四十年聚焦数据分析的Teradata如何面对新变化？

Teradata四十载聚焦一件事

一提起Teradata天睿公司许多人都会想起数据仓库，Teradata最赖以成名的就是数据仓库，因为Teradata的数据仓库的性能表现是业内公认的。

Teradata 40年来专注数据分析创新，在数据仓库引擎优化上的投入非常大，Teradata的数据仓库无论是整个软件架构、整个查询优化器的领先优势都是靠长期积累的。

许多人都知道，Teradata的厉害之处最明显的就是性能。Teradata天睿公司大中华区高级解决方案架构师蔡强介绍说，当面对大量数据，Teradata在十几分钟甚至几分钟就能跑出查询结果，别的服务商的引擎查询可能至少需要两个小时，Teradata的引擎非常之强大。

Teradata天睿公司大中华区高级解决方案架构师蔡强

所以，我们在许多大型企业的关键数据应用中，都能看到Teradata的身影，Teradata的数据分析解决方案在一些领域有很强的不可替代性，而且，Teradata仍在积极拓展新行业和客户。

过去几 十年来，市场发生了很多变化，数据处理和分析市场上的各个玩家，例如Oracle、IBM等都有不同的发展路线，从应用的角度来看，用户需求变化更是层出不穷，唯有变化是不变的。

Teradata面对新变化

不过，可以肯定的是，无论应用如何变化，最核心的发展趋势是一定的，就是数据量会继续爆发式增长，对数据处理和分析的要求会越来越高，而四十年来长期深耕数据分析领域的Teradata有很多优势。

而随着进入云计算技术蓬勃发展的时代，Teradata应该以怎样的姿态面对呢？对此，Teradata天睿公司大中华区云计算及服务总监张琦介绍了在新的市场竞争态势中，Teradata的四个方面的发力点。

Teradata天睿公司大中华区云计算及服务总监张琦

第一，最核心的战略方向上。Teradata有自己的一些产品和服务管理、专业服务方面，从而为客户提供一些架构、规划、咨询以及整个构建的管理和专业服务方面的专业服务，这是最核心的分析生态系统。

具体做法上，Teradata是将最引以为傲的大数据分析引擎放到所有的平台上去，要在所有的平台上都用一样的引擎。这点非常自信，核心产品具有统一性，对于客户体验也有更好的一致性。

如今的Teradata产品线有各种产品家族、各种不同产品型号，可适应多种应用场景，新的产品和方案都在支持多种部署模式，有本地部署的、有支持X86虚拟化部署的、有公有云部署的，也有混合云的部署方式，用户可以在多种环境下用到Teradata的核心产品服务。

Teradata Everywhere支持将同一套数据库软件部署在四种不同的环境下，Teradata Database on VMware支持部署到用户的私有云环境，而最新的IntelliFlex和IntelliBase一体机除了支持本地部署，还可以部署在托管云，另外，在公有云中也能应用到Teradata的数据库。

其中，IntelliFlex重点在于高性能、扩展性、高并发环境，支持企业关键应用，IntelliBase强调多样化应用场景。

部署的灵活性是Teradata近来努力拓展的方向。张琦表示，在数据分析市场上，企业关注的重点已经不再局限在速度和性能了，更关注使用怎样的部署方式了，而混合部署已成大势所趋。这样，全面支持混合云自然就成为Teradata最新的企业级战略。

第二，过去几年时间致力于做生态系统的演进，正努力与生态结合在一起，增强和补充自身产品线整体数据处理的能力。

Teradata最核心的架构就是UDA——Teradata统一数据架构，围绕UDA着力打造一个涉及友商、用户的生态系统，将Teradata的产品和解决方案开放更多接口，与别的产品进行互动、融合。

