Teradata“统一数据架构”引领企业大数据应用体系

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

ZDNET至顶网CIO与应用频道 11月17日 人物访谈(文/王聪彬):现如今,数据已经被认定为重要的企业资产,可以帮助企业体现商业价值,也就是实现常说的数据驱动业务。而就在刚刚结束的2014年 Teradata Partners全球用户大会上,Teradata天睿公司国际集团总裁赫尔曼威摩(Hermann Wimmer)从全球客户的交流中得到了一致的反馈,就是大数据已经逐步变成现实。但大数据的出现其实只是开端,还需将结构化数据和非结构化数据进行结合,充分挖掘大数据的价值,而通过统一数据架构可以让数据从捕获到存储再到分析和应用,构建成拥有所有技术优势的架构体系。

中国大数据应用两大变化

Teradata天睿公司在国际市场上正稳步增长,除美国之外,国际业务在2014年已经增长了10%,平均计算全年增长3%,而中国则是其在全球范围内非常具有战略性的市场,按照市场贡献度预计将很快成为在美国之后的第二大市场。

“企业有效驾驭信息的能力已经成为最终体现业务价值的不可或缺的重要途径。” Teradata天睿公司大中华区首席执行官辛儿伦(Aaron Hsin)说道,Teradata 在全球2500多家行业领先的企业及公共事业单位的部署中获得丰富的项目经验,可以协助客户在正确的时间、地点、方式驾驭数据。

Teradata“统一数据架构”引领企业大数据应用体系

左:Teradata天睿公司大中华区首席执行官辛儿伦 Aaron Hsin;右:Teradata天睿公司国际集团总裁赫尔曼威摩 Hermann Wimmer

从企业的应用层面看,数据驱动业务已经是一个普遍现象。通过对数据的使用可以更好地管理业务、增加收入、提高满意度等等。当然还有数据的再使用,为用户在适当的时候提供个性化的服务内容,这些都是数据带来的改变。

而中国用户在大数据时代也表现出两大表现,第一,大数据应用已经不仅限于原来高科技公司和互联网行业,现在银行、通信、汽车制造等各行各业都在使用。第二,中国企业变得更愿意尝试新的想法和技术,并转化为自身的竞争力。

数据还在行业之间变得更加紧密,展现出更大的价值空间。Hermann Wimmer举出了国际上电信和零售行业结合的例子,零售商在取得用户的同意下,通过用户手机地理位置信息了解用户的位置,零售商会整合用户的个人信息,向用户推荐附近最喜欢的餐厅或场所等服务,从而达到提供个性化服务的目的。当然行业间的密切合作并不意味着共享彼此的客户数据。

在未来大数据的发展过程中,数据科学家也将成为企业的必备,他们可以将的数据整合分析的专业知识与行业中的商业模式很好地结合,帮助企业在大数据的使用上更成功。

三部分构建统一数据架构

一年前Teradata就在业内独家推出了统一数据架构(UDA)技术,其中支持Teradata数据仓库、Teradata Aster大数据探索平台,以及开源系统Hadoop和R等三部分。

现在的数据规模只能用海量来形容,数据的来源也多种多样。“如果把数据全部放在Teradata数据仓库中成本太高,我们需要找到一个可以存储同时可以再必要时进行数据分析的高效方法,所以在架构里就集成支持多个版本的开源Hadoop,加上Teradata Aster大数据探索平台。而且,通过数据仓库还可以提供更高的安全和隐私性。” Hermann Wimmer说道,三部分组成了一个非常完善的架构,已经在全球一百多家客户中使用,而在大中华区也有像光大银行、联通研究院、远传电信等知名企业已经开始构建。

Teradata天睿公司大中华区大数据事业部总监孔宇华补充说,统一数据架构是Teradata和很多客户交流时集体智慧的结晶,因为数据管理、分析以及应用很难利用单一的技术来实现,Hadoop平台可以很好地完成数据收集和管理数据,Aster探索平台可以快速挖掘数据的价值,最后再把最有价值的数据导入数据仓库并形成洞察力,这样统一数据架构就将各个平台的优势最大程度地都发挥出来。

