睿利而行 IT 自动化安全运维平台解决方案 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 内容 • 企业日常安全运维遇到的挑战 • CASK 平台如何帮助企业实现自动化安全运维 • 自动化场景举例 • 国产安全产品适配 • CASK 平台与传统方案相比有什么区别 分析人员缺乏 2 百万安全专业人才缺口 没有统一流程的安全响应 缺乏量化指标，处理问题只能通过电 话或者邮件沟通 安全产品整合难 整合复杂性高，需要专门的 开发团队 数据结构多样 不同产品有不同数据， 无法直接连通 数据共享难 不同产品位于不同的安全 控制点，最早发现威胁的 设备无法实时共享情报到 其他安全控制节点。 联动流程复杂 要设计一系列安全动作要穿插大 量不同产品，沉没在技术细节中 量不同产品，沉没在技术细节中 安全运维面临的挑战 DATA LAKES, SIEMs 越多的安全产品，联动的复杂性越高 THREAT PLATFORMS & ANALYTICS ORCHESTRATION OTHER SIEMs OTHER DATA LAKES 3rd PARTIES INCONSISTENT APIs 漏洞扫描 安全 Web 网关 上网行为管理 网络流量分析 主机加固

大数据平台数据管控整体解决方案 大数据平台数据管控整体解决方案 大数据平台数据管控整体解决方案 目录 数据管控概述 1 元数据管理 2 数据标准管理 3 数据质量管理 4 大数据平台数据管控整体解决方案 数据管控系统实施目标 数据管控系统实施是为解决企业所面临的数据标准问题、 数据质量问题、元数据管理问题。 • 推动数据标准在全企业的执行落地，规范化管理构成数据平 台的业务 台的业务和技术基础设施，包括数据管控制度与流程规范文 档、信息项定义等。 数据标准规范落地 • 全方位管理数据平台的数据质量，提升数据可访问性、可用 性、正确性、一致性等，实现可定义的数据质量检核和维度 分析，以及问题跟踪。 数据质量问题定位分析 • 提升统一有序的业务系统和 MIS 系统的管理数据能力，实现 对数据间流转、依赖关系的影响和血缘分析，增加有效工作 时间用于分析数据，减少用于在复杂企业数据环境中搜索数 时间用于分析数据，减少用于在复杂企业数据环境中搜索数 据的时间 数据关系脉络化 大数据平台数据管控整体解决方案 数据管控体系建设原则 循序渐进 结合现实 • 实施难度、影响 范围 • 实施成本、实施 风险 • 不可能齐头并 进，一蹴而就 • 先易后难 • 以业务的现实需 求为首要前提来 确定数据治理平 台的重点 业务驱动 大数据平台数据管控整体解决方案 数据管控系统实施步骤 大数据平台数据管控整体解决方案

大数据企业架构讨论 案例研究：智慧交通 大数据实时处理和分析 目的：提高城市交通的科学管理和组织服务水 平 业务目标 • 智能交通数据的有力支撑 • 智能交通公共信息服务的实时传递和快速 反 应的应急指挥 • 智能交通业务联动快速应对变化 • 可视化事件跟踪 挑战 • 近千万辆轿车、轨道交通、快速公交系 统 • 高并发事件及数据流的实时处理 • 海量非结构化大数据的组织与分析 • 所有的数据源及数据结 构 • 低延时 • 高并发的交易 • 高度灵活的数据结 构 数据获取 数据传输 数据处理 数据是智能交通的核心 数据获取 数据传输 数据处理 People. Process. Portfolio. Discussion 实时事件处理 — 概念图解 业务场景 • 重要车辆监 控 • 交通诱导 • 出行者信息 • 技术机遇 • 实时处理大数据量 • 合并历史事务和实时事 利用现有分析 • 最大限度地减少数据移 动 实时 批处理 流 （ CEP 引 擎） 警报 • BPEL • 移动 • 信息 板 • 数据 库 NoSQL HDFS 实时分析数据流 实时数据源 CEP RDBMS 实时位置 NOSQL 外部数据库 黑名单 小型机 历史事务 备份 历史配置文件 RDBMS 事务 历史数据源 计算配置文件 实时事务

