㈠ 供應鏈大數據分析
供應鏈大數據分析
供應鏈大數據分析，越來越多的企業採用數據分析來應對供應鏈中斷，並加強供應鏈管理(SCM)，目前有幾項重大中斷正在影響供應鏈。以下分享供應鏈大數據分析，一起來看看。
全面解析大數據給供應鏈帶來的益處
時下，大數據已經完全跨越概念炒作，而成為很多行業業務發展中實實在在應用的重要武器，但是在供應鏈管理領域，大數據技術的應用產業發展則處於起步階段，但是相信伴隨其他行業大數據的快速發展，供應鏈管理中的大數據也會迅速跟上來，那麼人們勢必會問大數據到底能夠為供應鏈帶來哪些益處呢，下面請隨乾元坤和我一同了解大數據給供應鏈帶來的好處。
大數據與供應鏈
1、庫存優化。比如，SAS獨有的功能強大的庫存優化模型可以實現在保持很高的客戶滿意度基礎上，把供應成本降到最低並提高供應鏈的反應速度。
其庫存成本第一年就可下降15%～30%，預測未來的准確性則會上升20%，由此帶來的是其整體營收會上升7%～10%。當然還有一些其他的潛在好處，如提升市場份額等。此外，運用SAS系統，產品質量會得到顯著提升，次品率也會因此減少10%～20%。
2、創造經營效益，從供應鏈渠道，以及生產現場的儀器或感測器網路收集了大量數據。利用大數據對這些資料庫進行更緊密的整合與分析，可以幫助改善庫存管理、銷售與分銷流程的效率，以及對設備的連續監控。製造業要想發展，企業必須了解大數據可以產生的成本效益。對設備進行預測性維護，現在就具備採用大數據技術的條件。製造業將是大數據營業收入的主要來源。
3、B2B電商供應鏈整合。強大的電商將引領上游下游生產計劃-下游銷售對接，這種對接趨勢是上游製造業外包供應鏈管理Supply-Chain，只專注於生產Manufacturing，ProctionChain(R&D)。
物流外包上升到供應鏈外包是一個巨大的飛躍，體現了電商的強大競爭力和整合能力，海量數據支持和跨平台、跨公司的對接成為可能。B-B供應鏈整合具有強大的市場空間，能夠改善我國產業布局、產業鏈優化、優化產能分配、降低庫存、降低供應鏈成本、提高供應鏈效率。
4、物流平台規模發展，B-C商業模式整合已經成為現實，但是物流執行平台的建設是拖後腿的瓶頸。多樣產品的銷售供應鏈的整合有很大的技術難題，如供貨周期、庫存周期、配送時效、物流操作要求等，這樣的物流中心難度很大。
大數據平台建設將驅動整體銷售供應鏈整合;中國的還有的現實問題跨區域物流配送、城鄉差異等，政府的管制是一大難點/疑難雜症，大數據平台有助於政府職能調整到位。
5、產品協同設計，過去大家最關心的是產品設計。可是現在，在產品設計和開發過程中，相關人員相互協同，工廠與製造能力也在同步設計和開發中。當前的壓力在於向市場交付更具競爭力、更高配置、更低價格、更高質量的產品，而同時滿足所有這些要求，是製造和工程企業的下一個重大的價值所在。這也正是大數據的用武之地。
企業如何部署大數據?
