京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的商业价值到底有多大
当很多中国企业还在纠结于如何将数据演变为成熟的商业模式时,Teradata天睿公司已经开始协助客户实践数据时代(Data Time)变现的能力。
很多人听说过那则经典的“啤酒+尿片”的大数据营销案例,却不知道背后的诞生地却正是Teradata。低调的行事风格来源于Teradata一直践行的商业理念,“始终思考着能协助客户在驾驭数据的能力上提供哪些价值”,这是Teradata天睿公司大中华区首席执行官辛儿伦在接受《英才》记者专访时多次提到的一句话。
出身新闻世家的辛儿伦,年轻时的梦想是当一名新闻主播,但电脑科学是上世纪80-90年代的热门,听从了家人的建议,他选择了理工科。辛儿伦曾在微软公司工作近15年,任职微软大中华区副总裁负责企业事业部。加入Teradata 6年来,带领大中华区业务保持每年双位数的增长速度,并已经成为集团除美国以外的第二大市场。
80倍回报
大数据的商业价值到底有多大?
“可能是80倍的回报。”据辛儿伦介绍,Teradata曾帮助一家国内的领先快递公司利用大数据分析优化人力、物流、调度、计费模式以及清算方法等等,“如果将他们付给Teradata的投资成本算作1块钱,最终这家快递公司运用大数据分析方法,获得了约80块钱的回收利润。”
类似跨行业数据变现的案例还体现在帮助大型银行业进行社区银行的选址、旅游行业的数据分析等等,不过辛儿伦认为,“数据变现在全球还是刚起步的阶段,许多项目还处于雏形阶段,但这些项目一旦验证成功,它会向一对多或多对多的企业关系延伸,项目的范畴上会进行更大的拓广。可以说未来10—30年将远远超越当前我们所能想象到的。”
纵观公司的客户名单,仅中国市场就覆盖了政府公共服务、地铁、交通运输、航空、通信行业、银行、保险、证券、物流、快递行业、制造行业、汽车零售、电子商务等超过10个行业。
而寻找新的增长点也是辛儿伦和他的团队经常思考的问题,“过去这几年,我们在铁路运输、快递、航空发展特别迅猛。在行业的扩展方面,需要扩展更多的领域和产业,类似医疗,也是我们一直以来非常关注的。”
“我们已经不再仅仅是结构化的数据分析、数据仓库的提供商,已经是一个大数据分析解决方案的提供商。”辛儿伦认为Teradata所能服务的行业几乎是无边界的,“纵轴上讲,只要你有数据,不管是什么结构,都可以做信息的挖掘和数据的分析。从横轴上来讲,我们的客户是跨越多行业的延伸。”
随着中国经济体量的不断膨胀,各个行业积累了庞大的数据资产,且增长速度极快。很多中国企业已经意识到这些数据的商业价值和用途,但在驾驭数据,有效整合和分析,进而转换为信息价值以采取正确决策和行动的全过程中面临挑战。
“Teradata的核心竞争力是对信息的驾驭能力,对我们的客户,我们提供良好的方法论、顾问、咨询、产品、数据架构和成熟的建设经验,并融合一些好的开源技术,持续为客户创造价值。”辛儿伦告诉《英才》记者。
并购落地
连续16年蝉联Gartner数据分析领域领导者象限榜首,奠定了Teradata在数据分析这一领域的领头羊地位。
除了与中国客户深厚的合作关系,强大的技术以及商业理念以外,频繁的并购,实现数据分析生态系统的完善也是重要手段之一。
“Aster Data在当时被Gartner认为是全世界大数据供应商里的领导者。”辛儿伦对《英才》记者表示,“Aster Data在被Teradata集团总部收购后,第一时间就在中国落地。在过去三年半的时间,我们成立了专门负责在中国推广和服务的Aster Data技术团队,现在大中华区已经有几十家客户采用Aster技术。我要特别感谢我们的客户。”
最近几年,Teradata保持着强劲的并购势头。2014年公司收购了一家开源Hadoop部署咨询公司——Think Big Analytics。该年还收购了Hadoop元数据管理工具提供商Revelytix以及SQL-on-Hadoop厂商Hadapt。
而2011年花费2.63亿美元收购的非结构化数据处理工具软件厂商Aster Data Systems,被认为是最具代表性的一笔。
这些收购让Teradata在大数据经济的快速转型时代巩固原有阵地的同时,通过自身的持续研发,结合并购带来的新技术,有效地扩展了自己的市场半径。
“Teradata中国市场的业务量和增速5年前已经超过日本,大中华区已经是美国以外最大的业务板块。”辛儿伦说道。
定制经济
“20世纪七八十年代以来,IT产业一直是小I大T,未来将是大I小T。”根据辛儿伦的判断,过去二三十年的IT行业专注于Technology(技术)运用,以及技术研发的价值。但IT不仅仅是Technology,IT是两个课题,是Information(信息)和Technology(技术)。
“未来30年,大I小T的时代来临,政府、企业、企业的IT部门、IT供应商等,关注的主轴将会更多在Information这个课题,这将会是一个绝佳的机会,而且是一个最佳的发力时间点。”这对于大数据分析专家Teradata来说,未来想象空间巨大。
按照辛儿伦的理念,当前互联网产业变革所诞生的优秀企业都可以拿这个逻辑来理解。“互联网+传统产业的边界延伸更多的是驾驭信息的课题上,在信息变革和信息安全保障下产生多元化的商业模式、创新性的思维,而不只是技术的延伸。”
“同时,消费者的需求也产生自主式的革新,从注意力经济转化成为消费者意向经济。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22