京公网安备 11010802034615号
经营许可证编号:京B2-20210330
| 2014年时曾提到,业内大数据分析面临几个重大的转折点。我们需要新技术和新工具,帮助更多用户更合理地利用数据,而且迫切需要更广泛的数据分析功能,从不同来源的所有数据中发现它们之间的关系,并获得洞察力。为此,Teradata的创新型技术Connection Analytics技术将工具为大数据分析行业开辟了新的格局。今年一月,我在展望2014年时曾提到,业内大数据分析面临几个重大的转折点。随着数字 化时代数据规模和复杂度呈指数级增长,我们需要新技术和新工具,帮助更多用户更合理地利用数据。我还提到,我们迫切需要更广泛的数据分析功能,从不同来源 的所有数据中发现它们之间的关系,并获得洞察力。仅关注客户或网络等特定分析实体的内容已不足以满足企业需求,我们还需要了解这些实体之 间的关系情境,通过跟踪用户、产品及过程之间对结果产生影响的关系变化,获得洞察力并创造价值。但这不仅仅是数据科学家的专利,我们还需要通过各种途径帮 助普通商业用户轻松、直观地获得并运用这些洞察力。目前,Teradata天睿公司已推出全新分析功能,以满足这些要求,对此我倍感骄傲。我们在上周举办的2014年Teradata合作伙伴大会上发布Connection Analytics,这是一套高级情境分析功能,能够以较低成本大规模应用于大型多结构数据集。Connection Analytics基于Teradata Aster强大的MapReduce及Graph引擎,可运用100多种预置算法帮助数据科学家乃至普通商业用户理清复杂的关系,并从中梳理出获得全新业 务洞察力并创造价值的成功模式。Connection Analytics将作为Teradata统一数据架构下Teradata Aster探索平台的重要组件供用户即时使用。据我们发布的Connection Analytics新闻稿,Connection Analytics能够在用户可访问的环境下实现上述功能,并与现有基于SQL的可视化能力及商业智能应用无缝整合,在业内率先将高级情境分析能力与易用 性完美结合。这将为更多商业用户提供多种洞察力,帮助他们梳理各种关系,用于预测业务欺诈行为或客户流失,开展精密策划的病毒式营销活动,提升公共网络健 康度与安全性及优化推荐引擎。到目前为止,情境分析仍存在高难度、高成本等挑战,因为它需要专用系统及难以企及的独特 技能组合,并结合多种算法,才能发现这些错综复杂的关系。现有基于内容的决策模型侧重用户、产品或过程的个体特性分析,而Connection Analytics拥有基于情境的决策模型,可分析这些实体之间的相互关系。部署Connection Analytics后,数据科学家乃至商业用户将能够运用熟悉及易用的工具增强现有决策模型,实现大数据分析最前沿技术的普及应用。但所有这些讨论都仿佛是在纸上谈兵。现在,我将介绍一些即将发布的价值驱动型用例。例如 (怎样减少)客户流失:通过部署Connection Analytics,用户能够将传统统计方法、机器学习及情感分析与影响因素分析相结合,调查客户满意度,并在客户群中准确找出最具影响力的群体。这将帮 助企业减少客户流失,并在客户流失时尽量避免连锁反应。Connection Analytics还能够找出对购买产品构成最直接及间接影响的因素,为病毒式营销活动有针对性地提供信息。Connection Analytics还帮助企业监测IP、网络、服务器和通信日志不断生成的各种数据流,实现网络威胁的近实时监测。Connection Analytics可跟踪用户、产品、过程及其它“实体”之间关系,这对于破解组织严密的诈骗团伙至关重要。当诈骗人员创建新的身份,或改变其诈骗手段 时,如仅使用基于内容的决策模型,用户将轻易上当。但通过使用Connection Analytics,将帮助用户运用基于情境的决策模型,增强传统上较为肤浅的分析视图,获得暴露可疑活动并识别诈骗集团的算法模式。在当前数字化时代中,万物皆有联系。因此,企业和公共部门机构需通过关系建模分析,了解 不同数据集之间的关系。Teradata天睿公司推出Connection Analytics,为情境式决策专门开发出可供用户访问的高性能分析平台,率先为广泛的用户群体提供企业级分析能力,为大数据分析行业开辟了新的格局。 在大数据分析技术处于重要转折点时,Teradata天睿公司将通过技术创新,推动行业不断发展,并帮助客户取得成功。 |
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12