奇硕:使用网易云服务,运维成本降低50%

上海奇硕网络科技与网易云合作,利用云计算及大数据服务,解决了数据剧增带来的挑战,运维成本降低50%。奇硕为零售企业提供数据支持,随着业务增长,原有数据库存储难以满足需求。通过网易云服务器方案、对象存储、缓存服务,以及容器服务技术,实现了多租户SaaS解决方案。

2018年上半年,我国电子商务发展仍保持较高增速,前5个月网上零售额总额达到32691亿元,首次在1-5月份突破3万亿。当下零售业的快速增长不仅拉动了专注泛零售数据分析的科技公司发展,同时也为第三方数据分析公司带来急需快速扩充IT资源的挑战。

以上海奇硕网络科技(下简称奇硕)为例,作为零售企业一体化解决方案的供 应商,奇硕为众多零售企业提供数据支持、解决方案,但随着奇硕业务的不断增长,海量的数据需要进行分析和处理,而数据库存储业务对云服务器的性能要求极高,奇硕原有的数据库存储已经无法满足数据量的暴增。应对以上问题,目前奇硕选择与网易云(163yun.com)合作,据了解,通过网易云计算及大数据服务,奇硕在保障大量数据安全的同时,运维成本降低50%。

面临业务增长压力,奇硕选择网易云基础服务

以往,成功的零售依靠的是销 售模式及渠道,而到了互联网时代,零售商的获客方式越来越离不开对用户的线上运营以及依靠大数据的用户管理和营销。

奇硕抓住这一风口,选择泛零售数据分析作为公司发力方向,历时两年开发了基于数据驱动的新零售智慧中台并成功实施。据了解,奇硕成立的4年时间里发展迅猛,共收获了5家上市公司及170个品牌客户,并从店铺选址、商品运营、业绩考核、目标设置、商品调拨完全实现了“采集自动化”、“诊断自动化”、“运营自动化”。商户终端人员在零售魔方的帮助下,业绩大幅提升。与此同时,大量的零售企业客户必然会带来海量的数据分析需求,对于现阶段的奇硕来说,扩张更多的IT资源、数据库存储以及提高对数据的安全保护是首要解决的问题。

从2017年开始,奇硕选择与网易云多维度合作,“奇硕通过网易云服务器方案、对象存储、缓存服务来解决数据剧增的挑战,同时针对客户多样化、定制化的问题,基于网易容器服务技术,实现多租户 SaaS 的解决方案,为不同用户量身定制个性化的服务”,网易云基础服务技术人员表示。

网易云大数据服务,有效降低奇硕运维成本

在大数据技术层面,奇硕考察了网易云的数据迁移、架构设计、安全策略、自动运维、数据安全等因素后,最终选择将平台迁移至网易云。

“在我们迁移到网易云的过程中,我们对整个体系架构和数据平台进行了升级,这些升级主要包括数据平台的升级,企业数据中心的升级和应用系统架构的升级”奇硕CTO殷世林说。

安全稳定是大数据服务行业最重视的问题之一,奇硕在没有进行数据平台升级之前,其架构使用的全部是带公网网卡的云主机,服务经常受到外网的网络攻击,差点造成数据的丢失。“基于网易云的部署,我们的数据平台,从安全性、高可用性、易维护性、合理性、易扩展性方面都得到了极大的保障”殷世林表示。

伴随大量客户而来的除了漂亮的业绩,还有对奇硕数据中心和应用系统架构的压力,据介绍,现在奇硕的数据量在500G/天左右,如果搭建数据平台,运维成本太高。面对这种情况,殷世林团队选择将数据平台迁移到网易猛犸,并和网易有数进行整合。同时,奇硕在应用架构方面也进行了升级,开始对系统进行微服务架构的改造。在改造后,奇硕的运维成本降低了50%。

奇硕CEO顾奇对网易的评价是:“技术领先,服务体贴”,谈及此次合作,顾奇表示“网易云的产品性能稳定,不仅提升了我们的客户体验,而且还为我们提供了稳定、可开发模式以及良好的运维环境,是一个值得信赖的合作伙伴”。

另据了解,网易云(163yun.com)截至2017年底已服务40万企业客户,覆盖金融、电商、社交、教育、游戏、文化娱乐、医疗生物等互联网企业以及传统企业。

凝聚了网易21年互联网技术及经验的网易云(163yun.com)在业界首次提出“场景化云服务”和“专属云”的发展战略,先后推出了通信与视频(云信)、云客服、云计算基础服务、云安全(易盾)、网易猛犸、网易有数、信息流服务(有料)等服务。

内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值