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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19