金融数据智能峰会|数据规模爆炸性增长,企业如何进行精准决策?云原生数据仓库数据化运营实战分享

阿里云开发者 阿里云开发者     2022-12-09     180

关键词:

简介:在日前的2021阿里云金融数据智能峰会——《云原生驱动数智化运营的“增长黑马”》专场上,阿里云数据库资深技术专家魏闯先 从数据价值链路角度切入,为大家解读云原生数据仓库如何支撑数据化运营、全链路营销和阿里集团双11业务,并展示金融客户最佳实践案例和应用场景。本文内容根据演讲录音及PPT整理而成。

在日前的2021阿里云金融数据智能峰会——《云原生驱动数智化运营的“增长黑马”》专场上,阿里云数据库资深技术专家魏闯先 从数据价值链路角度切入,为大家解读云原生数据仓库如何支撑数据化运营、全链路营销和阿里集团双11业务,并展示金融客户最佳实践案例和应用场景。本文内容根据演讲录音及PPT整理而成。

 

HI5A8868.JPG

阿里云数据库资深技术专家魏闯先

 

 

一、背景与趋势


(一)阿里巴巴15年云计算实践

截屏2021-07-20 下午5.32.40.png

回顾阿里巴巴十五年来云原生发展的道路,大致分为三个阶段。


第一个阶段是2006年~2015年的应用架构互联网化阶段,是云原生从0到1的过程。最早的时候,阿里巴巴在淘宝上做中间件,那是最早的云的雏形。当时我们研究的是Oracle数据库和IBM的小型机。但阿里巴巴发现一个问题,就是随着淘宝流量越来越大,Oracle的机器无法继续满足业务需求,三个月之后,我们的数据将存不下也算不了。这是非常严重的问题,所以当时阿里巴巴启动了去IOE的计划。


这个时候,阿里巴巴发现我们的业务做得非常好,但技术上有很多挑战。因此,阿里巴巴在2009年成立了阿里云,自研飞天操作系统,开启云化时代,淘宝和天猫合并建设业务中台,届时三大中间件核心系统上线。


飞天操作系统基于Apsara,是一个分布式的操作系统。在基础公共模块之上有两个最核心的服务:盘古和伏羲。盘古是存储管理服务,伏羲是资源调度服务,飞天内核之上应用的存储和资源的分配都是由盘古和伏羲管理。飞天核心服务分为:计算、存储、数据库、网络。


为了帮助开发者便捷地构建云上应用,飞天提供了丰富的连接、编排服务,将这些核心服务方便地连接和组织起来,包括:通知、队列、资源编排、分布式事务管理等等。


飞天最顶层是阿里云打造的软件交易与交付第一平台----云市场。它如同云计算的“App Store”,用户可在阿里云官网一键开通“软件+云计算资源”。云市场上架在售商品几千个,支持镜像、容器、编排、API、SaaS、服务、下载等类型的软件与服务接入。


这就是最早的云的基础框架,也是一个云原生的架构。


从2011年开始,我们开始做容器调度,在集团里面开始做在线业务,在线的业务开始走容器化。到了2013年,自研飞天操作系统全面支撑集团业务。


2015年,阿里云的云原生技术不单是给阿里巴巴的内部业务使用,也开始对外做商业化,以上就是第一阶段。


第二阶段是2016年~2019年的核心系统全面云原生化阶段


从2017年开始,我们不只做在线了,离线也全部采用了云原生的技术。双11购物节有大量的交易数据,这些数据的后台分析和后期处理都是交给离线完成。我们基于云原生把在线和离线的底层资源池统一,支撑百万级规模电商交易。


到了2019年,阿里巴巴核心系统100%上云,这其实非常难,因为阿里巴巴的业务量非常巨大,任何普通的系统都无法支撑。


第三阶段是2020年至今,是全面升级下一代云原生技术的阶段。阿里巴巴成立云原生技术委员会,云原生升级为阿里技术新战略。阿里巴巴核心系统全面使用云原生产品支撑大促。阿里云云原生技术全面升级,Serverless时代开启。

 

(二)阿里云对于云计算的断言


阿里巴巴是怎样看待云计算的?云计算和传统技术的差别到底是什么?


