理解大數據，實踐大數據施水才北京拓爾思信息技術股份有限公司2012年5月31日理解大數據，實踐大數據施水才內容對大數據的理解拓爾思大數據產品布局和應用實踐內容對大數據的理解反對派認為，我們現在處在一個盲目的大數據崇拜時代反對派認為，我們現在處在一個盲目的大數據崇拜時代3大數據產生的背景數據的爆發式增長和社會化趨勢，新摩爾定律大數據已經成為一種自然資源機器數據日益重要大數據不被利用就是成本大數據產生的背景數據的爆發式增長和社會化趨勢，新摩爾定律大數據產生的背景現有的商業軟件難以處理大數據的規模和復雜性

獲取(capture)存貯(storage)搜索(search)分享(sharing)分析(analysis)可視化(visualization)大數據產生的背景現有的商業軟件難以處理大數據的規模和復雜性奧巴馬大數據戰略2012年3月29日，白宮發布美國政府的大數據計劃通過提高從大型復雜的數字數據集中提取知識和觀點的能力，承諾幫助加快在科學與工程中的步伐，加強國家安全，并改變教學研究奧巴馬大數據戰略2012年3月29日，白宮發布美國政府的大數大數據的4V特性體量Volume多樣性Variety價值密度Value速度Velocity非結構化數據的超大規模和增長總數據量的80~90%比結構化數據增長快10倍到50倍是傳統數據倉庫的10倍到50倍大數據的異構和多樣性很多不同形式（文本、圖像、視頻、機器數據）無模式或者模式不明顯不連貫的語法或句義大量的不相關信息對未來趨勢與模式的可預測分析深度復雜分析（機器學習、人工智能Vs傳統商務智能(咨詢、報告等）實時分析而非批量式分析數據輸入、處理與丟棄立竿見影而非事后見效大數據的4V特性體量Volume多樣性Variety價值密度7對大數據的理解大數據比云計算更為落地大數據不僅僅是“大”軟件是大數據的引擎大數據的應用不僅僅是精準營銷管理大數據“易”，理解大數據“難”對大數據的理解大數據比云計算更為落地1、大數據比云計算更為落地商業模式驅動應用需求驅動云計算本身也是大數據的一種業務模式1、大數據比云計算更為落地商業模式驅動應用需求驅動云計算本身2、大數據不僅僅是“大”多大？PB級比大更重要的是數據的復雜性，有時甚至大數據中的小數據如一條微博就具有顛覆性的價值2、大數據不僅僅是“大”多大？比大更重要的是數據的復雜性，有3、軟件是大數據的引擎和數據中心（DataCenter）

一樣，軟件是大數據的驅動力，軟件改變世界3、軟件是大數據的引擎和數據中心（DataCenter）大數據生態：軟件是引擎大數據生態：軟件是引擎4、大數據的應用不僅僅是精準營銷通過用戶行為分析實現精準營銷是大數據的典型應用，但是大數據在各行各業特別是公共服務領域具有廣闊的應用前景消費行業金融服務食品安全醫療衛生軍事交通環保電子商務氣象4、大數據的應用不僅僅是精準營銷通過用戶行為分析實現精準營銷5、管理大數據“易”理解大數據“難”雖然大數據是一個重大問題，真正的問題是讓大數據更有意義目前大數據管理多從架構和并行等方面考慮，解決高并發數據存取的性能要求及數據存儲的橫向擴展，但對非結構化數據的內容理解仍缺乏實質性的突破和進展，這是實現大數據資源化、知識化、普適化的核心非結構化海量信息的智能化處理：自然語言理解、多媒體內容理解、機器學習等5、管理大數據“易”理解大數據“難”雖然大數據是一個重大問題拓爾思大數據產品布局TRS機器數據挖掘引擎TRSSMAS