经过Teradata深度优化的产品必然会有封闭性，在开源大行其道的今天，Teradata也在积极拥抱开源，与Teradata数据仓库平台进行融合。

以Hadoop为例，这既可视为是Teradata的一种威胁，也可当做是一种机遇。Hadoop这样的NoSQL平台对Teradata是威胁，但是Teradata已经开始支持Hadoop，在Hadoop平台集成了SQL技术。在许多时候，Teradata的数据仓库和高级分析解决方案处理更为关键的数据集，Hadoop则用来处理大量的低价值的数据。

Teradata对开源社区并不是一味的索取，Teradata一直就有免费的开发这版本供开发者免费使用，Teradata积极、主动拥抱开源社区，将Teradata数据库部分核心的部件开源。

第三，商务上推出新的更为灵活的授权模式，帮助用户在各个平台之间更好地做无缝迁移。

2017年4月，推出了一致、简化的许可模型，为混合云部署推出灵活的创新型数据库许可方式。Teradata的许可模型的优势在于，新的许可模式具有可迁移性；许可是订阅式的；另外，还有捆绑功能的简化级别。

第四，在服务方面的布局，Teradata在架构上、咨询上、实施上等层面有非常完备的业务布局。

Teradata专业服务团队，在各个行业，例如金融行业、电信行业都有长期驻场的服务人员，这些服务人员理解用户业务，为客户提供非常强有力的支撑。具体而言，Teradata的服务业务分为三个类别：

Teradata全球服务，全球服务是统一的架构，用以确保客户和现场团队的一致性和清晰度。

企业级数据咨询（EDC）和客户支持服务（CS）。EDC帮助用户搭建、部署、集成和管理跨混合云的分析生态系统的数据平台。CS为客户分析平台提供支持，通过消除风险和应用系统管理中的最佳实践来帮助客户优化系统的可用性。

另外就是收购的Think Big业务分析公司，Think Big提供行业和商业咨询、数据科学、解决方案开发、商业智能和数据可视化技术等。

Teradata在中国的用户案例

对许多用户和关心大数据的人士来讲，大数据最枯燥的是技术，最有意思的就是一些实用的案例了，透过案例我们能感受到大数据落地的实现方式以及大数据潜在的价值。

在Teradata天睿公司TBA业务咨询及分析事业部副总经理刘静如的介绍中，了解到了许多在中国的实施案例。（不过由于涉及到用户隐私的问题，并没有说明具体是哪些客户，不过Teradata表示，中国有了许多用户。）

Teradata天睿公司TBA业务咨询及分析事业部副总经理刘静如

在智能审计监控方面的案例。以金融行业为例，通过大数据审计监控资金在多家贸易公司之间的流动，可以发现单项资金循环模式，也就是说这些资金的往来并没有任何实际的产出，如果审计部门能够发现这样一种情况，就可以发现贷款是否会产生问题，就可以对相关企业的资金链的状况有更准确的认识了。

大数据在智能欺诈中的应用。通过学习和总结过去发生的欺诈案例，总结业务规则，将规则放到生产系统，适用于真实的环境，动态进行欺诈和反欺诈的过程。在这一过程中，一方面要继续保持现有的规则，一方面用深度学习去自动监测新的业务规律。

智能投资顾问。其实涉及到数字化资产配置问题，这一配置过程通过算法和产品搭建出来数据模型来完成。如今的计算机可以分析出个人资产状况，并且给出一些建议。具体做法分为几步：第一步是认知用户的理财需求，第二步是基于这样的目标给予相应的资产配置建议，然后再执行投资。投资的过程当中还可以调整。

类似的案例还有很多，在此就不过度列举了。

编后语

从与业内人士的沟通来看，许多人都同意大数据的业务市场非常广的看法，有许多业内人士也认为，大数据的风口其实还并没有来临，大数据的业务开拓其实有很大的难度和潜力。

不过，对于Teradata来说，它在数据分析领域多年的深耕，又有极具竞争力的产品，这可以作为一个很强的抓手，以此来拓展业务，这是许多同样作为大数据服务公司的初创企业所不具备的。

未经允许不得转载：DOIT » 四十年聚焦数据分析的Teradata如何面对新变化？