点击数：16641

2012年6月

  作者：王丛-中桥调研咨询总经理兼首席分析师；杨恩博-中桥调研咨询分析师；彭雅芳
-中桥调研咨询助理分析师

简介

自中国改革开放以来，中国零售业和服装制造业一直处于快速增长期。随着近年来国内原材料和生产力成本的持续攀升、跨国企业在中国市场投入的不断提高，以及除中国以外的零售市场的疲软，中国零售业和服装制造业的市场格局在发生着快速的变化。中国已经成为高端品牌零售的销售大国。从零售的角度来看，中国零售和服装业与跨国公司相比，信息化投资占总资产的比例平均不到2%，与国外大企业8%~10%的平均水平相比差距较大。信息化效率正逐步成为中国品牌消费品和中高端零售企业提高产业链价值的决定性因素。中国零售和服装行业普遍存在下列难题：应用无法互联互通、数据不能共享以及无法通过整合和分析各种数据来实现信息化价值；此外，传统以应用作为独立IT 部署的模式，信息利用率低下、管理和新增采购成本上升快、业务应用部署效率低、信息化无法充分发挥其对供应链的价值。

在本报告中，中桥结合上述行业特征，对中国休闲男装制造商—劲霸男装的私有云数据中心做了实地评测和采访。了解劲霸是如何通过虚拟化和私有云，解决了数据中心面临的数据孤岛、IT 资源使用率低、对业务响应慢等问题，提高了信息采集的实时性和准确性，加快了劲霸对市场的快速反应；同时优化了“信息链、资金链和物流链”，即提高采购、物流、分销、库存、客服信息化等信息链流程，改善了资金链回流和实现物流链的快速周转，显著提高了资源整合效率。劲霸的私有云数据中心将传统的数据“包袱”转换成“取之于民，用之于民”的共赢数据智能平台，给3000多门店提供了信息化支撑。此举不仅提高了劲霸的品牌含金量，也增强了对门店的价值和凝聚力。

背景

企业的数据中心正在成为新时代的“信息电厂”，成为知识经济的坚实基础。而数据则可以说是电厂的“发动机”所在，已经成为企业业务制胜的关键。企业通过有效地收集、分析和处理海量数据，及时获取有用信息，准确预测潜在的业务风险并快速响应新的市场需求，为用户提供优质的服务，从而赢得更多的市场份额。根据ESG  2011年对270 家企业I T 首要举措的调查数据显示，超过5 0% 的各型企业用户将数据分析排在I T 首要措施的前五位。
 
如何通过信息创造商业价值，是21 世纪品牌服装和中高端零售业面临的最大挑战。每天越来越多的信息被收集和存储起来，这些快速增加的数据量给传统的数据库架构和零售运营系统带来了难题。其中“大数据”（对零售和服装行业通常体现为数据库子集量大、数据分析效率低下）的分析效率是这些行业实现“信息创造价值”的关键。
 
对于服装行业而言，零售终端数据的分析是服装经营、市场拓展和库存及物流管理的根本。对终端数据进行快速、准确的收集以及整合和商业分析，有助于企业决策层挖掘出有用信息，从而提高供应链各环节的效率和优化企业的投资回报。比如，哪些是主要货品被广泛接受或不被接受的具体原因；哪一类客户是优质客户；如何提升优质客户互补产品的类别和服务；如何通过新品研发来改善产品和服务构成以及生产结构，保证产品在最短周期内为公司创造最大利润空间；同时提高优质客户资源的满意度等；如何根据不同地区的网点特色，以商业智能分析结果为导航，按销售预测准备库存和物流，满足节假日等品牌服装销售高峰期的促销活动；在对销售网点的高峰期提供优化支持的同时，不会带来不必要的库存资源浪费。

近年来，中国服装业集中化程度呈现加速趋势，行业资源配置进一步向优势企业倾斜和集中，市场竞争日益激烈。对于服装品牌企业来说，博弈的焦点集中在掌控有限的优质渠道资源和争夺有限的价值客户群资源。现在的竞争已经不再是企业之间的竞争，而是供应链之间的竞争。这里所说的供应链包含三个链路层，即物流链、信息链和资金链。而信息链是优化物流链和资金链效率的关键。
 