輿情云服務TRS大數據管理系統V7.0拓爾思大數據產品布局TRS機器數據挖掘引擎TRSSMAS15TRS大數據管理系統發展歷程TRS全文數據庫TRS

非結構化

數據庫TRS大數據管理系統TRS大數據管理系統發展歷程TRS全文數據庫TRS

非16TRS大數據管理系統V7.0TRS大數據管理系統V7.0TRS大數據管理系統V7.0分布式并行計算、多副本機制、沒有單點的高可靠體系架構，兼容Hadoop標準支持結構化、半結構化、非結構化數據的管理和搜索支持實時及用戶行為數據的高效管理和分析支持PB級的海量數據管理支持海量用戶的高并發訪問（千萬級用戶、萬級并發）充分釋放硬件的潛力（多核、大內存等）大規模部署的自動化和運行狀態監控創新的多檢索引擎機制，提供開放的二次開發接口TRS大數據管理系統V7.0分布式并行計算、多副本機制、沒數據備份大數據管理系統數據存儲開發接口基于Hadoop的數據分析CKM文本挖掘與數據挖掘關聯規則與序列模式挖掘推薦引擎的離線分析MapReduce數據庫監控機器數據搜索引擎用戶行為挖掘與推薦引擎基于時間分段的大數據檢索與索引接口搜索引擎日志采集監控數據存儲層數據分析層日志發送節點Angent1Angent2Angent3……Angentn日志接收集群Collector1Collector2Collector3……CollectornMaster管理集群Master1Master2Mastern日志采集TRS機器數據挖掘引擎數據備份大數據管理系統數據存儲開發接口基于Hadoop的數19TRS機器數據挖掘引擎特點支持主流格式機器數據的實時采集、解析、管理和搜索。基于時間分段和負載均衡的大數據索引與檢索機制。基于Web的機器數據搜索與分析界面。兼容Hadoop平臺的日志挖掘和用戶行為分析。基于多種推薦模型的在線推薦引擎大規模部署的自動化和運行狀態監控TRS機器數據挖掘引擎特點支持主流格式機器數據的實時采集、TRSSMAS功能框架圖輿情管理服務共享信息挖掘信息來源新聞論壇博客搜索引擎微博wiki自動排重、自動分類、自動摘要、自動分析輿情分類熱點跟蹤熱點統計微博分析人物分析微博運營趨勢分析整合統計關聯圖譜動態走勢興趣圖譜未知探索熱點變化意見領袖傳播圖譜關系分類個性展示敏感預警自由分布數圖導出圖表切換多維檢索探針追蹤元搜索TRSSMAS功能框架圖輿情管理服務共享信息挖掘信息來源新外網微博論壇SNS網媒

官網提高銷量用戶滿意度用戶設計趨勢分析競爭分析質量缺陷設計缺陷使用缺陷KOL維護聲譽管理危機預警事件評估行為分析產品公關營銷SMAS用戶感知研發情緒感知及時服務口碑監測媒介監測S-CRM廣義服務TRSSMAS作用于企業2.0外網官網用戶設計趨勢分析競爭分析質量缺陷設計缺陷使用缺TRS在大數據領域的應用實踐新華社多媒體數據庫國家知識產權局專利檢索系統某部信息監控系統TRSSMAS云服務（大數據服務）國家質監局國家藥監局北京市環保局國家氣象局每日微博熱點分析TRS在大數據領域的應用實踐新華社多媒體數據庫新華社多媒體數據庫系統是新華社的核心業務支撐，典型的非結構化數據管理應用場景，持續IT投資已經超過6億人民幣以新華社遍布全球的新聞信息及采集網絡為依托，全面整合新華社的文字、圖片、圖表、音視頻、報刊等全部資源和社會上有價值的新聞信息資源，擁有包括中、英、法、俄、西、阿及中文繁體在內的6個文種，數據量超PB最早采用文件系統，后來改為Oracle，效率很低，再改為Oracle+TRS，持續服務至今從大型機改為PC服務器集群新華社多媒體數據庫系統是新華社的核心業務支撐，典型的非結構化1.5億條原創新聞資訊26000小時權威原創視頻700萬張圖片27000家注冊用戶8000多種資源分類PB級數據量多語種數據1.5億條26000小時700萬張圖片27000家8000多25新華社多媒體數據庫數據流轉圖新華社多媒體數據庫數據流轉圖新華社多媒體庫的技術特點非結構化數據和結構化數據統一管理TRS多語言檢索引擎全面采用TRS文本挖掘技術良好的集群擴展能力索引服務器讀寫分離新華社多媒體庫的技術特點非結構化數據和結構化數據統一管理國家知識產權局專利檢索服務系統1998年專利局引進了歐洲EPOQUE系統，基于大型機的專利檢索系統，每年的系統維護費用就達數千萬元2005年開始建設自主可控可持續發展的專利檢索和服務系統，采用大量的PC服務器典型的非結構化/半結構化數據應用場景目前公共檢索和審查員檢索系統全部使用TRS檢索引擎國家知識產權局專利檢索服務系統1998年專利局引進了歐洲EP專利檢索系統的需求特點數據多樣性結構化、半結構化和非結構化數據的結合申請人、申請號、名稱等著錄項很多;權利要求書、說明書等全文數據規模大各庫數據結構差異大查詢要求高嚴格的查全和查準要求基于領域知識的智能檢索結構化和非結構化信息聯合查詢相關專利推薦專利檢索系統的需求特點數據多樣性專利檢索與服務系統的數據種類與規模6億多條專利記錄多渠道異構資源整合100%查全率<1秒響應時間700-1000并發7×24穩定可靠1萬注冊用戶專利檢索與服務系統的數據種類與規模6億多條多渠道異構100%專利檢索引擎數據流轉圖專利檢索引擎數據流轉圖專利檢索與服務系統-外觀圖像檢索專利檢索與服務系統-外觀圖像檢索專利圖像外觀檢索局部檢索形狀檢索紋理檢索不變性特征檢索草圖檢索數據分類數據聚類基于相關反饋的檢索跨語言檢索600萬幅專利圖片查詢性能從原來的分鐘級提高到秒級索引性能從原來的天級提高到現在的小時級專利圖像外觀檢索局部檢索600萬幅專利圖片某部網監智能搜索和挖掘系統系統特點：巨大的數據量多樣性數據數據極快速增長系統現狀已經部署數千臺服務器，滿足了業務需求挑戰性能和可擴展性整合和調度數據量遠超過互聯網，目前部署TRS系統2000多套某部網監智能搜索和挖掘系統系統特點：數據量遠超過互聯網，目前SMAS的用戶SMAS的用戶國家質檢總局2012.1蒙牛致癌門2012.2蘇泊爾質量門2012.3遼源注水肉2012.3

