京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从Teradata第四季度财报电话会议上,你已经看到这家公司与其他数据仓库公司的竞争远不如Hadoop那么大。
Teradata首席执行官Mike Koehler以及首席财务官Steve Scheppmann在公司财报电话会议上不断谈论Hadoop。是Hadoop抢走了Teradata的生意吗?收入受到了怎样的影响?Teradata是否可以与Hadoop并存?
Teradata第四季度比预期稍好,前景较为保守。Teradata的统一架构融入Hadoop开源平台用于分析大数据,但是一些ETL(提取、转换以及加载)负载正在远离Teradata。
根据Teradata的报告,第四季度收益1.12亿美元(或者每股68美分),收入7.69亿美元,同比增长4%。第四季度Teradata的非GAAP收益为每股88美分。华尔街之前预期该季度Teradata的收益为每股85美分。因此收入与预期持平,收益好于预期。在经过艰难的第三季度之后,Teradata在该季度的结果可以算是一个胜利。
就前景看,Teradata表示2014年收入增幅预计在3%到7%之间,非GAAP收益在每股2.85美元到每股3美元之间。这一结果低于华尔街预期的每股3.04美元。
尚不明确的是,Teradata的业务是否受到Hadoop的影响,以及影响程度有多大。Teradata将Hadoop结合到自己的架构中,并将其与自己的Aster平台相融合。
Teradata的计划是将Hadoop与自己的数据仓库设备融合。这一计划是有道理的,因为大多数大型客户在可预见的未来内都会采取一种混合的方法。但是像一家从许可和支持转向围绕云和订购的软件公司,这样的过渡必须拿捏好。
Koehler表示:我们在美洲的前50大客户中有接近1/3已经在生产中采用Hadoop,其他2/3正处于各种评估的阶段。那些在生产中部署Hadoop的客户在Teradata数据仓库上的支出模式与没有采用Hadoop的客户是类似的。我们正在与这些客户紧密合作,其中有半数的客户已经采用了我们的Unified Data Architecture统一数据架构。实施了我们UDA的客户总数翻了三番,我们有多个理念正在验证中。除此之外,我们的2013 Aster和Hadoop相关收入已经接近于2012年的四倍。我们将拥抱Hadoop并将它作为UDA的关键组成部分,因为我们相信,大数据和Hadoop对我们的客户和我们自己来说都是一个福音。
在随后的评论中,Koehler补充说,在大多数情况下,客户们已经在生产中部署了Hadoop,正如我们在最近的财报电话会议上所说。他们的做法是围绕着ETL和将部分ETL工作负载从Teradata EDW上迁移出来,我们认同这个这一点,这也是我们在最近的财报电话会议上说过的。因此,客户这样做所带来可量化的影响相对较小。现在,如果你以未来的眼光看Hadoop的影响,我倾向于我们在上次会议所说的。也就是,基本上我们对大型客户做了全面的分析,我们看到他们平均20%到40%的工作负载已经完成——用于ETL。这些工作负载中20%到40%正在使用ETL,我们认为20%适合于使用Hadoop。因此展望未来,我们将看到越来越多的工作负载因为与ETL相关而被迁移,我们认为这是最大的影响。
也许对于Teradata来说,更大的风险是他们最大的客户的资本开支并没有增加。这个事实意味着越来越多的客户会考虑Hadoop,因为随着开源项目的不断发展,未来Hadoop将能够处理更高的工作负载。如果企业认定了他们可以在没有大数据仓库和集成设备的情况下掌控大数据和分析,那么Teradata面临的问题可就不止是Hadoop了。一些分析师认为,企业已经开始重新考虑他们的数据仓库战略了。
Cowen分析师Peter Goldmacher指出:Teradata说,2013年最大的难题是Teradata无法让他们的前50大客户花钱。这个趋势主要是因为开支放缓所导致,我们的分析认为,这种公司会是最积极采用Hadoop的群体。我们认为,Teradata的全年业绩显示了那些购买Teradata产品的客户对于Teradata利润较低的中端、低端以及更低成本的产品更感兴趣。我们还看到Cloudera更新了他们推向市场的战略,Cloudera是一家出现在Teradata关注视野中的Hadoop初创公司,他们将自己的产品定位为Teradata的替代解决方案,成本只是Teradata的很小一部分。随着时间的推移,随着Hadoop的功能性和可用性显著改善,我们看到来自Cloudera以及其他Hadoop分销商的威胁加大,很快在未来今年的某个时间点,Teradata将不再具备任何技术竞争优势。我们看到一些早期迹象,企业正在重新考虑他们的整体数据管理架构,在这个新模式中给传统厂商留下的空间非常小。
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