京公网安备 11010802034615号
经营许可证编号:京B2-20210330
社会的发展,市场的繁荣,互联网的热闹,让信息数据越来越多,因此大数据时代诞生。大数据被誉为继云计算、物联网之后IT产业又一次重要技术变革。
中国企业已然身处大数据时代,但如何利用大数据技术,成功提升自身价值,无疑仍是企业需要去探索的课题。近日,Teradata天睿公司大中华区大数据事业部总监孔宇华表示,企业需要从分析入手去挖掘大数据价值,作为连续14年获得Gartner公司评选的数据仓库领导者象限企业,Teradata始终站在数据仓库和数据分析的前列,通过不断的积累与创新,帮助客户充分呈现其大数据价值。
分析:大数据价值之所在
孔宇华认为,数据的价值不在于存储,而是在于分析。
现在,很多企业认为把各种结构化数据与非结构化数据都收集起来,放到一个地方进行统一存储就能够把大数据做好。而事实上,通过分析,才能释放出数据的价值。
“我们想告诉客户的是,不一定需要100个PC 服务器才能把大数据做好,不一定需要1PB的数据才能把大数据做好。”孔宇华表示,“做大数据的时候,可以从一个应用、一个业务的需求开始,通过不同的数据分析、不同的数据源,把数据应用起来。”
据了解,Teradata Aster大数据探索平台可以汇集不同的数据源、结构化的数据、非结构化的数据,并且有着很多不同的分析方法,如SQL、MapReduce,关联分析、路径分析、文本分析等,通过将这些分析方法进行结合,将充分释放数据的的价值。
此外,Teradata的数据探索平台可以在很短的时间内,将数据进行整理、分析,并将数据的价值展现给客户。“当企业看到数据的价值后,再做相关投入,就不会觉得大数据只是一个概念,是对我这家企业本身毫无影响的。让管理者快速看到大数据背后的真正价值,正是Aster平台的价值所在。”孔宇华表示。
Aster:大数据分析的瑞士军刀
“Aster就是大数据分析的瑞士军刀。”在向记者展示Teradata Aster平台最新成果时,孔宇华如此描述。
同Hadoop相比,Aster探索平台基于SQL、SAS或R的界面,利用其进行大数据分析会更方便,而且数据永远存在一个地方,进行不同的分析时只需要调用不同的工具就可以完成,避免了数据在不同位置间的移动。
另外,Aster还提供了丰富的数据接口,能够连接到Hadoop、数据仓库以及其他提供API的数据源,使得数据无需转换到特定格式即可以进行调用分析,节省了大量数据转换与适配的时间。由于Aster提供了基于SQL运算引擎的支持,因此也可以连接到其他主流的商业智能(BI)工具,获得丰富的可视化功能。
孔宇华介绍,针对Aster大数据探索平台,Teradata新增了SNAP Framework(无缝网络分析处理框架),实现了分析引擎和文件存储的无缝和同步集成,能够执行并优化跨分析引擎和文件存储的查询。
SNAP Framework除了行存储,还支持列存储、文件存储等多种存储方式。在分析层面,除了传统的SQL和MapReduce之外,还引入了最新的图形分析引擎,能够处理大规模分析图表查询以及预建图形功能,并可以应用到客户流失、产品关联性、欺诈侦测以及推荐引擎等分析场景。
就在上个月,Teradata实现了Aster与R的整合,通过放宽内存和处理能力限制条件,扩展开源R语言分析能力。在数据库内运行R语言,可高速处理海量数据,满足企业分析能力需求。
孔宇华表示,Teradata Aster R为R语言分析师提供企业级就绪的商业分析解决方案,可以帮助R语言分析师从多个数据源访问及整合详细数据,通过更广泛的分析方法获得更准确的结果,具有高度可扩展性、可靠性和易用性。
针对Hadoop,Teradata则选择了合作与收购的方式。通过与Hortonworks的合作,为客户提供Hadoop相关的平台和工具。通过收购Revelytix和Hadapt,进一步完成了对Hadoop的整合。
“未来在Teradata的统一数据架构中,Hadoop将主要作为数据获取和整合平台,Aster主要作为数据挖掘和分析平台。”孔宇华表示。
平台、人员、流程:大数据落地三要素
怎样做才能实现大数据的落地?孔宇华给出的答案是:平台、人员和流程。
首先,需要有一个合适易用,并且能够和企业现有平台轻易进行结合;其次,需要内部人员具备一定的技能;最后,流程制度方面,需要结合大数据需求的敏捷项目管理方法,根据业务需求快速让技术人员利用平台提升数据的价值。
企业如何利用现有人员的技能,找出数据里的价值,恰恰是Teradata Aster平台能够赋予客户的。孔宇华表示,通过Teradata Aster大数据探索平台,企业可以在很短的时间内,利用原有的技能进行大数据分析,让管理者看到大数据背后的真正价值。
目前,Teradata在全球范围内已经积累了大量的成功案例,与超过十个行业的用户进行了合作,从传统的优势行业,如电信、金融、保险,到电商、医疗、制造与零售等,Teradata Aster能够对各种场景进行深入分析,并通过丰富的可视化形式进行展现。
据悉,Teradata在中国成立了大数据技术研发团队,主要负责平台、数据库与分析函数的开发。另外,Teradata在中国还拥有优秀的大数据实施团队和实施合作伙伴,能够帮助客户充分呈现其大数据的价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19