要讓數據發揮價值，首先要處理大數據，要能夠共享、集成、存儲和搜索來自眾多源頭的龐大數據。而就供應鏈而言，這意味著要能夠接受來自第三方系統的數據，並加快反饋速度。
其整體影響是增強協同性、加快決策制定和提高透明度，這對所有相關人員都有幫助。傳統供應鏈已經在使用大量的結構化數據，企業部署了先進的供應鏈管理系統，將資源數據，交易數據，供應商數據，質量數據等等存儲起來用於跟蹤供應鏈執行效率，成本，控制產品質量。
大數據給供應鏈帶來的好處
而當前大數據的概念則超出了傳統數據產生、獲取、轉換、應用分析和存儲的概念，出現非結構化數據，數據內容也出現多樣化，大數據部署將面臨新的挑戰。
針對如今所生成、傳輸和存儲的海量信息進行簡單處理所帶來的挑戰。當前，數據量呈爆炸式增長，而隨著M2M(機器對機器的通訊)的應用，此趨勢仍將持續下去。
但是，如若能夠解決這些挑戰，將可以打開嶄新的局面?核心在兩個方面：
1、解決數據的生成問題，即如何利用物聯網技術M2M獲取實時過程數據，虛擬化供應鏈的流程。通過挖掘這些新數據集的潛力，並結合來源廣泛的信息，就可能獲得全新的洞見。如此，企業可以開發全新的流程，並與產品全生命周期的各個方面直接關聯。與之集成的還有報告和分析功能，為流程提供反饋，從而創建一個良性的強化循環。
2、解決數據應用的問題，如何讓供應鏈各個價值轉換過程產生的數據發生商業價值，是發揮數據部署的革命性生產力的根本。大數據在供應鏈的應用已經不是簡單的交易狀態可視，支撐決策庫存水平，傳統ERP結構是無法承擔的。因此企業必須重新做好數據應用的頂層設計，建立強大全面的大數據應用分析模型，才能應對復雜海量的數據如何發揮價值的挑戰。
大數據在供應鏈領域的應用剛剛起步，隨著供應鏈的迅速發展，大數據分析，數據管理，大數據應用，大數據存儲在供應鏈領域蘊含巨大的發展潛力，大數據的投資也只有與供應鏈結合，才能產生可持續、規模化發展的產業
大數據分析對供應鏈有什麼影響
如今，從物流到客戶偏好的各種數據的持續增長正在迅速改變企業的經營方式，並突出了對加強數據管理和分析的強烈需求。大數據分析(指大型和復雜的數據集)的好處是顯而易見的：大數據可以完全改變組織的工作方式，在效率、成本、可見性和客戶滿意度方面產生巨大差異。
大數據來源廣泛：
-如今的技術和社交平台允許企業以評級、評論和博客評論的形式獲得直接的客戶反饋。
-來自移動通信、社交平台和電子商務的數據正在與來自企業系統的數據集成。
-隨著物聯網和機器對機器通信的引入，製造業正在從基於事件的計劃轉變為實時感測。
-不斷發展的感測器技術可提供實時設備和產品狀況數據，從而實現自動維護和過程調整。
數據在數量上、種類上和速度上都有所增長，如果以正確的方式加以利用，可以帶來巨大的價值。
研究顯示，企業已經在推動整個企業供應鏈的生產力，但在供應鏈功能中使用大數據分析在全球企業中並不普遍或協調得很好。受益於大數據分析的公司有三個共同點：它們擁有強大的企業級分析戰略，它們將大數據分析嵌入供應鏈運營，它們擁有合適的人才庫，能夠從大數據中產生可操作的見解。
有必要僱用、培訓和扶持能夠幫助企業從大數據分析中受益的領導者。從人力資本的角度來看，大多數公司的定位尚不足以接受數字化供應鏈轉型。我們分析了各行各業的50多位高級供應鏈高管的個人資料，以了解他們在供應鏈數字化方面的定位。在涉及所謂的「數字防備連續性」方面，各行各業的公司中絕大多數高管都普遍缺乏。
調研機構采訪了各行各業的商界領袖，以探討當今日益數字化的世界對首席供應鏈官的角色以及供應鏈領導者與高級管理人員中其他高管人員之間互動的影響。通過這些訪談，我們發現了供應鏈領導者應具備的四個關鍵特徵，以便能夠從大數據分析中獲得收益：
1、對數據和系統技術有深刻的了解。當今的企業可以通過數據分析和通過數字方式收集數據來深入了解客戶行為。盡管不需要首席供應鏈官成為信息技術（IT）專家，但他們應該對數據收集、技術和分析有足夠的了解，以引導對話並為高級領導者及其供應鏈團隊提供數字化願景。
