被数据潮抛弃的企业？老牌分析巨头Teradata如何应对“变革”焦虑

大数据文摘出品

记者：魏子敏

“再不数据化智能化，就要被拍死在沙滩上了！”

大数据和人工智能似乎成为了这个时代的主题曲，与此同时，焦虑感也开始在行业中蔓延，从初创公司到行业巨头，都急切地想要跟上这股越炒越热的浪潮。

但在数据化转型的尝试中，很多企业却面临着同样棘手的问题。

在10月19日结束的Teradata Analytics Universe 2018年度用户大会上，老牌数据分析巨头Teradata天睿公司发布了针对“企业数据分析”的2018年调研结果。调研结果显示，多数被访问的高级管理人员对数据分析投资结果不满意：他们认为相关投资并未带来他们期望的成果。

10月17日，Teradata Analytics Universe 2018年度用户大会在美国拉斯维加斯举行

该调研报告罗列了企业数据分析项目面临三大基本挑战，包括分析技术过于复杂、用户无法获取所有所需数据、 优秀数据科学家缺乏成为发展瓶颈。简而言之，企业数据化的投资越来越多，但收效甚微。

究竟什么才是有效的数据化投资？这些紧张的企业们跑对方向了吗？

Teradata解决方案：普适数据智能平台Vantage上线

受到数字经济不断发展的速度，规模和竞争的推动，“分析”已成为一个价值2000亿美元的行业。 同时，机器学习和人工智能等新技术持续出现，企业分析工具的投入越来越大，他们期待有立竿见影效果。

致力于解决分析难题40年，Teradata天睿公司在本次年度用户大会上宣布了几项大变革以应对这一多数企业正面临的变革“焦虑”。

新产品Teradata Vantage的推出，是Teradata天睿公司给当今企业分析焦虑提供的第一个答案。

Teradata天睿公司的首席运营官Oliver Ratzesberger在会上表示，Vantage可以随时利用所有数据，因此可以在任何地方部署并分析各种数据。

Teradata天睿公司的首席运营官Oliver Ratzesberger

“Vantage摒弃了复杂性，超越了当今分析领域的不足之处。通过简化企业在企业就绪平台上操作分析的过程，Vantage可以发现数据中存在的智能，给出结果。”

据Teradata天睿公司市场营销高级副总裁Chris Twogood介绍，通过Vantage，用户无需学习新工具或语言即可访问和分析各类数据。Vantage集成了当今主流第三方工具和分析语言——SQL、R、Python等，可以满足用户的需求并允许他们在他们最熟悉的环境中工作，从而简化了人员培训和分析过程。此外，Vantage支持高级分析功能，例如内置了Teradata天睿公司最近推出的4D Analytics。用户可以访问包括数学和统计，数据转换，路径，模式，可视化，关联，集群，决策树和文本等功能。

从上世纪90年代起，随着商业运营数据井喷式的产生，以及数据存储技术的变革，运营智能化逐渐成为了一种商业决策的新模式。然而直到2010年，大多数公司对于越来越多且杂乱无章的数据一筹莫展。大部分公司浪费了90%的时间来搞清楚他们那些一团乱麻的数据到底代表了什么，而忽略了决策这一最终环节。而在这个时间节点，人工智能和机器学习带来了突破性的解决方案。

针对机器学习相关需求，Vantage也内置了机器学习引擎，允许数据科学家编写功能强大且具有高度表现力的机器学习功能。Teradata天睿公司还提供180多种预建分析功能，用于转换，准备，分析和可视化多结构数据，以解决大量业务用例，例如客户流失，购买路径，营销归因，产品亲和力，欺诈，营销优化等等。用于图形分析的本机图形处理引擎可识别和测量人员，产品和流程之间的关系。预建图分析功能可以轻松解决复杂的业务问题，例如社交网络/影响因子分析，欺诈检测，供应链管理，网络分析和洗钱。

分析无法购买、需要持续建设

成立40年来，Teradata天睿公司一直致力于为全球规模最大的客户提供基于云的数据和分析服务。但是，技术投入不是全部。

“技术从来不是一家公司数据化的最大阻碍，数据文化建设才是。”Teradata天睿公司首席技术官、全球数据仓库技术的一流专家Stephen Brobst在采访时这样告诉大数据文摘记者。

Teradata天睿公司首席技术官Stephen Brobst

Teradata已经认识到这一新的现实，并推出了一种重新定位的市场方法，他们重新定义了其在分析领域的地位，为全球企业建立全新的智能解决方案标准和期望，并在大会前几日发布新战略：停止购买分析，开始投资方案。

这也是Teradata天睿公司给焦虑的企业们的第二个答案：简化分析流程，将更多精力放在业务端，才能让数据产生真正价值。

本次大会上，Teradata天睿公司也邀请到了PL Data公司创始人、全球科技人类学家王圣捷，讲述技术和数据之外，公司架构和文化等因素对数据化实施的影响。

PL Data公司创始人、全球科技人类学家王圣捷

王圣捷提到了“厚数据”的概念——指利用人类学定性研究法来阐释的数据，旨在揭示情感、故事和意义。她认为企业需要站在全局的高度，更全面、更彻底地把握任何情形，获得不同类型的洞察，获得丰富的广度和深度。

“大数据需要借助大量样本来揭示特定模式，而厚数据只要借助少量样本就能从深层次解读出各种以人为本的模式。厚数据依赖人的学习活动，而大数据依赖机器的学习活动。厚数据体现着各种数据关系背后的社会背景，而大数据体现的是从一系列特定定量数据中提炼出的洞察。厚数据技术能包容不可化约的复杂性，大数据技术则是通过分离变量来明确模式。厚数据缺少广度，大数据缺少深度。”

Teradata天睿公司正在与高校与企业合作，加强相关投入致力于寻找分析的真正“答案”。近期其全球总部迁址至圣地亚哥，也是充分利用西海岸技术创新和人才的重要举措。

“Teradata将变革性技术与专业知识结合在一起，通过数据的力量改变企业的工作方式和人们的生活方式。” Oliver Ratzesberger表示。