京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27