供應鏈領導者應認識到如何實施和利用相關平台和流程以及數據來自何處，並應表現出對來自各種渠道的數據范圍和規模的扎實理解。重要的是，領導者必須准備好對數據採取明智的行動。
2、具有影響力的協作方法。如果首席供應鏈官在孤島工作，將無法從大數據分析中獲得收益。在內部，供應鏈領導者必須能夠與首席技術官進行溝通和協作，以幫助確定適合組織的技術和政策；
與首席數據官一起了解如何最佳地捕獲和使用數據；與首席營銷官一起，評估供應鏈如何能夠更專注於客戶和需求驅動，並與首席執行官具體溝通更廣泛的創造價值的機會。最終，供應鏈執行官將需要能夠與內部利益相關者和外部供應商建立橋梁。
3、跨職能經驗。如今的供應鏈管理人員具有跨部門的經驗，並且能夠理解和與來自多個業務部門的人員進行交流。重要的是，首席供應鏈官員還必須具有銷售、財務或技術方面的知識。
4、發展新技能和培訓他人的能力。當今的首席供應鏈官必須緊跟最新技術，以確保組織適當地吸收數字技能和分析人才。企業犯的最大錯誤之一是在沒有適當准備組織的情況下實施大數據分析項目。建立內部計劃以確保在整個供應鏈中採用技能至關重要。
要從整個供應鏈或整個組織的大數據分析中獲取所有好處，不僅需要技術和IT。從首席執行官和執行委員會開始，企業必須准備好支持一種全新的思維方式，培養一種對創新和技術開放的文化，並願意挑戰關於供應鏈管理方式的慣例。
大數據分析對供應鏈有什麼影響、中琛魔方大數據分析平台(www、zcmorefun、com)表示由於供應網路上數十億的連接設備提供關於服務需求、位置和庫存分布的實時信息，甚至實現預期的需求，理解和接受大數據的執行領導層、數字顛覆和這些趨勢的人力資本方面對未來企業的優勢至關重要。
"以零售門店為中心"的供應鏈分析框架
一、目的
本文旨在介紹「以零售門店為中心」的供應鏈管理，簡要介紹此框架下供應鏈管理的具體內容及行業痛點。
二、供應鏈是什麼？
供應鏈
所謂供應鏈，是指由涉及將產品或服務提供給最終消費者的整個活動過程的上游、中游和下游企業所構成的網路。包括從原材料采購開始，歷經供應商、製造商、分銷商、零售商，直至最終消費者的整個運作過程。
供應鏈管理
供應鏈管理，指的是圍繞核心企業，對供應鏈中的物流、信息流、資金流以及貿易夥伴關系等進行組織、計劃、協調、控制和優化的一系列現代化管理。
它將企業內部經營所有的業務單元如訂單、采購、庫存、計劃、生產、質量、運輸、市場、銷售、服務等以及相應的財務活動、人事管理均納入一條供應鏈內進行統籌管理。
在傳統零售或者傳統行業中，供應鏈主要局限在供應鏈的後端，即采購、生產、物流等職能，與消費者、銷售渠道的協同整合嚴重不足，導致牛鞭效應、孤島現象、的出現，讓供應鏈的反應總是很滯後。
三、「以零售門店為中心」的供應鏈管理
供應鏈網路
「以零售門店為中心」的'供應鏈網路（見下圖），即以滿足門店銷售及運營核心、銷售利潤最大化的供應鏈管理。
在此分析框架上，核心目標是最大條件滿足消費者需求，即管理缺貨、減少缺貨，管理滯銷、處理滯銷。此框架下供應鏈管理的內容為：門店補貨、門店調撥、缺貨管理管理、滯銷管理、促銷管理等。
供應鏈管理
需求預測
需求預測是所有供應鏈規劃的基礎；供應鏈中所有的流程都是根據對顧客需求的預測來進行的。因此，供應鏈管理的首要工作是對未來顧客的需求進行預測。
1、預測需要考慮的影響因素
需求預測需要考慮的重要影響因素：
歷史需求
產品補貨提前期
節假日
廣告或其他營銷活動的力度
競爭對手採取的行動
價格及促銷計劃
經濟狀況
2、預測方法
定性預測法
主要依賴於人的主觀判斷。當可供參考的歷史數據很少或專家擁有影響預測的需求市場信息時，採用定性預測方法最合適。
時間序列預測法
運用歷史需求數據對未來需求進行預測，它尤其適用於每年基本需求模式變化不大的場景。
因果關系預測法
假定需求預測與某些環境因素(經濟狀況、稅率等)調度相關，因果關系預測法可以找到這些環境因素與需求的關聯性，通過預測這些外界因素的變化來預測未來需求。
模擬法
通過模擬消費者的選擇來預測需求。如價格促銷將會帶來什麼樣的影響？競爭對手在附近開設一家新店會帶來什麼樣的影響？