智慧安全监管信息化工程 规划方案 委托单位：XXXXX 编制单位：XXXXX 编制时间：XXX 目录 第一章规划总说明 1 1.1项目名称(项目修改) 1 1.2项目建设单位及负责人（项目修改） 1 1.3初设及概算编制单位（项目修改） 1 1.4初设及概算编制依据（项目修改） 1 1.4 6 2.2.2安全生产数据中心建设需求分析 6 2.2.3安全生产监管信息平台建设分析 6 2.2.4应急救援指挥平台建设分析 6 2.2.5安全生产监管公共服务平台建设分析 6 第三章“智慧安监”标准体系建设 8 3.1数据相关标准规范分体系 8 3.1.1XXX安全生产信息资源规范 8 3.1.2XXX安全生产数据元规范 9 3 3.1.3XXX安全生产数据交换规范 9 3.1.4XXX安全生产地理空间数据规范 9 3.1.5XXX企业安全生产数据采集规范 10 3.2“智慧安监”平台建设规范分体系 10 3.2.1“智慧安监”平台应用支撑标准 10 3.2.2“智慧安监”网络环境建设规范 10 3.2.3“智慧安监”信息安全标准 11 3.2.4“智慧安监”信息化管理规范

华为AI数据中心 参考设计 构建万物互联的智能世界 Reliable Agile Sustainable 目录 序言 01 1 预制模块化方案 02 方案简介 02 模块简介 03 参考设计(RD) 01-14 04 2 钢结构方案 32 方案简介 32 DC架构简介 33 参考设计(RD) 15-21 34 3 产品手册 47 室外电力模块 47 UPS 50 锂电 锂电 53 TMU 55 风墙 57 序言 01 本手册系统性展示了华为面向AI智算场景的数据中心能源解决方案。我们针对不同场 景需求提出两大参考设计范式。 预制模块化解决方案，核心系统采用全预制模块化产品，工厂预集成、现场乐高式安 装，快速交付，将数据中心的建设周期从18个月压缩至6个月。 钢结构解决方案，核心构件可以在工厂预制生产，然后运输到施工现场进行装配，减 少了现场施 在以上两种建设形式中，每个方案中细分出50 kW/柜、70 kW/柜、132 kW/柜三大子 场景，以满足多场景智算中心建设需求。 本手册既是华为对智算中心建设探索的阶段总结，更是通向下一代数据中心的路线图。 我们期待与全球客户、合作伙伴共同探索，让每一瓦特电力都迸发出更澎湃的算力， 共同构筑智能世界的坚实基座。 室外电力模块 方案简介 02 Data Hall 柴油发电机

用友数据中台解决方案 用 友 网 络 科 技 股 份 有 限 公 司 企业数据中台 —— 助力企业创新化、提升对用户需求的响应力—— 元数据管理、 数据标准、 数据质量、 数据清洗、 数据安全 SOD(Systems of differentiation) 用友数据中台是基于新的数据湖存储方案基础上重新定义的企业 IT 架构核心组成部分 稳定可靠 产品系统 客户管理 系统 财务系统 智能分析 绩效评分 决策分析 风控管理 商机发现 精准营销 人才发现 “ 今天的数据仓库基于几十年前的技术。 为了满足当今 的需求和机遇 , 数据仓库必须从根本上改变” – Jef Shu kis, VP Engineering and Tech Ops, VoiceBase 传统数据仓库面临的挑战 38% 前期购买和持续维护成本 Source - CIO Research 60% 太复杂难于管理 CIO 认为目前数据仓库遇到的挑 战 人工 慢 湖 是以其自然格式存储的数据的系统或存储库 ，通常是对象 blob 或文件。 数据湖通常是所有企业数据的单一存储 ，包 括源系统数据的原始副本和用于报告 ， 可视化 ，分析和机器 学习等任务的转换数据。 数据湖可以包括来自关系数据库 （行和列） 的结构化数据 ， 半结构化数据（ CSV ， 日志， XML ， JSON

1 CRM数据治理及应用实践蓝皮书 前言 当下，企业竞争的核心要素正经历着从资本、技术到数据的深刻嬗变。企业已从“数字化生存”迈向“数智化共 生”的新纪元⸺数据不再是业务流程的衍生结果，而是企业核心生产资料。尤其在以客户为中心的商业环境下，营 销、销售、服务（以下简称 “营销服”）环节沉淀的业务数据与客户数据，正成为撬动企业增长的“数字杠杆”。 然而，数据价值的挖掘与释放绝非一蹴而就，许 多企业坐拥海量数据却依旧陷入应用困境。究其本质是由于数据 治理缺位：唯有实现数据的及时采集、安全存储、高质量处理与结构化整合，才能将其转化为驱动决策的“高纯度燃 料”。 而数据治理的终极目标是通过数据应用赋能业务。数据价值的释放需要打通“治理”与“应用”：通过贯通营销 服流程，让客户基础数据、交易数据、服务工单数据在业务场景中自由流动，形成“数据反哺业务、业务沉淀数据” 的闭环；通过将 的闭环；通过将数据嵌入商机推进、订单履约、售后服务等核心场景，让结构化数据成为销售策略的“导航仪”、服 务效率的“加速器”、客户运营的“显微镜”。在渠道管理中，通过统一数据口径、沉淀全生命周期合作数据，实现 “厂商赋能渠道、渠道反哺市场”的双向共赢。 而当大模型应用成为企业提效的标配，数据的安全性、及时性、多模态处理能力成为AI应用落地的前提：不合规 的数据可能引发法律风险，低质量的数据会导致模型输出偏