服装的季节特性十分明显，并且要兼具时尚性、地域性以及功能性。在服装行业，有一条“快、准、很”的准则。快：快速响应流行动态；准：准确把握时尚脉搏；很：很快速、很准确的覆盖所有区域。正是这一原因，使得竞争日益激烈的服装业在管理、订料、生产和销售等各供应链环节中无不突显出“信息”二字的重要和紧迫。

我国服装企业虽然已经采用了大量的信息化技术，但离跨国企业通过I T 创造价值尚有很大差距。一是，随着近年来我国企业信息化建设的迅速发展，不少企业已经引进并实施了多个信息化管理系统，包括OA、ERP 、D RP、CRM 、EPM 、BI 等，但这些系统软件互为割裂，容易形成信息孤岛，各业务模块的协同应用比较差，无法通过商业智能（BI ）将数据转换为业务指南，无法优化供应链效率；二是，生产商、中间商与零售商之间信息的相对独立，以及分散的零售网点之间缺乏共有的信息交换平台，相关数据无法做到实时交换和共享，久而久之只能形成“越不交流，信息越不畅通；越不畅通，越做不到信息共享”的恶性循环。所以，如何打通信息化供应链，是所有服装企业必须面对的问题。
 
本报告中，中桥分析师对劲霸男装首席信息官林俊先生进行了采访，了解到这家企业如何采用E MC 虚拟化和私有云方案，通过“统一商业智能、统一存储管理、统一保护”来实现I T 创造价值。同时，通过E MC Greenplum 大数据分析提高了企业内部供应链的效率，实现了“取之于民，用之于民”的门店业务智能服务。该文中还记录了劲霸首席信息官对于选择该方案时的考量和对该方案的评价。以下是他们的使用详情。

劲霸男装

劲霸简介

劲霸男装（上海）有限公司创立于1980年。劲霸男装专注茄克30余年。它用独特设计终结了茄克的单调，从而成为中国高级时尚茄克的领先者，同时引领茄克及配套服饰的研发设计，让休闲装更时尚。现在劲霸男装在全国拥有形象统一、规范管理的品牌专卖店3000多家。2011年，连续8 年入选“中国500 最具价值品牌”的劲霸男装，以175.65亿元的品牌价值排名50位，继续蝉联中国休闲男装第一价值品牌。

IT挑战

在对劲霸CIO林先生采访过程中，林先生提到：2010年，随着我们业务的高速发展，我们的IT 建设（包括IT 的系统化和规范化）目标是如何为公司的战略规划、战略实施提供更高效的IT 支撑。IT 重点不仅仅在于系统本身的功能和技术，更多的关注如何去贴近我们的业务发展。也就是说，我们整个IT 的规划和建设是站在一个新的高度和新的平台上，为业务发展提供一个弹性、可持续发展的IT 平台，而不是重复性的建设。为此，我们采用了业内领先的技术，包括云计算平台、大数据分析、统一数据保护等。对劲霸来说，2011年是不寻常的一年，整个的组织变革是有史以来的一个开创性变化，而我们的信息化建设新战略也是在这样一个环境下进行的。
 
迄今为止，我们拥有的总数据量已经超过20TB。之前，传统以应用为核心，每增加一个应用就需部署一套设备的模式不仅成本高、配置资源使用效率低，同时分散的应用和系统所造成的数据孤岛使得我们难以通过商业智能分析来提高供应链的效率。劲霸通过部署虚拟化优化了IT 资源利用率，保证了系统未来的扩展性；并且借助虚拟化将企业IT 架构和应用进行了整合，初步建成私有云平台。公司的各种业务关键型应用在这次的项目中会逐步向虚拟化环境迁移，包括SAP 。同时，会不断部署各种新应用。我们选择的Greenplum提供了各种业务数据的商业智能（Business Intelligent，BI ）分析，保证了信息的价值化；VNX 保证我们的各种结构化和非结构化应用对性能和可扩展性以及企业级功能的要求；同时Unisphere直观、统一的管理界面，不仅简化了整个系统的管理，还提高了系统资源的利用率。此外，Networker为我们在虚拟化和云计算演进过程提供了统一的数据保护，简化了对物理、虚拟和云计算多种环境数据保护的管理强度。
 
