lilly) 创立于 1876 年，总部位于印第安纳州的印第安纳波利
斯市。该公司还在另外 17 个国家/地区设立了办事处，产品销往约 125 个国家/
地区。2015 年，公司拥有 4 万名员工，报告营业收入 200 亿美元。

业务需求解决方案优点
利用 Denodo数据虚拟化技术为90 个国家/地区提供准
确的每日销售报告
BIOGEN IDEC 是一家全球生物技术公司，于 1978 年成立，收入在 40 亿美元以上。Biogen Idec 是创新疗法探索、研发、生产和商品
化领域的全球领导者，例如，针对多发性硬化 (MS)、淋巴瘤和类风湿性关节炎等疾病。Biogen 在全世界范围内拥有多家分销商，可在
超过 90 个国家/地区出售和分销该公司的药物。
▪ 作为一项行政指令，Biogen 希望将
年收入提高 20%。
▪ 随着业务增长，Biogen 需要自动生
成每日销售报告，并提高准确性。
▪ 需要一个敏捷的销售报告解决方案，
以便访问不同的数据源，并且能够灵
活、可扩展地满足历史和实时报告需
求。
▪ 在数据中心部署了一款解决方案，包
括 Denodo 平台，可在各个功能级
别提供卓越的广度和灵活性。
▪ 该解决方案提供了数据沿袭分析、变
更影响分析和治理功能（通过向分析
师发出警报），并设有自动和手动解
决选项。(data governance)
▪ 提供了数据服务及重要的业务视图，
均通过物理和虚拟形式，以实时或批
处理模式发布。
▪ 他们现在已经可以接触以前无法触
及的新合作伙伴和公共数据源。
▪ 目前，完成一份新报告的平均时间
不到 2 周（速度加快 60%），而且
只需几天即可满足更改请求
▪ 通过支持业务用户根据 IT 团队托管
的、可重复使用的数据服务定义自
助参数化报告，IT 部门将为利益相
关者提供支持所需的分析师工作时
间缩减了 40%。
31

业务需求解决方案优点
全世界最大的独立生物技术公司成功提高生产量和设
备效率
• 生产数据必须实时调整，以确定可能
阻碍生产并造成数百万损失的“弱信
号”
• 来自生产、实验室设施等设备的流数
据必须进行分析，以实现最优设备效
率
• 必须定义“黄金批量”，以便在合并
当前/历史数据后提高生产量
• 产量提高 1 到 3% 后，每台设备节
省了 1,000 到 3,000 万美元
• 消除了关于新设备产能低的忧虑
• Denodo 的 ROI 能够轻易证明所有
工作的合理性 — 将用于所有未来应
用
• 与 ETL 相比，Denodo 的数据虚拟
化更廉价、更高效
▪ Denodo 将当前生产流程数据与历史
数据相结合，并传送至分析系统
▪ 分析系统将分析虚拟数据、确定“黄
金批量”并采取纠正措施，以确保理
想的产量
▪ Denodo 将来自 46 个源系统的数据
相结合，其中 12 个为关键系统
32
该公司的总部位于加利福尼亚州千橡市，是全世界最大的独立生物技术公司，专门销售一系
列治疗自身免疫疾病、类风湿性关节炎等病症的产品。2015 年，公司宣称拥有 18,000 名
员工，收入 200 亿美元。
案例研究

33
Denodo 资源
 联系我们：
 添加微信
 电话至 +86.17701766637

35
Denodo Data Fabric 架构
自服务数据探索
探索 – 浏览 – 文档 – 协作
数据即服务
RESTful / OData
GraphQL / GeoJSON
SQL/MDX Access
CONSUMERS
PLATFORM
LOGICAL
DATA
FABRIC
SOURCES
Traditional
DB & DW
150+
数据接口
Cloud
Stores
Hadoop
& NoSQL OLAP Files Apps Streaming SaaS
AI/ML
Data
Catalog
Advanced
Semantic
连接/查询优化/缓存
MPP/Smart
Query
Acceleration
Security/G
overnance
Query
Optimization DATA VIRTUALIZATION

36
Data Engineers Administration &
Operations
Business User
& BI Analyst
Data Scientist Application Developers
Demo演示
PLATFORM
AI/ML
Data
Catalog
Advanced
Semantic
连接/查询优化/缓存
MPP/Smart
Query
Acceleratio
n
Security/G
overnance
Query
Optimizatio
n DATA VIRTUALIZATION
自服务数据探索
探索 – 浏览 – 文档 - 协作
SQL/MDX Access 数据即服务
RESTful / OData
GraphQL / GeoJSON
Deliver the right data to the right person at the right time in the right form

37
Denodo Data Fabric 架构总结
1
2
3
4
5
6
7
8
9
10
11

38
数据服务
 数据服务
 微服务容器
 用于 SCV/MDM 应用的数据服务
 应用程序迁移
云解决方案
 云 BI 分析
 云应用的数据服务
 云现代化
 混合数据结构
敏捷 BI
 实时仪表板
 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
应用场景

39
Denodo 资源
 联系我们：
 添加微信
 电话至 +86.17701766637

医药企业的数字化转型 - 逻辑数据结构策略

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to 医药企业的数字化转型 - 逻辑数据结构策略

Similar to 医药企业的数字化转型 - 逻辑数据结构策略 (20)

More from Denodo

More from Denodo (20)

医药企业的数字化转型 - 逻辑数据结构策略