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
在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28