315質量報告2012.4含氯可口可樂2012.4蜜餞質量問題2012.5菲律賓香蕉質量2012僅在2012年上半年，拓爾思運營團隊就為質檢總局在產品質量、食品安全方面提供超過40余項服務，借助數據中心的大數據與云服務平臺，進行全面的整合、統計與分析。國家質檢總局2012.1蒙牛致癌門2012.2蘇泊爾質量國家質檢總局質檢總局的服務依托云服務平臺（SMAS），從媒體調性、平臺分布、網民意見、趨勢發展等多種角度進行解析，結合系統的自動分析與分析團隊的整合，最終以專題報告的方式，第一時間呈現，為質檢總局在公共服務的決策提供重要參考。國家質檢總局質檢總局的服務依托云服務平臺（SMAS），從媒體國家藥監局2012年4月15日央視曝光的“毒膠囊”事件掀起藥品行業的巨大波瀾，SMAS運營團隊對該事件進行了長時間的跟蹤與分析，并用一系列的數據、圖表和報告捕獲了網絡數據里的真相與民意。國家藥監局2012年4月15日央視曝光的“毒膠囊”事件掀起藥國家藥監局關鍵人物傳播趨勢主流觀點關鍵地區SMAS分析團隊連續30天跟蹤毒膠囊事件，從整體傳播趨勢、觀點、人物、地區等視角，還原了這起頗具影響力的公共事件。-----毒膠囊事件-------國家藥監局關鍵人物傳播趨勢主流觀點關鍵地區SMAS分析團隊連北京市環保局PM2.5分析報道量排行高低兩會代表委員熱議PM2.5“京V”排放標準首規定PM限值珠三角成首個公布PM2.5城市群珠三角PM2.5嚴重超標環保局回應PM2.5數據質疑借助數據中心的大數據與云服務平臺，從區域分布的角度對PM2.5的相關信息進行歸類，進行全面的整合、統計與分析，得到上圖分析內容。北京市環保局PM2.5分析報道量排行北京市環保局PM2.5分析PM2.5均勻分布，監測點為何不均勻分布？PM2.5監測不能背離公眾感受PM2.5監測,關鍵詞是“真實”20億元清單，能否換來清新？微博TOP10意見領袖排行鄭淵潔微博原文作家通過SMAS平臺的抽樣分析，提取網民熱點話題內容，得到TOP10意見領袖排行。對意見領袖的代表性微博進行傳播鏈分析，可知“意見領袖”巨大的傳播影響力。第一層第二層第三層第四層第五層第六層傳播了712次占轉發數百分比：54.39%傳播了432次占轉發數百分比：33.00%