举个例子,在一个家家户户都需要挖井的村庄里,每家根据自家人口数量、大概需要的出水量、是否会有客人来等等因素,决定挖多宽的井。如果遇上家里客人比较多或者干旱了等状况,水可能就不够用了。除了挖井的成本外,日常维护这口井,也需要很高的成本。

上述场景映射到企业中,就是企业基于自己的IT基础,还要到运营商那里买个机房,买几台服务器来支撑自己的服务。如果后续这些机器闲置的话,企业仍然需要支付一大笔费用,成本非常高。


云解决的问题就是通过虚拟化的技术实现资源池化,用上方挖井例子来形容就是建一个自来水厂。自来水厂和井的差别在于,第一,供水量很大,即使来100个客人,供水量也能满足需求。第二,前期不需要投入大量成本去挖井,而是根据用水需求按量计费。即使接通自来水管道,如果不用,那么永远也不需要为它付费。


这为企业带来了两大好处,第一个是企业需要做快速决策的时候,不用花大量时间去“挖井”,而是开箱即用。第二是前期投入成本很低。


这就是云带来的好处,那么什么是云原生呢?


云原生是个标准服务,很多东西我们不需要提前规划。比如我要做数字化转型,需求很简单。我需要有人给我提供这个服务,我要多少,他给我分配多少,不需要我去做提前的准备。随着我业务的增长,它底下的基础设施能够随之一起增长,具有非常好的弹性。这也大大地减少企业成本与精力,可以更加专注地去做最擅长的事情,大幅提升效率。

通过以上的例子,下面这几点就非常好理解了。


截屏2021-07-20 下午5.34.22.png

首先,我们认为容器+K8s会成为云计算的新界面,这是未来的一个趋势。


其次,整个软件生命周期也会发生变化。原来软件的生命周期很长,现在通过云原生的技术可以做到迭代速度越来越快,向下延伸软硬一体化、向上延伸架构现代化等都可以去做。


最后,加速企业数字化升级。原来做企业数字化转型非常复杂,可能要买机器、买数据库、买应用,需要三年五载的时间来完成。而如今的企业数字化转型,只花短短数月的时间,便可实现完全转型。


(三)业界趋势:数据生产/处理正在发生质变


从业界趋势上看,未来数据会发生什么变化,给应用带来什么变化?

截屏2021-07-20 下午5.35.04.png

首先,我们认为未来数据一定会规模爆炸性增长。2020年全球数据规模约为40 ZB。40 ZB是什么概念?举个例子,假设每部电影是1GB,假设全世界每个人都去看一部电影,那么这些数据量加起来大概就是40ZB。


除此之外,我们预计2025年的全球数据规模将会是2020年的430%,全球数据规模每年都在增长。


第二个是数据生产/处理实时化。原先我们可能一个月看一次报表,经过大数据,我们可以每天看一次昨天的数据。数据越来越实时化,能够实现秒级响应。以营销场景为例,在双十一购物节场景,当商家发现店铺的某个活动不能产生效果,那么可以在一分钟或者数分钟之内调整广告或投放策略,从而达到更好的营销效果。如果数据是按天反馈,在11月12日看到数据的时候,做活动带来的效果已经大大降低了。因此,数据实时化在这样类似的场景中,扮演着十分重要的角色,数据的实时也会带来应用的实时。


第三是数据生产/处理智能化。目前在所有数据中,非结构化数据占比80%,主要包括文本、图形、图像、音频、视频等,尤其是在当下热门的直播领域,对非结构化数据进行智能化处理,能够知道观众的喜好与其他信息,方便业务更好地开展。除此之外,非结构化数据以每年增加55%的速度持续增长,未来将成为数据分析非常重要的一个来源。


第四个是数据加速上云。我们认为数据上云势不可挡,正如汽油车终将被电车代替一样。预计到2025年的时候,数据存储云上规模为49%,2023年数据库上云规模75%。

 

(四)业界趋势:云计算加速数据库系统演进


另一个业界趋势不容忽略:云计算加速数据库系统演进。

截屏2021-07-20 下午5.35.51.png

首先我们看一下数据库发展历程。早在八九十年代数据库就已经诞生,那时候主要是商业数据库,如Oracle、IBM DB2等,这里面有些数据库还占据这如今的市场。


到90年代,开源数据库开始涌现,如PostgreSQL、MySQL等。国内用MySQL比较多,国外用PostgreSQL比较多。到90年代以后,数据量越来越大,原来数量小的时候可能用PostgreSQL或MySQL,单机就可以解决问题,随着数据量爆炸性增长,就需要像分布式或小型机的方式去解决大量数据和分析问题。


数据分析的重要性体现在哪里?


