页面加载中...

上云前-咨询与设计03

03.大数据和机器学习咨询服务 当您需要基于阿里云评估、规划、建设、迁移或优化您的系统时,阿里云专家团队和区域服务提供商为您提供基于阿里云产品特性和最佳实践的迁移、建设或优化方案。

大数据和机器学习咨询服务

为客户设计云上大数据与数据仓库方案,提供开源数据分析咨询服务。帮助客户高效获取大数据价值、数据决策能力与数据价值创新能力。



适用场景

当客户需要基于阿里云评估、规划、建设、迁移或优化大数据应用产品时,我们负责提供基于阿里云产品特性和最佳实践的迁移、建设或优化方案。

服务内容

大数据应用云上架构设计

设计大数据应用云上架构,帮助客户获得快速构建实战性能的大数据应用能力

大数据应用迁移设计

设计线下大数据系统和数据迁移到云上大数据平台的迁移方案,设计并选择合适的数据迁移策略,满足客户对大数据应用迁移安全和平滑割接的需求

数据模型与数据仓库设计

设计数据模型与数据仓库,满足客户基于阿里云大数据产品构建灵活数据模型和超大规模数据仓库的需求

大数据采集设计

设计符合数据获取需要的采集策略,满足客户大数据应用获取互联网非结构化数据的需求

大数据展现设计

设计数据展现云产品,在多种渠道展现分析和挖掘成果(包括但不限于电脑、手机和大屏等)

大数据算法设计

设计符合客户业务预期的大数据算法,满足大数据算法实现业务价值的需求

交付标准

本服务由客户和阿里云签订合作协议,阿里云为交付物和交付质量负责。
交付物:《大数据和机器学习应用调研报告》《大数据和机器学习应用咨询报告》



附:大数据和机器学习咨询服务工作说明书


1. 服务概述


本服务工作说明书(以下或简称“SOW”)列明由阿里云计算有限公司(以下简称“阿里云”,或“乙方”)为XXXX(以下简称“甲方”)实施“大数据和机器学习咨询项目” (以下简称“本项目”)所提供的专业咨询服务内容。

本服务工作说明书列明阿里云提供的服务目录、服务范围、分工界面、双方职责等,以此来约束双方服务行为。

本服务工作说明书是《XXXX大数据和机器学习咨询服务项目合同》的附件,本工作说明书的具体实施,应依从《XXXX大数据和机器学习咨询服务项目合同》的条款和条件。

2. 服务范围

本项目乙方服务包括以下内容:

  • 乙方根据甲方大数据系统现状和业务预期,通过专业团队的调研、分析、评估等,实现大数据平台的产品选型、架构设计和部署规划,完成基于阿里云平台的大数据系统建设咨询服务;

  • 乙方根据甲方的数据存量和增量现状,通过专业团队的分析,实现存量和增量数据的上云评估,完成基于阿里云平台的存量数据迁移方案;

  • 乙方不提供对迁移系统的应用开发相关工作或具体应用及数据库改造设计工作,但乙方对其中与迁云服务相关的问题提供咨询、技术指导以及解决方案,协助甲方解决问题,以使迁云能够顺利进行。

本项目乙方服务不包括以下内容:

  • 应用程序改造、应用程序设计、数据库逻辑结构设计;

  • 迁移未明确认定为“范围内”的应用系统;

  • 迁移未明确认定为“范围内”的数据;

  • 云平台基础架构设施及环境的设计与搭建;

  • 实施所需的通信基础架构和组件;

  • 安装或配置电气、电子通信、布线基础架构和组件,以及为其提供支持;

  • 非IT设备以及桌面设备(如办公桌椅、打印设备、空调、UPS、磁带等)等的安装配置。

3. 前提条件

  • 如果本项目执行地点在甲方办公地点,甲方应在项目开始时提供必要的办公条件包括办公桌、办公椅、洗手间、市电及插板、网线等;甲方提供的办公环境应不存在对人体有害的污染气体;室外环境需要提供可应对恶劣天气的防护条件,并保障乙方人员的人身安全;

  • 本项目所有工作记录和文档以中文为工作语言,根据甲方需求提供。提交的电子文档为Microsoft Word、Microsoft PowerPoint、Microsoft Excel或Microsoft Project格式;

