京公网安备 11010802034615号
经营许可证编号:京B2-20210330
社会的发展,市场的繁荣,互联网的热闹,让信息数据越来越多,因此大数据时代诞生。大数据被誉为继云计算、物联网之后IT产业又一次重要技术变革。
中国企业已然身处大数据时代,但如何利用大数据技术,成功提升自身价值,无疑仍是企业需要去探索的课题。近日,Teradata天睿公司大中华区大数据事业部总监孔宇华表示,企业需要从分析入手去挖掘大数据价值,作为连续14年获得Gartner公司评选的数据仓库领导者象限企业,Teradata始终站在数据仓库和数据分析的前列,通过不断的积累与创新,帮助客户充分呈现其大数据价值。
分析:大数据价值之所在
孔宇华认为,数据的价值不在于存储,而是在于分析。
现在,很多企业认为把各种结构化数据与非结构化数据都收集起来,放到一个地方进行统一存储就能够把大数据做好。而事实上,通过分析,才能释放出数据的价值。
“我们想告诉客户的是,不一定需要100个PC 服务器才能把大数据做好,不一定需要1PB的数据才能把大数据做好。”孔宇华表示,“做大数据的时候,可以从一个应用、一个业务的需求开始,通过不同的数据分析、不同的数据源,把数据应用起来。”
据了解,Teradata Aster大数据探索平台可以汇集不同的数据源、结构化的数据、非结构化的数据,并且有着很多不同的分析方法,如SQL、MapReduce,关联分析、路径分析、文本分析等,通过将这些分析方法进行结合,将充分释放数据的的价值。
此外,Teradata的数据探索平台可以在很短的时间内,将数据进行整理、分析,并将数据的价值展现给客户。“当企业看到数据的价值后,再做相关投入,就不会觉得大数据只是一个概念,是对我这家企业本身毫无影响的。让管理者快速看到大数据背后的真正价值,正是Aster平台的价值所在。”孔宇华表示。
Aster:大数据分析的瑞士军刀
“Aster就是大数据分析的瑞士军刀。”在向记者展示Teradata Aster平台最新成果时,孔宇华如此描述。
同Hadoop相比,Aster探索平台基于SQL、SAS或R的界面,利用其进行大数据分析会更方便,而且数据永远存在一个地方,进行不同的分析时只需要调用不同的工具就可以完成,避免了数据在不同位置间的移动。
另外,Aster还提供了丰富的数据接口,能够连接到Hadoop、数据仓库以及其他提供API的数据源,使得数据无需转换到特定格式即可以进行调用分析,节省了大量数据转换与适配的时间。由于Aster提供了基于SQL运算引擎的支持,因此也可以连接到其他主流的商业智能(BI)工具,获得丰富的可视化功能。
孔宇华介绍,针对Aster大数据探索平台,Teradata新增了SNAP Framework(无缝网络分析处理框架),实现了分析引擎和文件存储的无缝和同步集成,能够执行并优化跨分析引擎和文件存储的查询。
SNAP Framework除了行存储,还支持列存储、文件存储等多种存储方式。在分析层面,除了传统的SQL和MapReduce之外,还引入了最新的图形分析引擎,能够处理大规模分析图表查询以及预建图形功能,并可以应用到客户流失、产品关联性、欺诈侦测以及推荐引擎等分析场景。
就在上个月,Teradata实现了Aster与R的整合,通过放宽内存和处理能力限制条件,扩展开源R语言分析能力。在数据库内运行R语言,可高速处理海量数据,满足企业分析能力需求。
孔宇华表示,Teradata Aster R为R语言分析师提供企业级就绪的商业分析解决方案,可以帮助R语言分析师从多个数据源访问及整合详细数据,通过更广泛的分析方法获得更准确的结果,具有高度可扩展性、可靠性和易用性。
针对Hadoop,Teradata则选择了合作与收购的方式。通过与Hortonworks的合作,为客户提供Hadoop相关的平台和工具。通过收购Revelytix和Hadapt,进一步完成了对Hadoop的整合。
“未来在Teradata的统一数据架构中,Hadoop将主要作为数据获取和整合平台,Aster主要作为数据挖掘和分析平台。”孔宇华表示。
平台、人员、流程:大数据落地三要素
怎样做才能实现大数据的落地?孔宇华给出的答案是:平台、人员和流程。
首先,需要有一个合适易用,并且能够和企业现有平台轻易进行结合;其次,需要内部人员具备一定的技能;最后,流程制度方面,需要结合大数据需求的敏捷项目管理方法,根据业务需求快速让技术人员利用平台提升数据的价值。
企业如何利用现有人员的技能,找出数据里的价值,恰恰是Teradata Aster平台能够赋予客户的。孔宇华表示,通过Teradata Aster大数据探索平台,企业可以在很短的时间内,利用原有的技能进行大数据分析,让管理者看到大数据背后的真正价值。
目前,Teradata在全球范围内已经积累了大量的成功案例,与超过十个行业的用户进行了合作,从传统的优势行业,如电信、金融、保险,到电商、医疗、制造与零售等,Teradata Aster能够对各种场景进行深入分析,并通过丰富的可视化形式进行展现。
据悉,Teradata在中国成立了大数据技术研发团队,主要负责平台、数据库与分析函数的开发。另外,Teradata在中国还拥有优秀的大数据实施团队和实施合作伙伴,能够帮助客户充分呈现其大数据的价值。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20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%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15