举个例子,有个数据仓库Snowflake的公司在刚上市的时候就达到1000亿美金的市值,如今也有700亿美金,对于一个只做一款产品的公司来说,这是一个非常高的市值。为什么它的市值这么高?


前段时间和一位老师交流,他说对于现在的企业,尤其是电商或直播等互联网企业,早先他们企业最大的成本是人力,员工工资占据主要支出。但如今最大的支出是信息和数据,为了公司未来的发展规划,需要拥有大量的数据来分析当前客户最想要什么,最需要什么,业界的发展是什么。因此,公司需要大量购买数据、做大量的数据分析,这方面的成本已经超过了人员成本。这也是为什么一个只做数据仓库的公司,市值能够达到700亿美金。


2000年以后大家开始用Hadoop、Spark,2010年开始出现云原生、一体化分布式等产品,例如AWS、AnalyticDB等。

 

(五)业界趋势:数据仓库加速从Big Data向 Cloud-Native + Fast Data 演进


截屏2021-07-20 下午5.37.10.png

上方是数据仓库的演进历史,计算方式从离线到在线,再到离在线一体化,然后到分布式。功能从统计到AI,数据类型也从结构化到结构化与非结构化多模融合,负载从OLAP到HTAP,硬件也升级为软硬件一体化,交付从On-Premise 到Cloud - Native + Serverless。


在演进的不同进程中,有着各式各样的产品做支撑。

 

(六)数据库系统架构演进

截屏2021-07-20 下午5.37.55.png

上图为数据库系统架构演进,简单的逻辑可以理解为,原来是一个厂房一个人干活,后来变成一个厂房十个人干活,然后再发展成多个厂房多个人干活,这就是整个数据仓库的发展历史,由原来的单机变成分布式,并且一份数据多个人使用。


数据库的发展也跟人类工作一样,原来有的店夫妻二人就可以维持,一个人负责生产,另一个人负责销售。随着发展,店里的顾客越来越多,店还是一个店,但员工可能有十个人了。再后来,业务发展更多大了,一下招10万个员工,然后在10个场地去干,这就是分布式云原生数据仓库。

 

(七)业界趋势:云原生数据库关键技术

截屏2021-07-20 下午5.38.32.png

上方是云原生数据库的关键技术。


这里简单说两个技术,首先是云原生,云原生是什么意思呢?假如某位用户买了个数据库,当业务量少的时候,或者在法定节假日不使用的时候,收费就少,而在业务量大的时候,收费就多一些。按需按量收费,这是我们对数据仓库的一个要求。


另外一个是安全可信,举个例子,阿里巴巴有一个投资部,假如给A公司投了500万,给B公司投了100万,这些信息都是高度私密,不可对外泄露的。假如这些信息是由员工进行管理,员工存在离职的可能,而一旦离职后发生泄密行为,这在法律层面也很难追责。如何让这种高度私密的信息完全加密,使得就算是拥有最高权限的DBA也无法查看这类信息,做到安全可信。后文将对此做详细展开。

 

二、云原生与大数据应用


(一)业务面临的挑战

截屏2021-07-20 下午5.39.09.png

业务面临着许多挑战,主要有四个方面。


首先是数据散乱、不一致,也有非常多的数据源,把数据收集起来是一个很大挑战。

其次是系统极其复杂,系统或组件有40+个。原来可能基于Hadoop,现在需要非常多的系统或组件,底下可能是HDFS,上面是YARN、HBase,再往上还有Hive、Flink等许多东西,非常复杂。


除此之外还有分析不实时,它的数据只能做T+1,是传统大数据架构。


最后是高学习成本,不同技术的版本迭代速度很快,学习成本很高。

 

(二)云原生数据仓库+云原生数据湖构建新一代数据存储、处理方案

截屏2021-07-20 下午5.39.49.png

阿里云当时采用的是从一个最简单的架构,通过一个或两个产品就能解决整套产品的架构,能够让用户用得更简单,用SQL就可以解决各种各样的问题。比方原来的OSS数据,各个生产处理的数据大集中分析等。

 

(三)云原生数据仓库:云原生

截屏2021-07-20 下午5.40.04.png

云原生数据仓库的云原生特性主要体现在,如果就一条数据,那么只会分配一条数据的存储,如果数据量增长,它会自动分配更多的存储。


同样的,计算也是这样,如果没有计算需求或者分析需求,它不会分配资源,只有来了需求,才会分配资源进行计算或分析,整个做到按需按量付费,加上资源的弹性。

 