門店補貨
1、什麼時候補貨？
什麼時候補貨？它是時間與頻次的問題，即補貨的觸發點問題。
通常有兩種策略：
策略一、設置庫存閥值，若庫存低於閥值則補貨。通過連續檢查的方法，判斷某個時刻是否需要補貨。
策略二、設置固定的補貨周期，零售門店通常按周來設置補貨頻次，即一周設置多次補貨頻次，並固定在某幾天，如某門店在周一、周三、周五補貨。
連鎖零售企業一般採用第二種策略，主要是因為零售企業經營的SKU數量眾多；另一方面，策略一的物流及倉庫排班及排車不確定高，不適合物流及倉庫的管理及運營。
本文的供應鏈鏈管理以策略二為基礎，並依此展開分析及研究。
2、補什麼商品？
季節性的品類調整
門店必須根據季節的變化，對商品陳列位置、商品結構、店鋪氛圍進行調整。一般來講，門店應該每年進行兩次大的調整，即：每年3-4月份針對春夏季的調整，每年國慶節過後的10-11月份期間的針對秋冬季節的調整; 每個季度針對本季度特殊季節、節日的變化進行的小調整，或臨時調整。
調整商品結構
商品結構必須根據季節變化進行調整。季節變化對商品結構的影響是非常大的，必須在季節變化到來之前，及時調整品類結構，壓縮過季商品品類，擴大應季商品的品類。
調整陳列位置和陳列資源
門店的陳列位置、陳列資源，對商品銷售產出的貢獻非常巨大，不同的陳列位置商品銷售會有幾倍甚至幾十倍的差距。門店的重點陳列位置、陳列資源必須隨季節變化而調整。一是季節商品是產生銷售貢獻*大的商品，二是季節商品是*能體現門店經營特色的商品，三是季節商品是*能提示消費者購物的商品。
重大節慶的品類調整
在快時尚、輕奢的品類中，很容易出現春節、婦女節(女王節)、情人節、開學季、聖誕節、雙十一等的節慶影響，表現出銷量井噴。零售企業需要根據節慶來完善豐富的品類結構，滿足顧客在特定節慶時期的消費需求。
市場變化導致的品類調整
禁配策略
地理環境因素，如西北地區處於內陸、遠離海洋，夏天不適合配沙灘遊玩類用品。風俗、宗教類因素，穆斯林地區禁止配送豬肉類食品。
新品策略
若零售公司准備投放一批新品，零售門店則需要為新品調整貨架，增加新品的曝光度，引導消費者產生首次購買、重復購買。
3、補多少量？
補貨量 = 需求量 – 門店庫存
計算門店需求時以需求預測為基礎，同時考慮下述影響需求及供給的約束條件：
倉庫容量
門店貨架容量
過去需求
產品補貨提前期
廣告計劃或其他營銷活動的力度
價格促銷計劃
競爭企業採取的行動
4、缺貨場景的庫存分配策略
策略一：增加相似商品的補貨庫存 相似商品：功能、顏色、功效相似的商品。
策略二：增加其他暢銷品的庫存 根據商品的銷售量排名，根據一定的分配策略來補貨。
缺貨管理
連鎖零售企業商品缺貨狀況會引發消費者的各種反應， 最終導致零售企業的銷售損失，48%的人會購買同一品種的替代品，15％的消費者不再購買，31％的顧客會到另一家店購買時再實施消費行為，顧客的轉店率是37％。
1、缺貨原因及應對策略
倉庫缺貨
渠道單一。單純地依靠某一個供應商或過分依賴某些材料部件，一旦某個供應環節中斷，將影響整個供應鏈的正常運作。缺乏預見能力。由於缺乏對供應鏈上的可預測性，不具有對供應商的供應能力和不確定性的前向洞察力，常常會面臨種種不確定因素影響所帶來的庫存短缺。應對措施：替代商品
補貨量不足
某商品銷售出現顯著增長，且明顯大於預期、門店庫存不足，但補貨不及時。應對措施：門店調撥 在零售行業中，線上線下競爭如此激烈，誰能快速解決各個商圈內門店之間、商圈之間超密集的調撥需求，實現高效調撥、把握銷售機會，實現銷售業績的新突破。
滯銷管理
1、滯銷危害
在陳列空間上，滯銷商品大量陳列占據了門店的貨架空間，迫使其他暢銷品的陳列空間不夠，新上市商品無法正常上貨。
滯銷商品佔用大量的資金，使得零售門店的流動資金日益萎縮，嚴重的會影響到正常商品采購、甚至導致門店倒閉。
對於顧客來說，滯銷商品大量陳列在貨架上，這樣既影響了顧客挑選自己需要的商品，浪費了消費者的注意力，甚至導致顧客無法找到正常的商品，損失了門店應該獲取的利潤。
