
中国企业需要一个大数据入口
进入互联网时代,所有人忽然知道了一个叫“入口”的概念。谁能占领入口,谁就能有更多的机会为用户提供后续一系列的服务,从而在竞争中保持不败。其实,在纷乱复杂的大数据领域,从业者同样需要一个入口,而这个入口显然是规划和咨询。
正如多年前的云计算一样,大数据已经成为企业圈最热门的话题。在各种场合,厂商、专家不遗余力的为大数据布道,从最早的“啤酒与尿不湿”的故事开始,企业也渐渐意识到,大数据将成为下一个有望改变企业形态的技术。
虽然目前大数据与当年的云计算技术一样如火如荼,但企业很快发现,与大数据技术在理论上日臻成熟不同,现实中的大数据还很难形成一套完整的解决方案;很多时候还要“摸石头过河”,甚至做好“交学费”的准备。
做为一种帮助企业提升业务能力和竞争力的技术,大数据其实与其他技术一样,首先需要给企业一个明确的预期,然后再给企业一个清晰的路线图,让企业明白大数据是如何一步一步帮助企业实现目标的。但在现实中,情况却往往没有这么简单。A厂商在谈论大数据、B厂商也在谈论大数据,但在很多情况下,A和B谈论的并不是大数据的同一个维度、也不是同一个阶段、更不是同一个目标;但他们却都叫“大数据解决方案”。这难免让用户困惑。
大数据也需要一个入口
进入互联网时代,所有人忽然知道了一个叫“入口”的概念。谁能占领入口,谁就能有更多的机会为用户提供后续一系列的服务,从而在竞争中保持不败。其实,在纷乱复杂的大数据领域,从业者同样需要一个入口,而这个入口显然是规划和咨询。
ThinkBig是一家针对开源技术的大数据咨询服务公司,成立于2010年。按照公司创始人Rick Farnell的说法,公司刚成立时还没有现在如火如荼的Spark,而很多今天响当当的大数据先锋也还在初创期。
由于在Hadoop、Hbase等开源技术上布局较早,ThinkBig很快便积累了大量优质用户,这其中便包含了银行、证券、IT技术、制造等行业的领军企业。而Teradata大中华区首席执行官辛儿伦也笑谈:积累同样的客户,Teradata花了30年时间。正是由于看到了ThinkBig的巨大潜力,Teradata最终在2014年9月宣布收购ThinkBig公司。
在ThinkBig公司的各项能力中,有一项非常抢眼。那就是通过派驻专家分析用户的业务特点,ThinkBig公司可以用六周时间为用户制定出未来12个月的大数据发展路线图。让用户在目前纷乱的大数据市场能够有一个清晰的发展规划。而相对于具体的技术和架构,这项能在力对于目前的用户来说才是真正有价值的。
换句话说,虽然用户已经看到了大数据门扉中透露出的耀眼光芒,单很多用户自己其实并不具备自己打开大数据之门的能力。而ThinkBig就是那个站在大数据的门口,为来者开门的忠实使者。
虽然Teradata在数据仓库、数据分析等方面拥有丰厚的积累,但在一开放为前提的大数据时代,Teradata继续一个进入用户业务和应用场景的入口。ThinkBig正是这个入口,而且ThinkBig可以说是目前所有入口中最合适的一个。
进入中国市场
过去,IT圈里有一个不成文的共识:中国企业在信息化方面的发展基本落后美国3年甚至更长的时间。
不过在大数据这个难得的技术转型窗口,中国企业正在抓住机会奋起直追。这一方面是中国企业参与海外竞争的需要,同时也是中国企业进行战略转型和升级的需要。多方面因素使得中国企业在大数据技术方面的热情丝毫不亚于那些先进市场中的用户。
既然先进市场中的用户对这个大数据技术的领路人如此看中,那么中国企业显然同样需要这样一个大数据的入口。因此,ThinkBig业务进入中国也就成为了顺理成章的事情。
2016年3月,Teradata宣布ThinkBig业务进入中国。除了大数据路线图服务之外,随之而来的还有ThinkBig大数据学院、数据科学服务和数据管理服务。
辛儿伦表示,从2015年11月开始,Teradata已经开始在中国为ThinkBig业务建立本地团队;目前已经有ThinkBig团队的数据科学家、数据工程师等人员与国内用户一起工作了。而Teradata有信心在中国延续ThinkBig在海外创造的三位数增长奇迹。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28