銀行：負載分析、數據整合、安全分析、資產管理、系統告警、審計等
證券：證券交易日志統計、企業安全日志分析、交易報表、審計等
保險：審計、數據整合、安全分析、數據挖掘、潛在客戶分析等
電信...

銀行：負載分析、數據整合、安全分析、資產管理、系統告警、審計等
證券：證券交易日志統計、企業安全日志分析、交易報表、審計等
保險：審計、數據整合、安全分析、數據挖掘、潛在客戶分析等
電信運營商：ISMP、SIM平臺替換、資產管理、數據整合、安全分析等
IDC行業：數據整合、資產管理、設備監控、負載分析、關聯分析、自動告警等
媒體：系統訪問日志分析、數據整合、關聯分析、數據挖掘等
移動互聯網：移動APP用戶行為分析、儀表盤、關聯分析等
政府：數據整合、安全分析、資產管理、數據挖掘等

簡單：通過OLM平臺提供的交互界面，使用者在無需了解底層技術的前提下即可對自身的企業數據進行泛化、入庫、檢索、分析以及挖掘等多種操作。
靈活：數據接入方式靈活多樣，并可通過SQL、原...

簡單：通過OLM平臺提供的交互界面，使用者在無需了解底層技術的前提下即可對自身的企業數據進行泛化、入庫、檢索、分析以及挖掘等多種操作。
靈活：數據接入方式靈活多樣，并可通過SQL、原語、腳本等多種檢索方式滿足不同對數據檢索的多樣需求，并生成報表；內置算法庫，方便用戶挖掘數據潛在價值。
高效：TB級別的數據處理能力；熱點數據秒級響應；實時規則告警；動態調整實時報表緯度；
開放：支持多平臺集成，快速安裝、簡易配置。API支持C/C++、Java、Python等主流開發語言直接調用。
交互：企業內部獨立部署，確保數據絕對安全性；通過API完成應用的快速開發；應用插件化，實現業務快速遷移。

企業數據一般都分散存儲在不同的業務系統中，企業規模越大業務系統越多，數據類型也就越多越復雜。所以多數據類型的整合是構建企業大數據平臺的第一步。OLM LASSOCK采集器可直接在服...

企業數據一般都分散存儲在不同的業務系統中，企業規模越大業務系統越多，數據類型也就越多越復雜。所以多數據類型的整合是構建企業大數據平臺的第一步。OLM LASSOCK采集器可直接在服務器中運行，通過web控制臺，對運行在多臺設備上的的采集器進行控制管理?？梢灾С滞瑫r監控多個文件的變化情況，并將變化后的數據實時采集提交到平臺。

1.實時分析
數據流處理...

1.實時分析
數據流處理
實時檢索
實時告警
2.離線分析
歷史數據批量遷移
歷史數據打標
SQL檢索
計劃告警
報表任務

1.趨勢分析
l   預測
時序數據是具有流動性的，而且一般業務都存在周期性。平臺通過對歷史數據進行抽象，形成模型。形成的模型結合當前數據的表現，可以預測下一個階段數據趨勢
l   預警...

1.趨勢分析
l   預測
時序數據是具有流動性的，而且一般業務都存在周期性。平臺通過對歷史數據進行抽象，形成模型。形成的模型結合當前數據的表現，可以預測下一個階段數據趨勢
l   預警
基于預測結合告警閾值的設置，就可以達到預警的目的，提前發現系統或是業務可能出現的爆發點。
2.關聯分析
不同的業務場景，關聯分析的內容會有比較大差異。平臺提供基于時間和基于業務兩種機制。
l 基于時間：
根據時間進行的關聯分析。當某個業務出現異常時，可以幫助用戶找到問題之間關系，如先后順序，影響范圍等。
l   基于業務
結合業務情況，用戶選擇數據源和需要分析的指標，選擇不同的算法定義任務，提交給平臺進行分析。 
關聯分析效果的關鍵是在分析過程中使用適當的分析引擎、提取適當的數據、輸出適當的告警，這些關鍵因素均是由關聯分析規則進行約定。

OLM通過LASSOCK采集后的數據，經過預處理、實時分析、離線分析和關聯分析的所有數據都可以成為OLM數據挖掘模塊的數據源。OLM的主要挖掘算法包括：分類算法、聚類算法、鏈式分析...

OLM通過LASSOCK采集后的數據，經過預處理、實時分析、離線分析和關聯分析的所有數據都可以成為OLM數據挖掘模塊的數據源。OLM的主要挖掘算法包括：分類算法、聚類算法、鏈式分析、集成算法、離群點檢測