(四)云原生数据仓库:数据库与大数据一体化

截屏2021-07-20 下午5.40.52.png

上面是云原生数据仓库中的关键技术,例如行列混存,能够支持高吞吐写入和高并发查询。


其次是混合负载,就是上面既可以跑ETL,又可以做查询。


此外还有智能索引。数据库里面很重要的一个点是需要理解业务,理解Index,要知道什么对查询有影响,什么对写入有影响,所以我们希望这个东西能够做得更智能,让用户不用管理这些东西。

  

(五)新一代数据仓库解决方案

截屏2021-07-20 下午5.42.05.png

上方为新一代数据仓库解决方案架构图。最底层是数仓,上面是数仓模型,阿里在淘宝指数,数据洞察等方面做了非常多的模型,包括通过一个ID把所有的信息关联起来。这些信息汇聚成模型。模型上有数据构建管理引擎,可以做数仓规划,代码研发,数据资产管理,数据服务等。


最上面是业务赋能,有许多的应用,包括监管报送类,经营决策类,风险预警类和营销与运营类。


(六)云上数据安全


截屏2021-07-20 下午5.43.51.png

关于云上数据安全的问题,我们展开来讲。每个公司都有绝密的数据,这些数据面临着许多安全问题,例如管理员/用户越权操作,窃取数据备份,恶意修改数据等。除此之外,还有数据在存储、查询、共享过程中全程加密,任何人(包括管理员)无法获取明文数据。保证日志在不可信环境中的完整性,任何人(包括管理员)无法篡改日志文件。保证查询结果在不可信环境中的正确性,任何人(包括管理员)无法篡改查询结果。


以前的解法很简单,就是写到数据库的时候就把数据加密了,例如写进去叫123,通过加密就变成了乱序,如213,312等。这个看似是一个很好的方法,但它有什么问题呢?它没有办法做查询,比方我们要查超过50块钱的交易,但是因为50通过加密以后就不是50了,可能就变成了500,而原来500加密完就是50,因此这个查询无法进行,相当于它变成了一个存储,无法做分析查询。

 

(七)云端全程加密数据永不泄露

截屏2021-07-20 下午5.44.13.png

有没有一种方法能让我们做数据分析,同时既能保密,原来的SQL也都能去做?


这里面核心的事情就是我们采用的硬件,通过ApsaraDB RDS(PostgreSQL版)+神龙裸金属服务器(安全芯片TEE技术),可以提前把Key存到里面去,然后所有的计算和逻辑都在加密硬件中进行。由于整个过程受加密硬件保护,即使有人把系统的内存全部复制出来,复制出来的数据也全是加密过的,这就保证运维人员就算拿到绝密数据也没有泄露的风险。

  

三、最佳实践


下面我们看一下几个最佳实践:


DMP:全链路营销


截屏2021-07-20 下午5.45.24.png

DMP(Data Management Platform)表示数据管理平台,也叫数据营销平台。


营销最核心的事情是什么?营销最核心的事情是找人,找到最关心的一群人,专业词称为圈人。


举个例子,什么场景需要圈人?比如今天我们想找一下对云原生感兴趣的人来一起讨论云原生。把对云原生感兴趣的人找到,这个过程就叫圈人。


还有一种是类似于天猫淘宝报告,例如在双十一前的一段时间,商家认为某位客户今年可能要买个衣服或买一个包,是潜在客户,于是就去给TA推一些消费券等。


这里面最关键的就是精准人群的定位,能够精准地把人群区分出来。中国大概有电商消费人群大概有8亿人,给对某样物品感兴趣的人群推送消息,这里面最核心的就是圈人的事情。


阿里巴巴基于数仓去做圈人的事情,首先去找一些种子人群,这些种子人群数量大概为几百万人,是我们认为的高优质客户,比如每个月在淘宝上花5000块以上或1万块以上的人。把人群全出来后,第二步是将群体进行聚类。


聚类的意思是把几百万人再分成几个小类,每一类里面可能喜欢一个类别,比方这一类喜欢买化妆品,另一类喜欢数码产品,还有一类喜欢买书。划分完小类以后,比如爱买化妆品的可能有10万人,但这10万人可能大部分之前已经买过化妆品了,这次大概率不买了。

因此,我们需要在在8亿消费人群中找到真正可能买化妆品的人,该怎么做呢?