我们实施的解决方案有3个主要特征：

1.   各种业务关键型应用（SAP 、ERP 、CRM 、DRP 等系统）在虚拟化环境下运行

2.   云计算平台

3.   大数据商业分析平台

而在部署虚拟化和私有云前，劲霸数据中心面对的I T 挑战包括：

1.   传统架构无法支撑快速部署新应用的需求

2.   不能通过高效商业智能提高业务运营效率

3.   数据孤岛不能满足品牌服装行业供应链需求

4.   管理资源无法满足业务需求

5.   无法提供统一的数据保护

劲霸虚拟化和云计算部署

2011年，EMC 为我们提供了虚拟化数据中心部署计划，并提供了实施和服务。我们2011年基本完成了虚拟化和云计算的第一期部署，整个新数据中心业务构建在虚拟化平台上，上线后已经初步收到成效。同时，我们完成了Greenplum的一期部署，提高业务比对分析效率，初步实现通过信息创造价值。
 
我们部署虚拟化和私用云提高应用部署效率、资源利用率和业务部署能力。结合Greenplum，实现了四个“统一”：

1.   统一BI ，对各种应用、物理和虚拟环境数据实现高效数据分析

2.   统一存储，满足各种应用对存储的需求

3.   统一管理，提高I T 资源管理效率

4.   统一灾备，提高数据保护效率、降低数据保护成本

 中桥实验室对劲霸IT 中心的评测 

虚拟化提高应用部署效率

我们的I T 环境比较复杂，拥有众多应用系统。各应用对硬件资源、操作系统版本、数据库版本的要求不一样；应用实施的厂家对操作系统、数据库的熟悉程度不一样；应用开发商对系统资源需求的规范也不一样，经常到应用实施时才发现硬件资源的不匹配。因此我们每部署一个新应用，都需要花费大量的时间来了解应用需求并反复测试。201 1 年开始，我们借助EMC 专业的整体虚拟化数据中心的规划服务以及虚拟化实施阶段的评估和咨询服务，对内部I T 面临的难题、未来数据中心的承载以及不同技术和方案作了全面分析，最终选择了E MC 虚拟化技术来构建虚拟化数据中心以实现资源和业务整合，并逐步过渡到私有云平台。

201 1 年我们实施了一个“6 纵6 横”的E RP 项目群。这意味着一群项目一起上线。这在服装行业也是首例。“6 纵6 横”包括O A、BI 、CRM 、DRP （分销资源管理）、EPM 、ERP 等几大应用，还加上配套的6 个小项目同时上线。在具体实施时，我们本来打算分块进行后台的系统建设，但硬件采购预算远远高出我们的计划。采用E MC 的方案，我们可以对上述众多系统的后台建设进行整合，这样不仅整个资金投入减少，以后每个系统上线的进度也会显著提高；同时还显著提升了资源利用率，让我们在未来不增加存储采购成本的前提下，可以上线更多应用。云计算平台也是在这样的背景下产生。在第一期项目执行时，除了一部分核心应用，例如SAP 数据库和D RP 的数据库是放在物理机上，其他的生产平台都移到了云计算平台上。

我们的IT 架构图如下（图1 ）：我们的I T 环境包括物理环境和虚拟环境。物理服务器包括I BM P550 小型机和HP DL580 PC服务器。小型机用于运行SAP 系统数据库和D RP 系统数据库，而其它的各种应用如ERP 、PI 、BI 、CRM 、PLM 、WMS、EHR 、ET S 等系统的数据库和应用服务器，以及备份服务器等，都是运行在VMware 虚拟化平台上，虚拟机约为70 多台。目前10 多个应用如果采用传统方式需要40 台服务器，但采用虚拟化方式，我们只需一个刀箱、16 个刀片以及匹配相关软件即可，这不仅大大降低了总拥有成本，同时为未来应用部署提供了可用服务器资源。我们通过E MC Greenplum 数据分析工具，对各种业务数据进行商业智能分析；同时，通过Greenplu m 多用户并行分析处理能力为门店提供BI 服务。并且，采用E MC VN X 作为统一存储平台，并通过Unispher e 统一管理界面，实现所有应用数据的存储和管理。此外，还采用E MC Networke r 备份软件和Data Domain 虚拟带库，对物理和虚拟环境下的各种应用和数据进行灾备，来实现数据的统一保护。