  • 在项目过程中,采用甲乙双方同意的通讯方式,包括:互联网、FAX、电子邮件、纸介质等;

  • 驻场服务,需要与甲方签署进场报告,双方确认服务开始和结束时间。

4. 服务内容

4.1 大数据应用云上架构设计

乙方专家团队通过调研表、访谈、自动化工具等方式获得甲方大数据系统的现状及业务预期目标,分析并评估出数据处理流程、大数据技术框架及大数据应用架构,根据阿里云大数据产品的特点和最佳实践,设计出与甲方大数据系统现状匹配且符合业务预期目标的大数据应用的云上架构,规划并设计出符合甲方业务发展预期的弹性计算、存储、网络、带宽、分析、挖掘等云产品,满足甲方基于阿里云大数据产品快速构建好大数据应用的需求。

经过云上大数据架构设计,甲方将获得具备高弹性计算和大数据量处理的实战架构和解决方案,获得快速构建实战性能的大数据应用能力。

4.2 大数据应用迁移设计

大数据应用迁移。针对已建设线下大数据系统的客户,乙方专家团队基于现有大数据系统的现状调研和分析,分析各业务系统的现状、分析数据处理流程、大数据技术框架和上下游依赖关系等,梳理出甲方现有大数据系统的特点、容量、应用架构和部署架构等,评估现有数据上云的技术可行性、成本和实施复杂度,针对已设计完成的云上大数据架构,设计线下大数据系统和数据迁移到云上大数据平台的迁移方案和实施计划,并完成核心风险评估及关键技术验证,设计并选择合适的数据迁移策略(如VPN专线、闪电立方(Lightning Cube)等),满足甲方对大数据应用迁移安全和平滑割接的需求。

大数据ETL设计。乙方专家团队基于数据模型、数据来源等需求的调研和分析,梳理甲方相关业务数据的特点、约束、容量、渠道和生产方式等,设计符合数据特点的抽取、转换、清洗和加载流程,设计并选择合适的数据ETL产品或解决方案,设计数据的日常、初始和历史加载方案,设计数据的测试、上线和割接方案,满足甲方对大数据应用整合自有或外部购买的多种结构化数据来源的需求。经过数据ETL的设计,甲方的大数据应用具备整合多种数据来源的能力。

4.3 数据模型与数据仓库设计

数据模型与数据仓库设计。乙方专家团队通过调研表、访谈、自动化工具等方式获得甲方业务系统和大数据系统的数据模型和数据仓库的现状与业务预期目标,根据阿里云大数据产品的特点和最佳实践,分析并评估甲方的信息现状、数据现状和数据质量状况,设计出符合甲方业务系统和大数据系统现状并支持甲方预期目标的数据模型,选择合适的云产品设计数据仓库、离线计算和流式计算等建设方案,设计数据仓库的体系结构、软硬件配置、容量规划、性能指标、BI工具集应用架构和开发与生产环境等,规划离线计算和流式计算的应用场景和计算能力,规划并设计出数据仓库的逻辑和物理模型,满足甲方基于阿里云大数据产品构建灵活数据模型和超大规模数据仓库的需求。经过数据模型与数据仓库的设计,甲方能获得匹配其业务现状与预期目标的数据模型和数据仓库的解决方案。

数据质量与数据管控设计。乙方专家团队基于数据模型、数据来源、数据仓库等需求的调研和分析,梳理甲方业务数据的特点、约束、容量、渠道和生产方式等,规划数据仓库、离线计算和流式计算等内容的数据质量要求,设计符合数据质量要求的检测、修正、预警、反馈等管控标准、策略和措施,设计符合数据质量标准和管控要求的输入输出流程,满足甲方基于阿里云大数据产品获取和管理高质量数据的需求。经过数据质量与数据管控的设计,甲方能获得管理和保障数据质量的技术能力和解决方案。

4.4 大数据采集设计

乙方专家团队基于数据模型、数据来源等需求的调研和分析,梳理甲方大数据应用的互联网数据需求,收集并选择符合甲方需求的互联网数据来源,设计并选择合适的数据采集工具,设计并选择符合数据加工处理逻辑的大数据云产品(比如自然语言处理等),设计符合数据获取需要的采集策略,满足甲方大数据应用获取互联网非结构化数据的需求。