我们需要把每个客户的消费行为和历史购买记录转成AI模型的一个向量,如果有两位客户的购买行为是类似的,那么他们的向量距离就会非常小,这样的话我们的做法就很简单。例如,我们对数码产品感兴趣的人作为种子放到8亿里面去找,跟这些人种子向量距离最近的假如有1000万人,然后对这1000万人去发数码产品的广告或优惠券等,用这种方式去做业务营销。


这个过程最核心的有几个方面。


第一个是将人群进行聚类,把人群划分,知道TA的历史交易,数据必须要能够支持任意维度多维分析。


第二个是能够对整个数仓里面的数据做具体的分析。


第三个是聚类后的向量近似度检索,找出与每个类向量相近的人群进行消息推送。


这就是我们拥有的能力,目前是基于AnalyticDB实现。


还有一个事情是要做Ad-hoc查询。例如,我们要找到对数码感兴趣的人群,,且去年没有买过比如iPhone 12的人,这样他今年才可能买iPhone12。或者说去年买了iPhone12,同时又买了AirPods的人,那我们认为大概率他可能会买苹果的键盘,或者是苹果的电脑等。我们需要对这些人做各种各样的交易查询,从而精准地找到我们的目标人群。

 

广告精细化管理


截屏2021-07-20 下午5.46.08.png

业务挑战:

1)投放关键词搜索事件需要高并发实时入库;

2)所有用户通过仪表板同时查询转化率,复杂查询 QPS高;

3)响应时间要求高,避免错过调价黄金时段。

 

业务价值:

1)多个站点、多个店铺的关键词统一管理;

2)处理上万TPS并发写;

3)海量数据实时分析,按时段智能调价;

4)键词快速识别分析,最大化收益。

 

在线电商


截屏2021-07-20 下午5.46.53.png

业务挑战:

1)传统MySQL数据库分析满,千万级/亿级复杂报表无法返回;

2)复杂报表秒级返回;

3)兼容MySQL生态;

4)业务发展迅速,对计算存储有不同要求。

 

业务价值:

1)RDS + AnalyticDB 实现HTAP联合方案,业务和分析隔离;

2)2-10倍分析性能提升;

3)分布式架构,横向扩展,灵活变配,支持数据量和访问量的不同需求

 

 

这就是2020年至今,全面升级下一代云原生技术的阶段----Serverless时代。阿里巴巴成立云原生技术委员会,云原生升级为阿里技术新战略,未来云原生数据仓库还会有更多新功能,为行业解决更核心的痛点,敬请期待。



相关阅读:

云原生数据仓库AnalyticDB MySQL版

云原生数据仓库 AnalyticDB PostgreSQL版

原文链接:https://developer.aliyun.com/article/785527?

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

2021阿里云金融数据智能峰会——阿里巴巴数据中台建设经验之谈

简介:阿里巴巴数据中台的解决方案是在引入数据安全等级打标的基础上,实现数据智能审批,通过可信模型构建和风险量化,让智能流程代替繁琐人工。以Dataphin为例,作为阿里巴巴集团数据治理方法论基于... 查看详情

大规模高质量的金融知识图谱,如何自动化构建?

...许多企业都已将人工智能升格为企业的核心战略。目前在金融领域,知识图谱等人工智能技术也正在赋能越来越多的业务,推动金融更加智能化。金融KG的挑战与机遇在金融知识图谱构建的早期探索中,有人认为只有股票、期货... 查看详情

最新风控模型竞赛开始了!金融大数据应用-企业信贷风险防控-中国建设银行数据集-作者开箱测评

作者Toby,来源《最新风控模型竞赛开始了!金融大数据应用-企业信贷风险防控-中国建设银行数据集-作者开箱测评》各位朋友,最新金融风控模型竞赛开始了!竞赛名称为金融大数据应用:企业信贷风险防控;组织单位:数字... 查看详情

盘古开源丨数据大爆炸时代,云存储成为企业存储必然发展方向

...系统已经成为不少企业的标配,尤其是从事互联网、金融、教育、医疗等相关企业,对于数据存储的需求也在日益增长。从过去的KB,到如今的TB甚至PB,对于存储容量的要求越来越大。如果企业自己建设存储中心&... 查看详情

成为全栈式数据管控平台,cloudquery1.4概述

...0c;以及电信、金融和交通等各传统行业出现了数据资产的爆炸性增长,这些数据资产的类型以非结构化和半结构化为主,如何低成本且高效率地存储和处理PB甚至EB量级的数据成了极大的挑战。」——摘自《Hbase权威指南... 查看详情

金蝶商业智能bi解决方案

...和及时调整?如何随时随地了解企业运营状况?目前,除了金融、可能发生的问题进行预防和及时调整?如何随时随地了解企业运营状况?目前,除了金融、企 查看详情

数据的安全智能管理和存储不应该成为企业的管理短版-云宏知库云发布新一代智能安全的企业内容管理!