虚拟化的部署，提高了我们所有硬件资源的利用率，让我们能将更多可用资源用于部署各种应用。以前为某个应用进行资源配置，都是按服务器数量来计算，现在可以精细到CPU core和内存的分配，做到物尽其用。我们部署完云平台之后，不仅系统性能得到了保障，系统的可靠性、效率和可管理性都得到了优化。例如，现在我们上线一个系统并完成整个后台的部署，只需要两三天，简单应用可以在几个小时内完成部署，之前则需要半个月至一个月。并且可复用性、可扩容性以及整体成本（直接和间接成本）都有所改善。图2 显示了现有数据中心已部署的各种应用，SAP 运行在IBM P550（AIX OS ）小型机上，可以提供高性能存储以保证性能需求。同时，一些主要应用和虚拟化运行在IBM P520 （支持AIX和Linux）上，同时满足商业查询和分析的性能要求。

Greenplum大数据分析提高商业智能效率

目前，我们拥有3000多家门店。原来的BI 系统主要为总公司服务。数据从各店的终端抽取给总部进行分析，然后只有总部的分析人员和决策人员去看这些数据。这样所存在的一个最普遍的问题就是，抽取数据的有效性、准确性和实时性很难得到保证。今年，我们在建设BI 的时候，决定双管齐下，在业务层面采取一种“取之于民，用之于民”的策略。数据从终端抽取之后，数据的使用者范围扩大到全国的门店。这样以来，数据的提供者同时也是使用者，以此提高终端数据有效性和准确性。在技术层面加大支持力度。原来只有总部的决策人员去分析数据，BI 系统对大数据的并发性处理以及大数据的复杂性要求不高。但是现在，我们需要应对全国几百家店甚至数千家店同时进行数据的上传、快速查询、汇总及报表等，这就对大数据多用户的并行数据导入和查询性能提出了较高的要求。我们希望利用全国的门店和渠道一起来建设并维护这个数据。

我们已经部署了Oracle、DB2 、SQL 等数据库来满足业务对OLPT交易数据的处理。但是这些数据库在进行大数据分析时，往往需要很长的时间且消耗较多的资源才能完成一个业务指标的分析，甚至有时候即使耗费了大量的精力也无法进行数据抽取和比对。这不仅效率低，对业务的正常运行影响很大，还限制了我们实现“通过IT 创造价值”的目的。

我们在选择大数据分析技术平台的主要指标包括：
 
1.   满足大数据快速智能分析，提高各种供应链的价值优化

2.   能支撑我们“取之于民，用之于民”的私有云BI 战略

3.   高可靠性和高可管理性

在数据管理的过程中，数据最大的价值是完整真实地体现业务需求，通过整合和商业智能分析创造价值。我们部署私有云最主要的原因就是通过IT 创造价值。之前，我们的商业分析效率，无论从终端数据的准确性、不同应用抽取数据的效率，还是查询和比对分析能力，都不能满足业务需求。一个简单的查询通常要几十分钟。而采用Greenplum，其ETL（Extract - Transform- Load 的缩写，即数据抽取、转换、装载的过程）功能可以很好地解决从3000多家店中抽取数据的问题，可以从极度分散的数据中充分挖掘出所存在的商业价值。ETL作为BI/DW （Business Intelligence ）的核心和灵魂，能够按照统一的规则集成并提高数据的价值，完成数据从数据源向目标数据仓库的转化，是实施数据仓库的重要步骤。图3 显示了商业智能从数据采集到数据仓储、数据分析、数据报告呈现的整个流程。

无论对门店，还是对劲霸公司内部，部署Greenplum 不仅提高了数据获取的准确性，也提高了从应用抽取数据（ETL）、清洗（Cleaning）、转换（Transform）、加载（Load ）、分析（Analysis）到报告呈现整个实现商业智能的效率。

