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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22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