京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的商业价值到底有多大
当很多中国企业还在纠结于如何将数据演变为成熟的商业模式时,Teradata天睿公司已经开始协助客户实践数据时代(Data Time)变现的能力。
很多人听说过那则经典的“啤酒+尿片”的大数据营销案例,却不知道背后的诞生地却正是Teradata。低调的行事风格来源于Teradata一直践行的商业理念,“始终思考着能协助客户在驾驭数据的能力上提供哪些价值”,这是Teradata天睿公司大中华区首席执行官辛儿伦在接受《英才》记者专访时多次提到的一句话。
出身新闻世家的辛儿伦,年轻时的梦想是当一名新闻主播,但电脑科学是上世纪80-90年代的热门,听从了家人的建议,他选择了理工科。辛儿伦曾在微软公司工作近15年,任职微软大中华区副总裁负责企业事业部。加入Teradata 6年来,带领大中华区业务保持每年双位数的增长速度,并已经成为集团除美国以外的第二大市场。
80倍回报
大数据的商业价值到底有多大?
“可能是80倍的回报。”据辛儿伦介绍,Teradata曾帮助一家国内的领先快递公司利用大数据分析优化人力、物流、调度、计费模式以及清算方法等等,“如果将他们付给Teradata的投资成本算作1块钱,最终这家快递公司运用大数据分析方法,获得了约80块钱的回收利润。”
类似跨行业数据变现的案例还体现在帮助大型银行业进行社区银行的选址、旅游行业的数据分析等等,不过辛儿伦认为,“数据变现在全球还是刚起步的阶段,许多项目还处于雏形阶段,但这些项目一旦验证成功,它会向一对多或多对多的企业关系延伸,项目的范畴上会进行更大的拓广。可以说未来10—30年将远远超越当前我们所能想象到的。”
纵观公司的客户名单,仅中国市场就覆盖了政府公共服务、地铁、交通运输、航空、通信行业、银行、保险、证券、物流、快递行业、制造行业、汽车零售、电子商务等超过10个行业。
而寻找新的增长点也是辛儿伦和他的团队经常思考的问题,“过去这几年,我们在铁路运输、快递、航空发展特别迅猛。在行业的扩展方面,需要扩展更多的领域和产业,类似医疗,也是我们一直以来非常关注的。”
“我们已经不再仅仅是结构化的数据分析、数据仓库的提供商,已经是一个大数据分析解决方案的提供商。”辛儿伦认为Teradata所能服务的行业几乎是无边界的,“纵轴上讲,只要你有数据,不管是什么结构,都可以做信息的挖掘和数据的分析。从横轴上来讲,我们的客户是跨越多行业的延伸。”
随着中国经济体量的不断膨胀,各个行业积累了庞大的数据资产,且增长速度极快。很多中国企业已经意识到这些数据的商业价值和用途,但在驾驭数据,有效整合和分析,进而转换为信息价值以采取正确决策和行动的全过程中面临挑战。
“Teradata的核心竞争力是对信息的驾驭能力,对我们的客户,我们提供良好的方法论、顾问、咨询、产品、数据架构和成熟的建设经验,并融合一些好的开源技术,持续为客户创造价值。”辛儿伦告诉《英才》记者。
并购落地
连续16年蝉联Gartner数据分析领域领导者象限榜首,奠定了Teradata在数据分析这一领域的领头羊地位。
除了与中国客户深厚的合作关系,强大的技术以及商业理念以外,频繁的并购,实现数据分析生态系统的完善也是重要手段之一。
“Aster Data在当时被Gartner认为是全世界大数据供应商里的领导者。”辛儿伦对《英才》记者表示,“Aster Data在被Teradata集团总部收购后,第一时间就在中国落地。在过去三年半的时间,我们成立了专门负责在中国推广和服务的Aster Data技术团队,现在大中华区已经有几十家客户采用Aster技术。我要特别感谢我们的客户。”
最近几年,Teradata保持着强劲的并购势头。2014年公司收购了一家开源Hadoop部署咨询公司——Think Big Analytics。该年还收购了Hadoop元数据管理工具提供商Revelytix以及SQL-on-Hadoop厂商Hadapt。
而2011年花费2.63亿美元收购的非结构化数据处理工具软件厂商Aster Data Systems,被认为是最具代表性的一笔。
这些收购让Teradata在大数据经济的快速转型时代巩固原有阵地的同时,通过自身的持续研发,结合并购带来的新技术,有效地扩展了自己的市场半径。
“Teradata中国市场的业务量和增速5年前已经超过日本,大中华区已经是美国以外最大的业务板块。”辛儿伦说道。
定制经济
“20世纪七八十年代以来,IT产业一直是小I大T,未来将是大I小T。”根据辛儿伦的判断,过去二三十年的IT行业专注于Technology(技术)运用,以及技术研发的价值。但IT不仅仅是Technology,IT是两个课题,是Information(信息)和Technology(技术)。
“未来30年,大I小T的时代来临,政府、企业、企业的IT部门、IT供应商等,关注的主轴将会更多在Information这个课题,这将会是一个绝佳的机会,而且是一个最佳的发力时间点。”这对于大数据分析专家Teradata来说,未来想象空间巨大。
按照辛儿伦的理念,当前互联网产业变革所诞生的优秀企业都可以拿这个逻辑来理解。“互联网+传统产业的边界延伸更多的是驾驭信息的课题上,在信息变革和信息安全保障下产生多元化的商业模式、创新性的思维,而不只是技术的延伸。”
“同时,消费者的需求也产生自主式的革新,从注意力经济转化成为消费者意向经济。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02