评估Greenplum技术主要从下面几个纬度进行：

Greenplum MPP大规模并行处理能力

Greenplum适合进行大数据、多用户的并行数据分析处理（OLAP，大范围全表扫描，大数据吞吐量）。这与交易系统OLTP数据事务处理（小数据量、快速响应）有着根本上的不同。我们对各种类似的技术做了对比测试。Greenplum的大数据处理能力（图4），尤其多用户处理能力，不仅提高了数据获取的准确和实时性，还提高了数据导入、分析过程以及报告呈现的效率，满足我们现在和未来对BI 的需求。我们的常规数据库Oracle 、DB2 、SQL Server 多是为满足OLTP而设计，在海量数据面前很难满足大数据分析的性能需求。现在，所有MPP 集群分析应用都运行虚拟化主机平台，实现明细数据查询和深层数据挖掘。

而数据挖掘可以为公司的经营分析进行服务，经营分析体系在整个战略执行保障中起着非常重要的作用，起到支持战略执行过程中的业绩监控与高层决策的作用。具体而言，公司的经营分析体系就像一个诊断、照明系统，价值在于把握方向、支持决策、促进行动三个方面，最重要的是以此为切入点形成经营管理的机制：

首先，帮助管理层把握战略方向。通过经营分析体系，清晰地传递管理要求，确保战略能够执行落地。同时，衡量公司与既定战略的距离。

其次，支持管理人员有效决策。对于公司决策来说，“时机”非常重要，战略框架下的经营分析体系保障了分析的客观完整和决策的更准确更透明。高层需要掌握每个职能领域的战略层和策略层指标，用数据来说话，深入分析，把握时机，动态决策。

最后，将战略和决策变为行动。在例行化的经营分析体系帮助下，及时发现公司经营的问题，追溯问题发生的根本原因。对未来的行动做出检讨和优化。面向未来思考，分析的结论以行动为导向，促进公司运营的改善。

此外，Greenplum数据库软件的无共享、大规模并行处理、按列存储数据库、数据库内压缩、MapReduce 、不停机扩容、多级容错等特点，使得该数据库软件能很好地用于OLAP应用。

Greenplum的高可用性

Greenplum的高可用性具有以下特性，如图5所示：
 
•   系统自动侦测失败节点，并自动启动容错保护机制；

•   节点失败时和数据恢复时，数据库不宕机，可持续提供服务；
 
•   基于数据块（Block）的快速数据同步和恢复；

我们实施EMC Greenplum分布式数据库（见图5 ），以在ERP 、DRP 数据的基础上，对订单到货率、销售情况、生产及时率等生产经营数据做进一步的分析，从而改善了经营决策。

Greenplum统一智能管理

我们选择Greenplum的另一个原因是其统一的BI 管理功能。我们业务是在跨物理、虚拟和云计算的平台上运行的。提高BI 效率，就需要能够跨各种环境提供统一的BI 。Greenplum图像化的统一管理界面，让我们能对物理、虚拟和云计算环境的各种应用以及数据进行快速的BI 管理。同时，管理员可以轻松将任意选定查询项目或比对查询结果，以及相关内容以多种图表来呈现，包括饼状图、柱状图和趋势走向图，如图6和图7所示。

Greenplum在劲霸环境下的数据导出和加载性能测试

中桥分别在物理环境（表1 ）和虚拟环境（表2 ）对Greenplum的数据加载性能进行了测试。劲霸的林先生表示，系统所呈现的加载速度在同类产品中处于领先状态。图8 是从Oracle直接加载到Greenplum的性能，加载速度可达11万行/秒；图9是从Greenplum导出数据的性能，可达12万行/秒。

图10显示，Informaic 能连接Greenplum，实现从Oracle 读取数据，然后写入到Greenplum 中。写入Greenplum 的速度大概为135,394行/秒；加载速率约为14M/秒；1 亿条数据约10分钟即可完成从O racle 到Greenplum的加载。

Greenplum的分析性能测试

--------------------------------------------------------------------------

下载本PDF文档

Clike here to open the PDF