经过数据采集的设计,甲方的大数据应用具备整合互联网非结构化数据的能力。

4.5 大数据展现设计

乙方专家团队基于数据模型、数据来源等需求的调研和分析,梳理甲方大数据应用的展现需求,设计并选择合适的数据展现云产品,满足甲方大数据应用多种渠道(包括但不限于电脑、手机和大屏等)展现分析和挖掘成果的需求。

经过数据展现的设计,甲方的大数据应用具备多种渠道展现分析和挖掘成果的能力。

4.6 大数据算法设计

乙方专家团队基于数据模型、数据来源等需求的调研和分析,梳理甲方大数据算法的需求,设计符合业务预期的大数据算法,并完成算法核心关键点验证,满足甲方大数据算法实现业务价值的需求。

5. 服务流程

流程各项说明如下:

流程

流程说明

完工标准

项目启动会议

双方协商确定项目的干系人和接口人,明确咨询的思路、方法和流程,确认各业务部门的业务需求和目标

准备启动会议报告,并召开项目启动会议

乙方提交《XXXX项目启动会议报告》,甲方负责召开项目启动会议,并双方就会议内容达成一致

确认咨询计划

根据业务目标和咨询方法,编制、整理咨询计划和实施方案

乙方提交《XXXX项目大数据咨询计划》,双方就计划内容达成一致

收集系统信息

收集甲方的业务系统和大数据系统的现状信息,评估现状与业务目标之间差距

 

乙方提交《XXXX项目大数据现状分析报告》,双方就现状内容达成一致

设计大数据方案

设计符合甲方业务目标的大数据方案,包括建设、运营及管控等

乙方提交《XXXX项目大数据咨询报告》,双方就咨询报告内容达成一致

服务验收

整理并交付项目资料和文档

准备项目验收报告

乙方提交《XXXX项目验收报告》,甲方签字确认

6. 项目里程碑

本项目主要里程碑有五个:

  • 项目启动会议。阿里云提交《项目启动报告》,客户负责召开项目启动会议,双方就项目主要内容、执行方法和预期目标达成一致;

  • 项目计划汇报。阿里云提交《项目咨询计划》,双方就项目的执行内容、过程、步骤和计划达成一致;

  • 系统现状汇报。阿里云提交《大数据调研报告》,双方就调研报告内容达成一致,确认调研的业务系统范围、架构、规格和管控符合现状;

  • 咨询报告汇报。阿里云提交《大数据咨询报告》,双方就咨询报告的内容达成一致,确认咨询的产品选型、架构和迁移方案符合预期;

  • 项目验收。阿里云提交《项目验收报告》后,客户应在5个工作日内确认项目验收报告内容、签署验收意见。

【注】项目开始时间以《XXXX大数据和机器学习咨询服务项目合同》签署时间为准。

工作内容

交付时间

项目启动会议


项目计划汇报


系统现状汇报


咨询报告汇报


项目验收


7. 客户责任

  • 客户须指派一位项目负责人协助阿里云顺利执行咨询服务。此负责人应负责双方之协调及管理,并审核、验收阿里云服务;

  • 客户必须提供与大数据应用相关的信息,包括但不限于技术栈、大数据工具软件、应用架构、部署架构、数据量和性能等;

  • 在阿里云提供咨询服务的过程中,如客户提供的资料中包含有第三方软件,客户须负责与第三方厂商交涉,向阿里云提供相关的信息。

8. 验收标准

工作验收标准满足以下条件即可启动项目验收:

  • 阿里云向客户提交以下项目报告:

序号


文档名称

1

验收

交付物

《XXXX项目大数据和机器学习咨询启动会议报告》

2

《XXXX项目大数据和机器学习应用调研报告》

3

《XXXX项目大数据和机器学习应用咨询报告》

  • 上述项目报告提交后,客户应在5个工作日内确认方案,如无异议,双方签署《项目验收报告》;

  • 签署《项目验收报告》,视为项目验收完成。

9. 完成标志

验收通过,签署《项目验收报告》,大数据和机器学习咨询工作结束。