博主自身的二次轉發北京市環保局PM2.5分析PM2.5均勻分布，監測點為何北京市環保局PM2.5分析北京市環保局PM2.5分析氣象輿情監測對氣候的影響三峽工程長江中下游干旱臺風

梅花日本核輻射極端天氣頻發，有多少是人為之禍？公眾對氣象部門的氣象服務有了全新的期待。依托數據中心與云服務平臺，拓爾思運營團隊還原熱點氣象事件引發的網絡輿情，總結氣象部門應對氣象危機的得失，為氣象部門開拓氣象服務新領域、提升氣象服務水平提供參考。中國氣象局氣象輿情監測對氣候的影響三峽長江中下游干旱臺風日本極端天氣頻43氣象信息月度走勢圖年度熱門氣象事件排行榜全國氣象輿情熱度概覽

氣象口碑媒體分布圖借助數據中心的大數據與云服務平臺，拓爾思運營團隊為氣象局提供了全面的多維度分析。中國氣象局氣象信息月度走勢圖年度熱門氣象事件排行榜全國氣象輿情熱度概覽關系可視化關系可視化每日微博熱點分析每日微博熱點分析46拓爾思大數據技術的優勢架構，集群，分析，非結構化信息處理方面的技術工程能力，滿足企業級客戶的能力和存儲、數據庫等廠商相比，更強調大數據的分析和挖掘的能力拓爾思大數據技術的優勢架構，集群，分析，非結構化信息處理方面謝謝！聯系方式：shi.shuicai@W/shuicai謝謝！理解大數據，實踐大數據施水才北京拓爾思信息技術股份有限公司2012年5月31日理解大數據，實踐大數據施水才內容對大數據的理解拓爾思大數據產品布局和應用實踐內容對大數據的理解反對派認為，我們現在處在一個盲目的大數據崇拜時代反對派認為，我們現在處在一個盲目的大數據崇拜時代51大數據產生的背景數據的爆發式增長和社會化趨勢，新摩爾定律大數據已經成為一種自然資源機器數據日益重要大數據不被利用就是成本大數據產生的背景數據的爆發式增長和社會化趨勢，新摩爾定律大數據產生的背景現有的商業軟件難以處理大數據的規模和復雜性

獲取(capture)存貯(storage)搜索(search)分享(sharing)分析(analysis)可視化(visualization)大數據產生的背景現有的商業軟件難以處理大數據的規模和復雜性奧巴馬大數據戰略2012年3月29日，白宮發布美國政府的大數據計劃通過提高從大型復雜的數字數據集中提取知識和觀點的能力，承諾幫助加快在科學與工程中的步伐，加強國家安全，并改變教學研究奧巴馬大數據戰略2012年3月29日，白宮發布美國政府的大數大數據的4V特性體量Volume多樣性Variety價值密度Value速度Velocity非結構化數據的超大規模和增長總數據量的80~90%比結構化數據增長快10倍到50倍是傳統數據倉庫的10倍到50倍大數據的異構和多樣性很多不同形式（文本、圖像、視頻、機器數據）無模式或者模式不明顯不連貫的語法或句義大量的不相關信息對未來趨勢與模式的可預測分析深度復雜分析（機器學習、人工智能Vs傳統商務智能(咨詢、報告等）實時分析而非批量式分析數據輸入、處理與丟棄立竿見影而非事后見效大數據的4V特性體量Volume多樣性Variety價值密度55對大數據的理解大數據比云計算更為落地大數據不僅僅是“大”軟件是大數據的引擎大數據的應用不僅僅是精準營銷管理大數據“易”，理解大數據“難”對大數據的理解大數據比云計算更為落地1、大數據比云計算更為落地商業模式驅動應用需求驅動云計算本身也是大數據的一種業務模式1、大數據比云計算更為落地商業模式驅動應用需求驅動云計算本身2、大數據不僅僅是“大”多大？PB級比大更重要的是數據的復雜性，有時甚至大數據中的小數據如一條微博就具有顛覆性的價值2、大數據不僅僅是“大”多大？比大更重要的是數據的復雜性，有3、軟件是大數據的引擎和數據中心（DataCenter）

