
2014年时曾提到,业内大数据分析面临几个重大的转折点。我们需要新技术和新工具,帮助更多用户更合理地利用数据,而且迫切需要更广泛的数据分析功能,从不同来源的所有数据中发现它们之间的关系,并获得洞察力。为此,Teradata的创新型技术Connection Analytics技术将工具为大数据分析行业开辟了新的格局。今年一月,我在展望2014年时曾提到,业内大数据分析面临几个重大的转折点。随着数字 化时代数据规模和复杂度呈指数级增长,我们需要新技术和新工具,帮助更多用户更合理地利用数据。我还提到,我们迫切需要更广泛的数据分析功能,从不同来源 的所有数据中发现它们之间的关系,并获得洞察力。仅关注客户或网络等特定分析实体的内容已不足以满足企业需求,我们还需要了解这些实体之 间的关系情境,通过跟踪用户、产品及过程之间对结果产生影响的关系变化,获得洞察力并创造价值。但这不仅仅是数据科学家的专利,我们还需要通过各种途径帮 助普通商业用户轻松、直观地获得并运用这些洞察力。目前,Teradata天睿公司已推出全新分析功能,以满足这些要求,对此我倍感骄傲。我们在上周举办的2014年Teradata合作伙伴大会上发布Connection Analytics,这是一套高级情境分析功能,能够以较低成本大规模应用于大型多结构数据集。Connection Analytics基于Teradata Aster强大的MapReduce及Graph引擎,可运用100多种预置算法帮助数据科学家乃至普通商业用户理清复杂的关系,并从中梳理出获得全新业 务洞察力并创造价值的成功模式。Connection Analytics将作为Teradata统一数据架构下Teradata Aster探索平台的重要组件供用户即时使用。据我们发布的Connection Analytics新闻稿,Connection Analytics能够在用户可访问的环境下实现上述功能,并与现有基于SQL的可视化能力及商业智能应用无缝整合,在业内率先将高级情境分析能力与易用 性完美结合。这将为更多商业用户提供多种洞察力,帮助他们梳理各种关系,用于预测业务欺诈行为或客户流失,开展精密策划的病毒式营销活动,提升公共网络健 康度与安全性及优化推荐引擎。到目前为止,情境分析仍存在高难度、高成本等挑战,因为它需要专用系统及难以企及的独特 技能组合,并结合多种算法,才能发现这些错综复杂的关系。现有基于内容的决策模型侧重用户、产品或过程的个体特性分析,而Connection Analytics拥有基于情境的决策模型,可分析这些实体之间的相互关系。部署Connection Analytics后,数据科学家乃至商业用户将能够运用熟悉及易用的工具增强现有决策模型,实现大数据分析最前沿技术的普及应用。但所有这些讨论都仿佛是在纸上谈兵。现在,我将介绍一些即将发布的价值驱动型用例。例如 (怎样减少)客户流失:通过部署Connection Analytics,用户能够将传统统计方法、机器学习及情感分析与影响因素分析相结合,调查客户满意度,并在客户群中准确找出最具影响力的群体。这将帮 助企业减少客户流失,并在客户流失时尽量避免连锁反应。Connection Analytics还能够找出对购买产品构成最直接及间接影响的因素,为病毒式营销活动有针对性地提供信息。Connection Analytics还帮助企业监测IP、网络、服务器和通信日志不断生成的各种数据流,实现网络威胁的近实时监测。Connection Analytics可跟踪用户、产品、过程及其它“实体”之间关系,这对于破解组织严密的诈骗团伙至关重要。当诈骗人员创建新的身份,或改变其诈骗手段 时,如仅使用基于内容的决策模型,用户将轻易上当。但通过使用Connection Analytics,将帮助用户运用基于情境的决策模型,增强传统上较为肤浅的分析视图,获得暴露可疑活动并识别诈骗集团的算法模式。在当前数字化时代中,万物皆有联系。因此,企业和公共部门机构需通过关系建模分析,了解 不同数据集之间的关系。Teradata天睿公司推出Connection Analytics,为情境式决策专门开发出可供用户访问的高性能分析平台,率先为广泛的用户群体提供企业级分析能力,为大数据分析行业开辟了新的格局。 在大数据分析技术处于重要转折点时,Teradata天睿公司将通过技术创新,推动行业不断发展,并帮助客户取得成功。 |
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