危化企业安全风险 智能化管控平台解决方案 -2- 目录 CONTENTS 一 . 政策概述 二 . 核心功能 三 . 应用案例 产业布局： 7 0 有竞争优势的化工园区 依、、、 创新发展： 20+ 共性技术 ， 40 + 新产品 五大主要目 标 产业结构： 75 % 新材料 依、、、 数字化转型： 30+ 智能工厂 ， 50 + 智慧园区 石化、煤化 工 等 重 点 领 率 达 到 95% 以 上 ， 建 成 30 个 左 右 智 能制造示范工厂、 50 家左右智慧化工示范园区。 绿色安全： 本质安全提升 大宗产品单位产品能耗和碳排放明显下降，挥发性有机物排放总量比“十三五”降低 10% 以上，本质安全水平显著提高，有效遏制重特大生产安全事故。 依、、、 依、、、 提升创新发展水平 完善创新机制，形成协同创新体系 攻克核心技术，增强创新发展动力 排 着力发展清洁生产绿色制造，培育壮大生物化工 优化调整产业布局 统筹项目布局，促进区域协调发展 引导化工项目进区入园，促进高水平集聚发展 夯实安全发展基础 推广先进技术管理，提升本质安全水平 增强原料资源保障，维护产业链供应链安全稳定 -3- l 1.1 “ 十四五”推动石化化工行业高质量发展的指导意见 -4- 转型成效 突出 示范引领 增强 数字化水平 提高 支撑保障

息及数据的收集及处理自古有之，几千年 来变化不大，直到个人电脑的普及才开始 出现了极其微妙的改变。首先是带动着数 据化的领先企业包括 Google、Amazon、Facebook 及 中国的 BAT, 然后是移动应用和人工智能所引起的智 能热潮。再加上物联网的加入，让我们在不知不觉之 间每天都在生产着数据，甚至消费着数据。可以说， 几乎全民都参与在大数据的生命周期之中。大数据的 组成和几年前很不一样，因为需求的细分及终端的发 达变得越来越零散。同时数据安全的规管也改变了大 家分享数据的形式及难度，汇聚数据的成本正在不断 提高。但是我们都知道大数据的核心价值来自分享， 经过数据的分享增加了预判及还原现实的可能性。所 以成本效应成为了企业及政府机构数据化的绊脚石。 如今企业都意识到数据是重要的资产，也意识到 有效数据治理是数据资产化的前提，近年本人在国内 做市政府和一些互联网企业的咨询专家及顾问，都涉 及到如何建立横向的数据治理系统。这个经验最早来 自阿里巴巴，当时在企业飞速的发展过程中，我们发 现数据使用面临着如下挑战： —各部门低水平重复开发数据集，浪费大量的 存储和计算资源； —数据资源缺乏沉淀机制，导致计算能力的提 升和进化非常低效； —数据割据，算法分离，带来混乱和质量的不 确定性； —业务变更时，数据及数据产品反应不及时； —组织架构制约了数据的共建和共享，缺乏标

署名 “ 用数据说话” -- 经营分析系统介 绍 2 通过课程，大家能得到什么？ 2 、掌握数据分析的要素 和步骤，提高数据分析工 作效率； 3 、运用经分系统和重点 应用，遇到分析的问题找 到最佳解决途径。 1 、激发对数据分析的兴 趣，积极使用经分系统解 决实际工作问题； 3 数据分析无处不在 数据分析无处不在，需要大家的积极探索… … “ 大数据时代”惊喜都去哪了？ 谷歌也曾利用大数据预测流感爆发的时间、 Farecast 票价预测工具可以预测飞机票的价格， 亚马逊可以预测用户喜欢的商品，这些都是大 数据的杰作。 大数据时代，惊喜都去哪了？ 4 目 录 一、入门知识——数据分析是什么 三、案例透视——经分应用干什么 二、系统解析——经分系统有什么 1.1 何谓数据分析 1.2 数据分析价值 1.3 数据分析步骤 2.1 量化薪酬系统 5 何谓数据分析 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将 它们加以汇总和理解并消化，以求最大化开发数据的功能，发挥数据作用。 数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括 总结的过程。 基础：大量的数据样本 工具：适当的分析方法 结果：明确的分析结论 三 大 要 素 6 目 录 一、入门知识——数据分析是什么 三、案例透视——经分应用干什么