
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
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13