“统一数据架构是一个面向未来的,经过验证的架构。企业应用未来也会朝着这个方向发展,由于架构的开放兼容能力,用户可以逐步根据业务需求搭建所需的技术,最终根据需求的演进,逐步延伸构建起整体架构。”辛儿伦说道。

在应用层面,Teradata统一数据架构在全球已经有一百多家客户在使用,在中国也有十几个客户开始构建。

由于架构的开放性,所以可以分阶段投资,并非只能适用于集团型或大型企业使用。根据企业的成熟度,其可以选取目前需要整合的能力进行投入,之后随着企业业务和规模的扩大再进一步投入,做到大数据从小做起。

原文发布时间为:2014年11月17日
本文作者:王聪彬
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
4月前
|
数据采集 缓存 前端开发
如何开发门店业绩上报管理系统中的商品数据板块?(附架构图+流程图+代码参考)
本文深入讲解门店业绩上报系统中商品数据板块的设计与实现,涵盖商品类别、信息、档案等内容,详细阐述技术架构、业务流程、数据库设计及开发技巧,并提供完整代码示例,助力企业构建稳定、可扩展的商品数据系统。
|
3月前
|
数据采集 机器学习/深度学习 搜索推荐
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
MIT与丰田研究院研究发现,扩散模型的“局部性”并非源于网络架构的精巧设计,而是自然图像统计规律的产物。通过线性模型仅学习像素相关性,即可复现U-Net般的局部敏感模式,揭示数据本身蕴含生成“魔法”。
165 3
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
|
2月前
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
209 6
|
3月前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。
|
3月前
|
JSON 供应链 监控
1688商品详情API技术深度解析:从接口架构到数据融合实战
1688商品详情API(item_get接口)可通过商品ID获取标题、价格、库存、SKU等核心数据,适用于价格监控、供应链管理等场景。支持JSON格式返回,需企业认证。Python示例展示如何调用接口获取商品信息。
|
3月前
|
机器学习/深度学习 人工智能 vr&ar
H4H:面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索——论文阅读
H4H是一种面向AR/VR应用的混合卷积-Transformer架构,基于NPU-CIM异构系统,通过神经架构搜索实现高效模型设计。该架构结合卷积神经网络(CNN)的局部特征提取与视觉Transformer(ViT)的全局信息处理能力,提升模型性能与效率。通过两阶段增量训练策略,缓解混合模型训练中的梯度冲突问题,并利用异构计算资源优化推理延迟与能耗。实验表明,H4H在相同准确率下显著降低延迟和功耗,为AR/VR设备上的边缘AI推理提供了高效解决方案。
415 0
|
2月前
|
机器学习/深度学习 自然语言处理 算法
48_动态架构模型:NAS在LLM中的应用
大型语言模型(LLM)在自然语言处理领域的突破性进展,很大程度上归功于其庞大的参数量和复杂的网络架构。然而,随着模型规模的不断增长,计算资源消耗、推理延迟和部署成本等问题日益凸显。如何在保持模型性能的同时,优化模型架构以提高效率,成为2025年大模型研究的核心方向之一。神经架构搜索(Neural Architecture Search, NAS)作为一种自动化的网络设计方法,正在为这一挑战提供创新性解决方案。本文将深入探讨NAS技术如何应用于LLM的架构优化,特别是在层数与维度调整方面的最新进展,并通过代码实现展示简单的NAS实验。
|
3月前
|
存储 分布式计算 资源调度
【赵渝强老师】阿里云大数据MaxCompute的体系架构
阿里云MaxCompute是快速、全托管的EB级数据仓库解决方案,适用于离线计算场景。它由计算与存储层、逻辑层、接入层和客户端四部分组成,支持多种计算任务的统一调度与管理。
287 1
|
3月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
199 14
|
4月前
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
163 0

热门文章

最新文章