從門店商圈來看，門店大量商品長期不做銷售周轉，消費可能會對門店失去信息，減少或改變原本的購物需求，轉向其他門店進行消費。
2、滯銷原因
季節因素
部分商品因地區差異存在明顯的季節之分，該部分商品由於季末沒有做特殊處理，導致在庫時間高於規定的天數，形成滯銷，體現在換季時門店任務按正常時段的銷售量作為補貨的依據產生。
補貨模型不合理因素
行業中大多數公司會把門店庫存管理權交給店長，由於公司的高速發展，門店會不斷地有新店長上任，店長庫存管理概念模糊，在補貨時大多憑借個人經驗確定補貨數量，容易導致部分補貨量較大的商品滯銷。
價格因素滯銷
部分商品會因為價格不合理而導致滯銷，一種是低價格商品，由於門店所處的商圈消費水平較高，價格低廉的老葯滯銷；另一種則是因為門店商品售價明顯高於競爭對手的售價導致滯銷。
陳列因素
與海量商品相比，門店的貨架資源永遠都是稀缺的，部分企業會給予部分商品特殊待遇，不能公平合理地分配貨架資源，導致部分商品因陳列位置差、曝光率低，從而導致滯銷。
淘汰商品不順暢
商品都會存在生命周期，特別是一些廣告商品，然而大多數公司更新商品都比較被動，不會主動去優化商品，會導致商品因同質化嚴重而引起滯銷。
批量采購決策失誤
供應鏈上游對市場需求及銷售情況沒有準確把握，商品采購數量過多，從而導致滯銷。
突發因素
某些突發因素導致消費行為發生重大變化。如」非洲豬瘟」導致豬肉類食品無法銷售出去，從而導致滯銷。
痛點
供應鏈上游滯銷引發的風險轉稼
在零售連鎖供應鏈網路中，供應鏈上游由於產品開發、采購失誤等決策失誤導致的庫存積壓，上游往往會將庫存風險轉稼到供應鏈末端(零售門店)，從而佔用零售門店大量的流動資金及貨架資源。
市場快速變化，難以准確預測和判斷供貨情況。
門店端某款產品突然爆發，致使供應鏈上下游倉庫出現大面積缺貨，此種情況供應鏈無法快速反應或供應周期過長，從而導致銷售機會的浪費。
預期范圍內、延遲或產能不足，導致銷售機會的損失。
某些品類由於供應鏈上游(采購、供應商)等原因，如產能不足或機器故障等原因導致交付延遲，從而導致銷售機會的浪費。
市場競爭加劇，線下實體店客流下滑
總結
供應鏈末端(零售門店)缺乏足夠或針對性的應對措施
供應鏈上下游協同是解決」零售門店」問題的重要方向
科學、精準的貨架管理將是提升門店銷售、實現供應鏈價值的重要方向
四、供應鏈的發展趨勢
全渠道趨勢
移動互聯網的迅猛發展催生了O2O、C2B、P2P等新業態，全球傳統產業開始受沖擊，受互聯網思維與互聯網、大數據、雲計算等技術深度影響出現變革，全球傳統行業將互聯網化，擁抱O2O全渠道零售大時代。
供應鏈日趨可視化
在運營中對商品廣泛使用了電子標簽，將線上線下數據同步，如SKU同步、庫存同步、價格同步、促銷同步；實現線上下單，線下有貨，後台統一促銷和價格。
供應鏈可視化以後，未來所有業務職能包括銷售、市場、財務、研發、采購和物流等進行有機的集成和協同就有了可能，可以對消費者需求、門店或網上庫存、銷售趨勢、物流信息、原產地信息等進行可視化展示，實現供應鏈敏捷和迅速反應。
新時代下的供應鏈可視化未來將持續向消費者、SKU、店員延伸，通過可視化集成平台，戰略計劃與業務緊密鏈接，需求與供應的平衡，訂單履行策略的實施，庫存與服務水平的調整等具體策略將得到高效的執行。
供應鏈預測智能化
在新零售的業態中，大量零售運營數據包括消費者、商品、銷售、庫存、訂單等在不同的應用場景中海量產生，結合在不同業務場景和業務目標，如商品品類管理、銷售預測、動態定價、促銷安排、自動補貨、安全庫存設定、倉店和店店之間的調撥、供應計劃排程、物流計劃制定等，再匹配上合適的演算法，即可對這些應用場景進行數字建模，邏輯簡單來說就是「獲取數據—分析數據—建立模型—預測未來—支持決策」。
本質上說，智能演算法是一項預測科技，而預測的目的不是為預測而預測，而是用來指導人類的各項行為決策，以免人在決策時因為未知和不確定而焦慮。
