Teradata:企业如何应对大数据时代

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:
本文讲的是 Teradata:企业如何应对大数据时代, 5月21日消息,Teradata天睿公司大中华区首席执行官辛儿伦日前接受新浪科技专访时表示,随着大数据时代的到来,企业应该在内部培养三种能力:第一,整合企业数据的能力;第二,探索数据背后价值和制定精确行动纲领的能力;第三,进行精确快速实时行动的能力。

  数据快速增长

  Teradata天睿公司是一家智能分析解决方案厂商,主要为企业和政府机构做数据整合,分析,探索、挖掘数据背后的价值,从而提高客户生产的竞争力。目前,Teradata天睿公司在大中华区的员工已经达到上千人,客户横跨电信、金融、证券、航空、保险、运输、制造等行业。

  辛儿伦日前接受新浪科技专访时表示,随着大数据时代的来临,企业确实面临着一些信息治理和管理的巨大挑战。对于企业而言,数据增长将变得非常快速,同时变得非常复杂。

  据统计,现在计算机处理的大多是结构化数据,但这些信息只占互联网上流动信息的约10%。其它90%数据是非结构化数据,它们存储在音频、视频、社交媒体、网络日志等中,不直接以结构化模式储存,这些信息的价值尚未被有效地挖掘。

  “过去可能更多企业内部的商业数据来自于ERP建设、CRM建设以及相关的生产应用,”辛儿伦指出,随着企业提供更丰富、更好的用户体验,可能需要更多与其企业相关的多重数据源来自于企业的内外部,比如社交网站、手机、传感器、新机件数据等。

  根据市场研究机构IDC的研究结果显示,2011年创造的信息数量达到1800EB,并且还在以每年60%的速度高速增长,到2020年,全球每年产生的数字信息将达到35ZB。而其中更多的数据增长来自非结构化数据。(每个ZB =1024EB=10万亿GB)

  企业需要培养三大能力

  辛儿伦认为,由于这些数据有许多是非结构化、非关系型的数据,如果继续使用传统的关系型系统进行处理并不是很有效的办法,如何快速、低成本、高效率的处理和管理大量新生成的数据,已经成为一个难题。

  他指出,大数据的“大”不仅仅是数据量大,更多的体现在丰富的数据种类、复杂的数据格式、快速的数据变化以及数据深度分析、快速获得智能信息的复杂化等等。

  为了应对大数据,辛儿伦建议,企业应该在内部培养三种能力:第一,要有整合数据的能力,整合与该机构相关来自于各种不同的数据源、各种不同结构的数据;第二,要有探索数据背后价值的能力;第三,探索出来之后给予精确行动的指导纲领,同时通过这个纲领进行精确快速实时性行动的能力。

  他表示,“如果企业在信息治理上培养出这三种能力,对未来大数据时代的驾驭能力会增强,对面临到的挑战会降到最低。”

  Teradata布局大数据

  事实上,最近两年Teradata天睿公司也在通过自身的研发能力以及并购,由结构化关系型数据分析,继续扩展延伸到非结构化、大数据领域。

  2011年,Teradata天睿公司先后收购了整合营销管理云计算软件公司Aprimo和管理分析各种非结构化数据领域的市场领导者Aster Data两家公司。Teradata的用意非常明显抢占即将到来的大数据市场的先机。而今年5月8日,Aprimo收购了基于云的数字营销欧洲领导厂商eCircle,将进一步加强并拓展 Teradata 大数据市场的整体机遇。

  Teradata天睿公司发布的2012年第一季度财报显示, 该公司第一季度营收为6.13亿美元,较2011年同期的5.06亿美元增长21%。由于数据和分析能力正日益受到企业重视,Teradata还为此提高了2012年年度营收增长指标。

  辛儿伦表示,“我们36年来一直专注这个领域,数据仓库、分析、挖掘,从总部、研发到市场销售、咨询、服务等等,我们相信未来这个领域的增长空间还有99%的市场份额,市场潜力巨大。”(罗亮)

  人物简介:辛儿伦,Teradata天睿公司大中华区首席执行官,2010年4月加盟Teradata天睿公司。加盟之前,在微软公司任职微软大中华区副总裁、企业及合作伙伴事业部总经理,负责大中华地区包括中国大陆、台湾、香港的企业客户和合作伙伴事业的开发及服务。此前并担任该公司大中华区企业咨询服务部总经理。

  加入微软之前,在美国加州任信息化高级顾问,为包括英特尔、Visa International、HP、PG&E等美国硅谷企业提供信息化和数据规划的咨询服务。辛儿伦拥有美国斯坦福大学计算机科学硕士,及纽约大学信息系统管理硕士学位。


作者:王玉圆

来源: IT168

原文标题:Teradata:企业如何应对大数据时代

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
SQL 存储 监控
大数据Flume企业开发实战
大数据Flume企业开发实战
96 0
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
用大数据重塑客户关系管理:聪明企业的秘密武器
用大数据重塑客户关系管理:聪明企业的秘密武器
54 9
|
8天前
|
机器学习/深度学习 人工智能 算法
解锁政策红利:大数据时代的企业与个人发展新契机
在大数据与机器学习时代,政策解读、预测分析和个性化匹配成为挖掘发展新动能的重要工具。无论是企业还是个人,都能借助先进技术轻松理解复杂政策,把握趋势先机。文章探讨了自由职业者、创业者及企业员工如何通过政策支持实现协同发展,并介绍了“政策宝”这一智慧助手,助力用户发现和利用政策红利,抓住机遇实现目标。探索政策宝库,开启发展新征程!
|
5月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
330 2
|
6月前
|
Oracle 大数据 数据挖掘
企业内训|大数据产品运营实战培训-某电信运营商大数据产品研发中心
本课程是TsingtaoAI专为某电信运营商的大数据产品研发中心的产品支撑组设计,旨在深入探讨大数据在电信运营商领域的应用与运营策略。通过密集的培训,从数据的本质与价值出发,系统解析大数据工具和技术的最新进展,深入剖析行业内外的实践案例。课程涵盖如何理解和评估数据、如何有效运用大数据技术、以及如何在不同业务场景中实现数据的价值转化。
118 0
|
9月前
|
存储 机器学习/深度学习 大数据
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
Apache Flink 诚邀您参加 7 月 27 日在杭州举办的阿里云开源大数据 Workshop,了解流式湖仓、湖仓一体架构的最近演进方向,共探企业云上湖仓实践案例。
215 12
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
|
9月前
|
存储 监控 数据挖掘
云上大数据分析平台:赋能企业决策,挖掘数据金矿
5.3 场景化 针对不同行业和领域的需求特点,云上大数据分析平台将推出更多场景化的解决方案。这些解决方案将结合行业特点和业务场景进行
418 7
|
9月前
|
存储 分布式计算 数据可视化
ERP系统中的大数据分析与处理:驱动企业智能决策
【7月更文挑战第29天】 ERP系统中的大数据分析与处理:驱动企业智能决策
720 0
|
10月前
|
机器学习/深度学习 数据采集 大数据
大数据技术下的企业智能决策支持系统
大数据技术下的企业智能决策支持系统
360 0
|
11月前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。

热门文章

最新文章