“全能”為王

要在萎靡不振的大環境中求發展?這讓企業在選擇產品技術的時候，將追求狂飆突進的新技術，機械添置硬件的做法雙雙拋諸腦后，而更加鐘情于價格、性能以及可擴展性三者齊備的“全能型選手”。

瞄準“高擴展”

“這是最好的時代，這是最壞的時代……這是希望之春，這是失望之冬。”狄更斯在《雙城記》中的這段話可以恰如其分的形容如今乍暖還寒的經濟形勢。

當企業的數據中心無法滿足新的應用需求時，如何對其進行擴展?特別是基于高性能計算的大型數據中心，有時候，對其增加密度幾乎成為“不可能完成的任務”，企業不得不重建或新建數據中心以滿足需求。而這種“無奈”的簡單擴建，在這個經濟尚未復蘇的時候顯得多么不合時宜。

實際上，數據中心密度的提升絕非非易事——供電、制冷甚至建筑結構的承重能力都可能成為數據中心擴展的瓶頸。中石油信息資源開發中心鄒衡岳副主任曾表示，石化行業目前擁有的數據中心設備數量巨大，包含計算、存儲、交換等若干軟硬件設備，復雜度、部署和管理成本都非常高昂。

鄒衡岳以一個普通盆地勘測為例，向記者說明石化行業對高性能計算的需求：經過地面構造和油氣苗普查后，緊隨就是通過地震普查來查明地下構造情況。如果遇到合適開采的地質構造，則需要二維度或三維的地震精查——利用地震采集數據進一步查明地下構造情況，如果是三維的話還可以根據三維數據特殊處理來部署井位。這其中產生的數據文件極其龐大，100平方公里面積產生的數據往往達到數百GB甚至TB量級，需要高速大容量文件的存取，但對于廣漠的盆地而言，100平方公里僅僅是一塊很小的區段。

除此以外，隨著搜索、Web 2.0等超級擴展型應用的蓬勃興起，新興的互聯網企業用戶對于高擴展性服務器的需求也在不斷攀升。

惠普敏銳的觀察到這一趨勢，并于2007年在美國成立了一個全新的產品部門——可擴展性的技術架構產品部門。新部門的工作主要是服務Web2.0和高性能計算領域的客戶，以及一些大型傳統企業客戶。惠普與這些客戶聯合研發，確保這些極速膨脹的客戶的IT架構可以追上他們在商業模式上的擴展。

“三年中我們針對Google等特別客戶量身定制，加速整個生態鏈的發展速度。”惠普可擴展計算與基礎設施部(SCI)供應鏈總監Christian Post認為，惠普對極度擴展市場生態系統的理解和認知，已經超越技術范疇。在他看來，整個生態系統包括三項內容：為什么需要這樣的產品；IT企業能提供什么樣的管理和數據中心；如何從整個極度擴展數據中心的運營模式和供應鏈的角度來提供。“如今，我們已經可以把這些經驗應用到標準產品中，進而快速地進入這個市場。”

“騎墻之作”

Christian Post所說的標準產品，就是惠普剛剛發布的高擴展性(ExSO)服務器系列。這款針對Web 2.0、云計算、高性能計算等應用設計的服務器具備低能耗、高效率、部署靈活、重量輕等新特性。

作為HP高擴展性(ExSO)系列產品的核心，基于Intel Nehalem Xeon5500系列處理器的HP ProLiant SL服務器系列采用了“無縫模塊化”的系統架構，用更為輕巧的導軌和托盤設計取代傳統沉重笨拙的底盤和機架外形。因此，數據中心人員可以在數據中心空間不變的基礎上，實現資本、設施和運輸成本的降低。另外，該系列高效的模塊化設計便于客戶快捷地構建解決方案，滿足超規模橫向擴展工作量的要求。“SL這條產品線就是專門為未來的云計算而設計的，惠普的全球研發部門已經給眾多基于云計算的客戶做了特別的產品設計，從中獲取經驗。所以，SL產品線就是為未來云計算提供硬件的架構。”

粗看起來，SL的賣點跟惠普BL系列的刀片服務器很相似，但細究起來定位有很大差別。在技術上，刀片服務器將整個服務器存儲和交換機連為一個完全節點；SL則是通過輕型、簡便的產品模式，提供標準的遠程管理模式進行管理。

SL保留了很多傳統機架的特性，但在托盤設計等方面又和刀片服務器頗有相似之處，是介于傳統和刀片之間的“騎墻之作”。

這種“騎墻”讓SL同時具有機架和刀片的一些優勢，同時回避了二者的局限性。“大規模部署刀片服務器，通常要考慮機房承重的限制和能耗的限制。當客戶不希望轉移到惠普的管理平臺，但同時希望擁有更高的計算密度、更輕的重量，更低的TCO時，可以選擇惠普HP ProLiant SL系列服務器。”Christian Post說。

“通俗來講，如果你的應用是‘吃’CPU的，就用CPU密集型配置；如果應用‘吃’內存，那就選擇內存密集型配置；如果你的應用‘吃’硬盤，那可以用存儲密集型的產品。”惠普亞太可擴展計算與基礎設施部(SCI)產品經理溫潔這樣概括SL系列的“全能”特性。

利潤評估

在北美市場，惠普嘗試通過ExSO解決方案將客戶的CRM和ERP系統連接在一起。這樣做的好處是，數據中心可以將生產數據更好地轉化為銷售預測工具，同時幫助客戶降低成本。

在艱難的經濟環境下，許多企業都在尋求途徑提升服務質量，實現這點的關鍵除了高質量的數據中心，還有高質量的數據。孤立的客戶信息系統延緩了企業有效了解客戶的進程，如何整合數據中心內部的數據成為企業最大的挑戰。

直到最近，可以深入、細致地在整個企業范圍內評估和優化客戶資產的技術工具才問世。上世紀90年代末，加拿大最大的銀行——加拿大皇家銀行(RBC，Royal Bank of Canada)與Teradata公司合作，共同研發了一款以數據倉庫驅動的價值引擎，用來精確衡量和跟蹤客戶的利潤貢獻度。從那時起，這家銀行就一直使用利潤貢獻度分析，以及事件驅動型CRM解決方案來優化客戶資產。

在這一過程中，銀行發現對于其75％的客戶來說，“利潤貢獻度”的評級方法改變了至少兩個十分位數，評估精確性大大提高。此外，銀行也意識到單單進行客戶利潤貢獻度計算還不夠——客戶可以分成可盈利和有可盈利潛力的，而對這兩種客戶，銀行都需要使用利潤貢獻度歷史信息的客戶生命周期價值工具，幫助銀行判斷哪些客戶從長遠來看具有很高的可盈利潛力。

在這一過程中，加拿大皇家銀行學到了重要一課，就是真正有用的客戶利潤貢獻度模型一定是建立在詳細、精確、基于實時的賬戶成本信息上。也就是說，要獲取到精確的客戶利潤貢獻度，必須要有精確、及時的信息支持，并涵蓋客戶管理的每一個維度，包括客戶行為、交易以及整個企業的各項支出和業務活動。

為了確保能夠在任一特定的接觸點與每一位客戶進行有效的互動，銀行需要了解客戶真正重視什么。從人性化的角度來說，成功的企業往往是那些了解客戶的需求和期望，并且及時采取相應的行動來滿足客戶的企業。由于人們逐漸認識到客戶關系的價值所在，‘科學的’營銷重心日益成為企業普遍應用的準則。一旦工具和流程部署完畢，銀行就開始利用這些評估工具來制定市場營銷活動、統一定價自主權和服務級別等客戶策略。