當全新的供應鏈體系，能夠實時顯示運營動態，如貨齡、售罄率、缺貨率、暢售滯銷佔比、退貨率、訂單滿足率、庫存周轉率、目標完成比率等，同時又能相互鏈接和協同，那麼將很容易形成通用運營決策建議，如智能選品、智能定價、自動預測、自動促銷、自動補貨和下單等。
在此基礎之上，供應鏈管理人員所做的事情就是搜集信息、判斷需求、和客戶溝通、協同各種資源、尋找創新機會等。
㈡ ERP系統的數據分析師是做什麼的崗位職責是什麼啊
1. 最重要的是要精通excel表格的數據處理技巧，數據透析等；也就是需要excel表格用得非常嫻熟的人才。
2. 數字敏感度要強，一看到某個數據就能夠感覺出數據是否存在不合理的地方，同時預測問題所在並以最快的時間找出問題根源並提出解決方案。 3. 熟悉公司業務，和行業知識。若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。
4. 掌握分析的理論知識，掌握數據分析基本原理與一些有效的數據分析方法，並能靈活運用到實踐工作中，以便有效的開展數據分析。基本的分析方法有：對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。
㈢ 如何學習工業大數據分析
數據分析需要具備多方面的理論基礎，比如基本的數據分析知識：統計、概率論、數據挖掘基礎理論等；基本的商業常識：營銷理論、戰略管理等；數據處理知識：資料庫、數據結構等。
㈣ 大數據時代的到來，對ERP軟體的發展會有什麼影響
說到大數據對ERP的影響，簡單從以下幾個角度發表下：
1、硬體與軟體相結合的智能制內造。（例如容：現在一些自動化程度相對比較高的企業都在引入MES，打造透明化工廠）
將硬體設備數據引入到ERP系統中，進行整合應用分析。
2、互聯網+，雲端的應用；將更多的數據整合到ERP系統中，做數據的分析。
歸根結底，大數據對ERP的影響就是整合一切能整合的數據資源來進行分析，同時通過這種數據分來去擴展實際的應用功能，顯得更加智能化。
㈤ 大數據分析系統平台方案有哪些
目前常用的大數據解決方案包括以下幾類
一、Hadoop。Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。
二、HPCC。HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。HPCC主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆 比特網路技術，擴展研究和教育機構及網路連接能力。
三、Storm。Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。 Storm支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來
四、Apache Drill。為了幫助企業用戶尋找更為有效、加快Hadoop數據查詢的方法，Apache軟體基金會近日發起了一項名為「Drill」的開源項目。該項目幫助谷歌實現海量數據集的分析處理，包括分析抓取Web文檔、跟蹤安裝在Android Market上的應用程序數據、分析垃圾郵件、分析谷歌分布式構建系統上的測試結果等等。
㈥ 大數據，數據挖掘，BI，ERP之間的聯系，主要圍繞ERP，簡明扼要一點
大數據：是數據基礎，一切上層皆基於此。大數據，顧名思義，數據量大，會對內後面的分析容和挖掘造成一定難度。
數據挖掘：在數據基礎上繼續挖掘和分析，挖掘更多的是做分析和預測。
BI：一般是指商業智能工具，可進行數據分析和展示，BI工具可做一定的挖掘工作。
ERP：一般是ERP軟體，結合企業自身業務和平時管理需求定製的企業資源計劃系統。BI工具和數據挖掘工作可以幫助ERP做更多決策支持和分析功能。
大數據如果要進行BI分析，有一定難度，因為BI分析對實時性要求好，最好推薦使用永洪科技的Z-Suite等大數據實時分析BI工具，然後再結合ERP產品，ERP產品選擇面相對寬鬆些，可根據自身情況決定。