一樣，軟件是大數據的驅動力，軟件改變世界3、軟件是大數據的引擎和數據中心（DataCenter）大數據生態：軟件是引擎大數據生態：軟件是引擎4、大數據的應用不僅僅是精準營銷通過用戶行為分析實現精準營銷是大數據的典型應用，但是大數據在各行各業特別是公共服務領域具有廣闊的應用前景消費行業金融服務食品安全醫療衛生軍事交通環保電子商務氣象4、大數據的應用不僅僅是精準營銷通過用戶行為分析實現精準營銷5、管理大數據“易”理解大數據“難”雖然大數據是一個重大問題，真正的問題是讓大數據更有意義目前大數據管理多從架構和并行等方面考慮，解決高并發數據存取的性能要求及數據存儲的橫向擴展，但對非結構化數據的內容理解仍缺乏實質性的突破和進展，這是實現大數據資源化、知識化、普適化的核心非結構化海量信息的智能化處理：自然語言理解、多媒體內容理解、機器學習等5、管理大數據“易”理解大數據“難”雖然大數據是一個重大問題拓爾思大數據產品布局TRS機器數據挖掘引擎TRSSMAS

輿情云服務TRS大數據管理系統V7.0拓爾思大數據產品布局TRS機器數據挖掘引擎TRSSMAS63TRS大數據管理系統發展歷程TRS全文數據庫TRS

非結構化

數據庫TRS大數據管理系統TRS大數據管理系統發展歷程TRS全文數據庫TRS

非64TRS大數據管理系統V7.0TRS大數據管理系統V7.0TRS大數據管理系統V7.0分布式并行計算、多副本機制、沒有單點的高可靠體系架構，兼容Hadoop標準支持結構化、半結構化、非結構化數據的管理和搜索支持實時及用戶行為數據的高效管理和分析支持PB級的海量數據管理支持海量用戶的高并發訪問（千萬級用戶、萬級并發）充分釋放硬件的潛力（多核、大內存等）大規模部署的自動化和運行狀態監控創新的多檢索引擎機制，提供開放的二次開發接口TRS大數據管理系統V7.0分布式并行計算、多副本機制、沒數據備份大數據管理系統數據存儲開發接口基于Hadoop的數據分析CKM文本挖掘與數據挖掘關聯規則與序列模式挖掘推薦引擎的離線分析MapReduce數據庫監控機器數據搜索引擎用戶行為挖掘與推薦引擎基于時間分段的大數據檢索與索引接口搜索引擎日志采集監控數據存儲層數據分析層日志發送節點Angent1Angent2Angent3……Angentn日志接收集群Collector1Collector2Collector3……CollectornMaster管理集群Master1Master2Mastern日志采集TRS機器數據挖掘引擎數據備份大數據管理系統數據存儲開發接口基于Hadoop的數67TRS機器數據挖掘引擎特點支持主流格式機器數據的實時采集、解析、管理和搜索。基于時間分段和負載均衡的大數據索引與檢索機制。基于Web的機器數據搜索與分析界面。兼容Hadoop平臺的日志挖掘和用戶行為分析。基于多種推薦模型的在線推薦引擎大規模部署的自動化和運行狀態監控TRS機器數據挖掘引擎特點支持主流格式機器數據的實時采集、TRSSMAS功能框架圖輿情管理服務共享信息挖掘信息來源新聞論壇博客搜索引擎微博wiki自動排重、自動分類、自動摘要、自動分析輿情分類熱點跟蹤熱點統計微博分析人物分析微博運營趨勢分析整合統計關聯圖譜動態走勢興趣圖譜未知探索熱點變化意見領袖傳播圖譜關系分類個性展示敏感預警自由分布數圖導出圖表切換多維檢索探針追蹤元搜索TRSSMAS功能框架圖輿情管理服務共享信息挖掘信息來源新外網微博論壇SNS網媒