...现社交化、多样化发展的趋势。随之,企业业务数据出现爆炸性增长,而以各类文档、视频、音频、图片等为代表的超大数据增长速度尤为惊人。数据的安全智能管理和存储,已成为大多数企业的管理短板。基于云宏自主研发的... 查看详情

华为云之深入探究gaussdb如何助力企业公司打造金融核心数据

一、构建安全可信、以应用为中心的数据库云服务①业界趋势首先是应用的多样性,以AI、5G等为代表,各种新型应用的不断涌现,使得今天我们要面对的数据规模,呈现出一个爆发式的增长;同时,数据... 查看详情

面对爆炸式增长的数据,数据库技术如何在创新中应用?

...智能、云计算等软件技术的成熟化,带来了爆炸式的数据增长,数据也逐渐成为最不可控的变量。数据处理的需求与技术难度在不断增加,促使数据库技术在发展中创新,在创新中应用。为了推动数据库技术应用... 查看详情

kyligence行业峰会成功举办,“智能数据云”引领数字化转型未来

...;中国通信学会副秘书长文剑,以及经济学博士、亚洲金融合作协会创始秘书长杨再平进行了开场致辞;来自Gartner、招商 查看详情

大数据存储与应用特点及技术路线分析

大数据存储与应用特点及技术路线分析大数据时代,数据呈爆炸式增长。从存储服务的发展趋势来看,一方面,对数据的存储量的需求越来越大;另参考技术A大数据存储与应用特点及技术路线分析大数据时代,数据呈爆炸式增... 查看详情

智能用户增长神器quickaudience开启公共云公测,助力企业业务增长

摘要:日前,由阿里数据打造的智能用户增长QuickAudience,重磅上线阿里云-公共云,开启公测!该产品旨在围绕着品牌消费资产,通过丰富的用户洞察模型和便捷的策略配置,完成消费者多维洞察分析和多渠道触达,助力企业实... 查看详情

2023数智金融峰会:生成式ai将给金融行业带来什么?

2022年中央经济工作会议提出,要推动“科技—产业—金融”良性循环。依托科技力量等生产要素的创新,带动金融和产业相互促进,最终实现实体经济增长,是金融供给侧结构性改革的主要路径之一。2月23日࿰... 查看详情

yotta企业云盘企业智能化办公

...的大发展。近年来,在技术与市场的共需催生下,全球的数据量呈现出了爆炸式增长,同时大数据存储需求也应运而生,而云环境下的大数据存储将逐步走向大众视野。  Yotta企业云盘不仅仅只是一个工具,还是一个面向用户... 查看详情

2023年网络安全趋势

...我国数字化转型步伐加速,数据规模持续扩大,金融、医疗、交通等重要市场以及智能汽车、智能家居等新兴领域数据安全投入持续增加,稳定增长的市场需求将吸引越来越多的传统安全企业以及新兴安全企业推出数... 查看详情

2023年网络安全趋势

...我国数字化转型步伐加速,数据规模持续扩大,金融、医疗、交通等重要市场以及智能汽车、智能家居等新兴领域数据安全投入持续增加,稳定增长的市场需求将吸引越来越多的传统安全企业以及新兴安全企业推出数... 查看详情

2023年网络安全趋势

...我国数字化转型步伐加速,数据规模持续扩大,金融、医疗、交通等重要市场以及智能汽车、智能家居等新兴领域数据安全投入持续增加,稳定增长的市场需求将吸引越来越多的传统安全企业以及新兴安全企业推出数... 查看详情

2023年网络安全趋势

...我国数字化转型步伐加速,数据规模持续扩大,金融、医疗、交通等重要市场以及智能汽车、智能家居等新兴领域数据安全投入持续增加,稳定增长的市场需求将吸引越来越多的传统安全企业以及新兴安全企业推出数... 查看详情