
中国企业需要一个大数据入口
进入互联网时代,所有人忽然知道了一个叫“入口”的概念。谁能占领入口,谁就能有更多的机会为用户提供后续一系列的服务,从而在竞争中保持不败。其实,在纷乱复杂的大数据领域,从业者同样需要一个入口,而这个入口显然是规划和咨询。
正如多年前的云计算一样,大数据已经成为企业圈最热门的话题。在各种场合,厂商、专家不遗余力的为大数据布道,从最早的“啤酒与尿不湿”的故事开始,企业也渐渐意识到,大数据将成为下一个有望改变企业形态的技术。
虽然目前大数据与当年的云计算技术一样如火如荼,但企业很快发现,与大数据技术在理论上日臻成熟不同,现实中的大数据还很难形成一套完整的解决方案;很多时候还要“摸石头过河”,甚至做好“交学费”的准备。
做为一种帮助企业提升业务能力和竞争力的技术,大数据其实与其他技术一样,首先需要给企业一个明确的预期,然后再给企业一个清晰的路线图,让企业明白大数据是如何一步一步帮助企业实现目标的。但在现实中,情况却往往没有这么简单。A厂商在谈论大数据、B厂商也在谈论大数据,但在很多情况下,A和B谈论的并不是大数据的同一个维度、也不是同一个阶段、更不是同一个目标;但他们却都叫“大数据解决方案”。这难免让用户困惑。
大数据也需要一个入口
进入互联网时代,所有人忽然知道了一个叫“入口”的概念。谁能占领入口,谁就能有更多的机会为用户提供后续一系列的服务,从而在竞争中保持不败。其实,在纷乱复杂的大数据领域,从业者同样需要一个入口,而这个入口显然是规划和咨询。
ThinkBig是一家针对开源技术的大数据咨询服务公司,成立于2010年。按照公司创始人Rick Farnell的说法,公司刚成立时还没有现在如火如荼的Spark,而很多今天响当当的大数据先锋也还在初创期。
由于在Hadoop、Hbase等开源技术上布局较早,ThinkBig很快便积累了大量优质用户,这其中便包含了银行、证券、IT技术、制造等行业的领军企业。而Teradata大中华区首席执行官辛儿伦也笑谈:积累同样的客户,Teradata花了30年时间。正是由于看到了ThinkBig的巨大潜力,Teradata最终在2014年9月宣布收购ThinkBig公司。
在ThinkBig公司的各项能力中,有一项非常抢眼。那就是通过派驻专家分析用户的业务特点,ThinkBig公司可以用六周时间为用户制定出未来12个月的大数据发展路线图。让用户在目前纷乱的大数据市场能够有一个清晰的发展规划。而相对于具体的技术和架构,这项能在力对于目前的用户来说才是真正有价值的。
换句话说,虽然用户已经看到了大数据门扉中透露出的耀眼光芒,单很多用户自己其实并不具备自己打开大数据之门的能力。而ThinkBig就是那个站在大数据的门口,为来者开门的忠实使者。
虽然Teradata在数据仓库、数据分析等方面拥有丰厚的积累,但在一开放为前提的大数据时代,Teradata继续一个进入用户业务和应用场景的入口。ThinkBig正是这个入口,而且ThinkBig可以说是目前所有入口中最合适的一个。
进入中国市场
过去,IT圈里有一个不成文的共识:中国企业在信息化方面的发展基本落后美国3年甚至更长的时间。
不过在大数据这个难得的技术转型窗口,中国企业正在抓住机会奋起直追。这一方面是中国企业参与海外竞争的需要,同时也是中国企业进行战略转型和升级的需要。多方面因素使得中国企业在大数据技术方面的热情丝毫不亚于那些先进市场中的用户。
既然先进市场中的用户对这个大数据技术的领路人如此看中,那么中国企业显然同样需要这样一个大数据的入口。因此,ThinkBig业务进入中国也就成为了顺理成章的事情。
2016年3月,Teradata宣布ThinkBig业务进入中国。除了大数据路线图服务之外,随之而来的还有ThinkBig大数据学院、数据科学服务和数据管理服务。
辛儿伦表示,从2015年11月开始,Teradata已经开始在中国为ThinkBig业务建立本地团队;目前已经有ThinkBig团队的数据科学家、数据工程师等人员与国内用户一起工作了。而Teradata有信心在中国延续ThinkBig在海外创造的三位数增长奇迹。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-08-07SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07CDA 数据分析师考试全解析 在当今数字化时代,数据已成为企业发展的核心驱动力,数据分析师这一职业也愈发受到重视。CDA 数据分 ...
2025-08-07大数据时代的隐患:繁荣背后的隐忧 当我们在电商平台浏览商品时,系统总能 “精准” 推送心仪的物品;当我们刷短视频时,算法 ...
2025-08-07解析 F 边界检验:协整分析中的实用工具 在计量经济学的时间序列分析中,判断变量之间是否存在长期稳定的均衡关系(即协整关系) ...
2025-08-07CDA 数据分析师报考条件详解:迈向专业认证的指南 在数据分析行业蓬勃发展的当下,CDA 数据分析师认证成为众多从业者提升专业 ...
2025-08-07通过 COX 回归模型诊断异常值 一、COX 回归模型概述 COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能 ...
2025-08-07