
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29