导语：

零点刚过，快递已至。尽管这背后有营销的痕迹，但不得不说双十一已不再是从前的双十一。是什么在支撑双十一变得更快？毫无疑问是技术，尤其是以内存计算为代表的实时分析技术，它正在让商业活动变得有迹可循，有据可依。

每年双十一购物节，既是消费者的购物狂欢日，也是对电商、物流、供应链、品牌商们一场严酷的战斗考验：今年双十一销售规模预期能达到多少，如何实现销售精准预测，做到不缺货、不堆积？如何优化动态定价，实现营收与利润的最大化？如何为消费者提供精准营销，实现个性化的服务？如何实现供应链的优化，让生产、仓储、补货从容不迫……

以往年相比，最近一两年不同企业在应战“双十一”时开始变得泾渭分明。一些企业依然忙得像热锅上的蚂蚁，却没有头绪与章法，整个双十一在东忙西乱之中匆匆结束，来年却又周而复始；另一些企业虽然身处繁忙之中，但颇有气定神闲的自信，一切安排井然有序，谈笑间订单纷纷飞来，甚至对之后的双十二和年底促销也是了然于胸。

这其中的根源在于：拥抱数据分析能力的企业开始从中受益。这些企业在营销、运营、供应链、生产等环节尝试构建起强大的数据分析模型，并通过机器学习等人工智能技术和内存计算技术，不断基于数据进行训练、学习和分析，从而在瞬息万变的市场环境中为营销、运营、供应链等业务环节实时决策提供精准支持。

事实上，导入AI和内存计算技术给企业数据分析带来变革被认为是大势所趋。Garnter就预测，未来三年，数据分析知识与技术将加速普及，让各大企业和机构的员工能够运用高级数据分析功能，从数据中获取有价值的可用洞察。从公司整体战略，到具体业务场景，全面拥抱数据分析能力的企业将会在未来市场竞争中占据先机。

1

AI和内存计算为数据分析带来变革

在过去传统数据仓库时代，数据分析通常是数据类型单一、分析实时性差、支持局部业务，这种数据分析模式很难真正实现“数据驱动业务”。而现在，数据分析今非昔比，普通大众员工在日常不同场景中就能基于数据的洞察进行各种决策，这要于归功于数据分析相关技术的高速发展，像机器学习、自然语言处理等AI技术融入到数据分析之中。

其中代表性技术之一就是增强型数据分析，Garnter2017年提出这个概念，即指运用诸如机器学习和自然语言处理 (NLP) 等人工智能 (AI) 技术，将公司原始数据的清洗和分析流程自动化，把数据转换为可行洞察。增强型数据分析把数据科学家从清理数据和人工解析问题等繁琐工作中解放出来，让企业用户也能近乎实时地获得更详细的数据洞察能力。

Garnter预测增强型数据分析到2022年将会全面普及，并且与增强型数据分析紧密相关的增强型数据管理也将大有作为。增强型数据管理将人工智能和机器学习应用于维护数据质量的各个方面，并确立从现有数据中获取价值的新方法：例如让长期以来主要用于审计、 研习和报告的元数据在发现数据使用模式方面发挥更加积极的作用。

另一大代表性技术则是对话分析。Gartner预测，到2021 年，这一技术能将员工(尤其是前端员工)采用数据分析和商业智能的比率从 35% 提高到一半以上。对话分析将自然语言处理 (NLP) 和数据分析结合在一起，让企业用户就像在网上使用搜索引擎一样自然地提出问题。然后，人工智能算法进行问题解析，运行数据分析模型并再次以企业用户可以理解的方式反馈结果。

大量机器学习、自然语言等人工智能技术的引入，以及企业业务场景对实时数据洞察的需求不断增加，产生了对更大数据集更加快速处理的需求，也直接驱动着越来越多企业开始转向内存分析平台，以处理复杂的数据分析工作负载。

Forrester的一项全球性调研佐证了这个大趋势。

2

内存分析平台加速智能企业打造

如今无论是数字化转型还是智能化升级，其本质就是企业从所掌握的海量多样化数据中心获取价值，在数字化时代中真正实现“数据驱动业务”。在此大背景下，Forrester在2019年对美国、中国、英国、德国等国家353位数据管理策略决策者开展了一项定制化调研。

该调研发现，数据已成为影响业务成功的核心因素，企业加速专注实时业务智能；但依然面临着不够人性化的复杂工具生态系统，导致从数据中获取价值异常艰难；而通过采用持久内存技术的内存数据库解决方案来构建内存分析平台，则可以有效降低复杂性、消除数据孤岛、简化集成、解决故障，让企业在加速转向“数据驱动型”的智能企业。