官網提高銷量用戶滿意度用戶設計趨勢分析競爭分析質量缺陷設計缺陷使用缺陷KOL維護聲譽管理危機預警事件評估行為分析產品公關營銷SMAS用戶感知研發情緒感知及時服務口碑監測媒介監測S-CRM廣義服務TRSSMAS作用于企業2.0外網官網用戶設計趨勢分析競爭分析質量缺陷設計缺陷使用缺TRS在大數據領域的應用實踐新華社多媒體數據庫國家知識產權局專利檢索系統某部信息監控系統TRSSMAS云服務（大數據服務）國家質監局國家藥監局北京市環保局國家氣象局每日微博熱點分析TRS在大數據領域的應用實踐新華社多媒體數據庫新華社多媒體數據庫系統是新華社的核心業務支撐，典型的非結構化數據管理應用場景，持續IT投資已經超過6億人民幣以新華社遍布全球的新聞信息及采集網絡為依托，全面整合新華社的文字、圖片、圖表、音視頻、報刊等全部資源和社會上有價值的新聞信息資源，擁有包括中、英、法、俄、西、阿及中文繁體在內的6個文種，數據量超PB最早采用文件系統，后來改為Oracle，效率很低，再改為Oracle+TRS，持續服務至今從大型機改為PC服務器集群新華社多媒體數據庫系統是新華社的核心業務支撐，典型的非結構化1.5億條原創新聞資訊26000小時權威原創視頻700萬張圖片27000家注冊用戶8000多種資源分類PB級數據量多語種數據1.5億條26000小時700萬張圖片27000家8000多73新華社多媒體數據庫數據流轉圖新華社多媒體數據庫數據流轉圖新華社多媒體庫的技術特點非結構化數據和結構化數據統一管理TRS多語言檢索引擎全面采用TRS文本挖掘技術良好的集群擴展能力索引服務器讀寫分離新華社多媒體庫的技術特點非結構化數據和結構化數據統一管理國家知識產權局專利檢索服務系統1998年專利局引進了歐洲EPOQUE系統，基于大型機的專利檢索系統，每年的系統維護費用就達數千萬元2005年開始建設自主可控可持續發展的專利檢索和服務系統，采用大量的PC服務器典型的非結構化/半結構化數據應用場景目前公共檢索和審查員檢索系統全部使用TRS檢索引擎國家知識產權局專利檢索服務系統1998年專利局引進了歐洲EP專利檢索系統的需求特點數據多樣性結構化、半結構化和非結構化數據的結合申請人、申請號、名稱等著錄項很多;權利要求書、說明書等全文數據規模大各庫數據結構差異大查詢要求高嚴格的查全和查準要求基于領域知識的智能檢索結構化和非結構化信息聯合查詢相關專利推薦專利檢索系統的需求特點數據多樣性專利檢索與服務系統的數據種類與規模6億多條專利記錄多渠道異構資源整合100%查全率<1秒響應時間700-1000并發7×24穩定可靠1萬注冊用戶專利檢索與服務系統的數據種類與規模6億多條多渠道異構100%專利檢索引擎數據流轉圖專利檢索引擎數據流轉圖專利檢索與服務系統-外觀圖像檢索專利檢索與服務系統-外觀圖像檢索專利圖像外觀檢索局部檢索形狀檢索紋理檢索不變性特征檢索草圖檢索數據分類數據聚類基于相關反饋的檢索跨語言檢索600萬幅專利圖片查詢性能從原來的分鐘級提高到秒級索引性能從原來的天級提高到現在的小時級專利圖像外觀檢索局部檢索600萬幅專利圖片某部網監智能搜索和挖掘系統系統特點：巨大的數據量多樣性數據數據極快速增長系統現狀已經部署數千臺服務器，滿足了業務需求挑戰性能和可擴展性整合和調度數據量遠超過互聯網，目前部署TRS系統2000多套某部網監智能搜索和挖掘系統系統特點：數據量遠超過互聯網，目前SMAS的用戶SMAS的用戶國家質檢總局2012.1蒙牛致癌門2012.2蘇泊爾質量門2012.3遼源注水肉2012.3

315質量報告2012.4含氯可口可樂2012.4蜜餞質量問題2012.5菲律賓香蕉質量2012僅在2012年上半年，拓爾思運營團隊就為質檢總局在產品質量、食品安全方面提供超過40余項服務，借助數據中心的大數據與云服務平臺，進行全面的整合、統計與分析。國家質檢總局2012.1蒙牛致癌門2012.2蘇泊爾質量國家質檢總局質檢總局的服務依托云服務平臺（SMAS），從媒體調性、平臺分布、網民意見、趨勢發展等多種角度進行解析，結合系統的自動分析與分析團隊的整合，最終以專題報告的方式，第一時間呈現，為質檢總局在公共服務的決策提供重要參考。國家質檢總局質檢總局的服務依托云服務平臺（SMAS），從媒體國家藥監局2012年4月15日央視曝光的“毒膠囊”事件掀起藥品行業的巨大波瀾，SMAS運營團隊對該事件進行了長時間的跟蹤與分析，并用一系列的數據、圖表和報告捕獲了網絡數據里的真相與民意。國家藥監局2012年4月15日央視曝光的“毒膠囊”事件掀起藥國家藥監局關鍵人物傳播趨勢主流觀點關鍵地區SMAS分析團隊連續30天跟蹤毒膠囊事件，從整體傳播趨勢、觀點