例如，越有61%的受访企业在采集和分析大数据时遇到系统限制，约有55%的受访企业因为数据访问工具对于业务不够人性化，无法通过自助服务访问数据，还有48%的受访企业由于数据与应用的复杂性，难以整合不同的数据孤岛。

企业与机构现在需要面临大量多源、异构、海量的数据环境，会使用大量的数据存储、访问和集成解决方案，加上数据生命周期管理工具与流程复杂，复杂的工具生态系统让企业的数据管理、分析变得极其复杂。在此次调研中，针对上述复杂性，约有超过50%的受访者表示给数据管理与分析带来了极大的困难与挑战。

与此同时，该调研还显示，约有70% 的企业已经开始实施内存数据库以缓解上述某些问题，另有28% 的公司正计划实施，或对该技术感兴趣。大约有一半的受访者认为内存功能有助于人工智能和机器学习应用、流分析和事件处理，以及从事务系统中获得实时业务洞察。而实时洞察及基于人工智能和机器学习的智能业务应用正是企业与机构最重要的数据分析能力之一。

随着企业在向智能企业演进过程中，部署越来越智能业务应用，对于数据处理以及大规模存储和检索数据能力要求不断提升，以SAP HANA内存数据库+英特尔傲腾持久内存的组合被认为是企业构建内存分析平台的绝佳组合，这对组合不仅有效改善数据完整性和一致性，还能实现实时数据转换与计算，从而提升流程效率和开发速度。

在这对绝佳组合中，英特尔傲腾持久内存作为一项重要的技术创新，在性能、容量、可靠性等方面为“实时分析”提供了最佳保障，也受到越来越多用户的青睐。

3

彻底释放内存分析平台潜能

为什么“实时分析”非常重要？

如果看看如今的数据增长情况就能理解。到2020年底，将有58亿台物联网终端设备投入使用，全球移动用户已经超过80亿，到今年底，全球移动数据总流量将达到每月38EB，到2025年预计还将增长到每月160EB。这些趋势其实表明了一个海量丰富的数据时代正在加速到来，在规模如此庞大的海量数据中能够“实时”获取洞察，对于业务极具价值。

另一方面，企业只有实现业务核心的动态数字化转型，才能有效应对这种实时数据带来的冲击。为此，需要将业务流程各个部分(供应商、工厂车间、分销商和客户)涌入的巨大信息流即时转换为可行的数据分析，由此提高竞争力和效率。

例如，在双十一中，今年是“双十一”平台大促+网红营销+直播带货等多种销售模式加持下，“爆款”虽然卖得好，但也可能会遇到产能跟不上的情况。同样是小家电品牌商，具有数据分析能力的企业往往是综合分析各个仓库的容量、产品限制、上游产能、运输限制等因素，基于动态需求进行综合数据分析，从而给补货建议，实现调拨、分配、配货等不同场景的高效。

对于许多企业与机构而言，SAP HANA 平台诸多内存数据库功能提供了实时运行高速事务处理和高级分析所需的核心软件功能，是内存分析平台的最佳选择之一，但受制于现有硬件性能，使得其潜能一直未充分发挥。

英特尔傲腾的出现，为释放SAP HANA内存分析潜能带来了巨大的保障。例如，HPE Superdome Flex 在 SAP Business Warehouse 版SAP HANA标准应用基准测试版本中以416 亿条初始记录创下总体性能和 16个处理器性能的世界纪录，测试使用的 Superdome Flex 配备了 16 个第二代英特尔® 至强® 铂金 8280L 处理器、12TB DRAM 和 12TB英特尔持久内存。与仅采用DRAM的方案相比，英特尔傲腾持久内存能够带来更高的容量，并将SAP HANA平台基础设施成本降低39%。

事实上，SAP HANA+英特尔傲腾正在越来越多用户青睐的组合。例如，特种化学品生产企业Evonik需要与庞大而复杂的供应链合作，满足全球客户的需求。为了跟踪所有物流动态，并游刃有余地应对各类挑战，Evonik使用SAP HANA进行实时数据分析并生成报告，在采用英特尔傲腾持久内存进行验证时，服务器重启后重新加载数据表速度提升了17倍，大幅缩短SAP升级和维护周期，降低总体拥有成本大幅下降。

人们常言：天下武功唯快不破，“实时性”的价值在数字化时代下业务场景中已经展现的淋漓尽致。随着产业数字化步伐的加速，数字化将覆盖到企业的方方面面，而构建其内存分析平台的企业就犹如在数字化时代下拥有一项武功秘籍，这项武功越快，就能在市场中获得差异化的竞争力，从而立于不败之地。