繼雲計算、大數據之後，物聯網成為新的熱門話題。物聯網改變了我們看待世界的方式，改變了我們做生意的方式，甚至改變了我們的生活方式。但即使是最懂技術的企業也承認，從物聯網產生的數據中獲取價值是非常困難的，這需要大量的技能。
Teradata認為數據分析的未來是“萬物皆可分析”，所以本次大會也發布了Teradata Listener，這是壹款自助智能軟件，具有實時“聽”的功能。對於客戶來說，它可以跟蹤存儲在世界各地的許多傳感器和IOT數據流，並將數據傳輸到分析生態系統中的多個平臺，這樣我們就可以在數據源出現的地方對它們進行分析。
辛兒倫，Teradata田瑞公司大中華區首席執行官
同時，Teradata還強調在數據分析系統的建設中要避免數據孤島。由於單壹技術無法滿足全面數據分析的需求，因此需要簡化各種技術難點，創建統壹的生態數據管理系統。簡化是壹個非常重要的需求，任何數據分析系統都應該簡化架構。因此，在本次大會上，Teradata還更新了其統壹數據架構(UDA)，並介紹了在單個機箱中集成Teradata數據倉庫、Teradata Aster Analytics和Hadoop系統，使用戶能夠在更小的數據中心空間中利用整個分析生態系統管理。
在本次大會上，ZDNet采訪了Teradata田瑞公司大中華區CEO辛兒倫。以下為采訪實錄:
ZDNet:2065 438+05的大會主題是破大。它的含義是什麽？這是否代表Teradata對大數據認知的概念顛覆？
辛兒倫:破大主題的核心，我理解應該是“打破束縛和限制”。無論是企業還是個人，都應該探索和追求“創新、差異化、勇氣、顯著進步、卓越表現。”
第壹，大數據時代，企業必須堅持創新，追求創新。無論如何在技術上找到突破口，都可以在業務流程、商業模式、組織架構、企業分析文化上積極創新。例如，我們去年剛剛收購的Think Big幫助我們增強了針對Hadoop的咨詢、顧問和實施能力，以及與其他分析平臺進行交互的能力。在本次大會上，我們剛剛宣布Think Big成為業內首家為Hadoop數據湖(數據資源池)提供全面管理服務的企業，這將幫助企業非常方便地打造數據分析的生態系統，並確保數據質量、可靠性、實時性能和日常運營任務。
我強調壹下，我們Think Big公司支持Apache少校？Hadoop？，包括Cloudera，Hortonworks，MapR，Spark，Kafka，NoSQL等開源技術，非常全面。更重要的是，我在這裏第壹次宣布，我們的Think Big業務已經明確引入大中華區，目前正在完成人員配備。
第二，我認為數據分析中務實進取的文化非常重要。其中，這個主題中提到的“勇氣”是企業取得大數據項目成功的重要保障。很多企業在大數據項目的投資上猶豫不決，猶豫不決，這其實需要更大的勇氣來支撐。Teradata和客戶的反饋表明，現在是我們采取積極行動的時候了。我們也理解文化的改變可能比技術和分析流程的改變持續的時間更長，但我們壹直強調大數據是從小開始的，我相信妳也能很快看到大數據的價值，看到大數據分析在商業變革中帶來的不可替代的驅動力。
ZDNet:在壹年壹度的全球用戶大會上，Teradata會發布引起業界關註的新產品。今年發布的產品中，妳覺得哪些最有亮點？
辛兒倫:今年，我們在大數據技術、開源技術支持和咨詢服務方面進行了重要的更新和發布。這裏我特別強調壹下，這次大會的亮點應該是能夠分析物聯網的傳感器數據，甚至實現萬物的分析。Teradata Listener技術可以幫助客戶分析物聯網中的無數數據源，並通過集成開源技術簡化數據分析的難度。Teradata QueryGrid技術可以在統壹的數據架構上快速有效地進行話題分析或查詢多樣化的大數據，獲取業務所需的信息。
同時，新版Teradata Aster可以直接與Hadoop數據資源池或數據倉庫平臺進行交互，幫助客戶進行實時數據探索，比如在高效營銷中分析客戶路徑和消費模式，等等。
ZDNet:最近Gartner發布了2016？2008年可能影響企業的十大技術趨勢，其中萬物信息技術、物聯網等技術入選。當這些趨勢出現在當前的發展中，妳如何看待技術的發展趨勢？如果時間再長壹點，據妳觀察，未來五年甚至10年，哪些技術可能成為影響企業的更顯著的技術趨勢？
辛兒倫:我們看到了這十大技術趨勢，這是戰略大趨勢，包括萬物信息和物聯網的架構和平臺。事實上，我認為這不僅是壹種趨勢，而是壹種新的IT現實。
關於萬物信息化，可以理解為我們處在壹個數字網格中，這個環境會產生和使用它所產生的無數信息。在這個數據和信息的海洋中，無論是企業還是個人，都必須學會判斷和識別哪些信息能夠帶來戰略價值，掌握如何訪問這些不同的數據源，通過各種分析方法和算法找出其中的商業價值。
其實這些預測也是真實IT現實的寫照。實現萬物的網絡化或信息化，最重要的壹件事就是傳感器技術。在我們所處的時代，傳感器技術結合大規模並行處理能力，使我們能夠測量和分析幾乎所有的現象。先進的儀器使我們能夠跟蹤壹切的變化，如天氣模式、汽車駕駛習慣，甚至快餐店冰箱的溫度和醫院(或家中)病人的生命體征。將這些數據收集到數據庫中，並使用廣泛的統計、分析和可視化工具對這些數據進行詳細分析。
正是因為有了這些傳感器，我們的生活和工作中出現了新的數據源。例如，通過RFID閱讀器，我們可以跟蹤和控制零售庫存，抽樣和跟蹤醫療測試，並防止欺詐。通過GPS位置跟蹤器，可以進行車隊管理、運輸和貨運管理；通過數據采集傳感器，我們可以在制造、環保和運輸系統中收集實時數據進行分析。
例如，西門子通過部署Teradata技術改進了制造流程和產品質量。西門子第壹次實現了來自傳感器、制造過程、機器生成數據和各種源系統的數據集成。西門子技術領域業務分析和監控總監邁克爾·梅(Michael May)博士表示:“現在，我們可以更快、更有效地獲得數據中的價值。通過將大數據轉化為智能數據，我們將能夠優化產品質量，並為客戶提供更好的服務。”
關於物聯網我想說兩點:根據2014-2015中國物聯網發展年度報告，物聯網技術與雲計算、大數據、移動互聯網等新興信息技術的協同創新進壹步深化，與農業、制造業、服務業等傳統產業的“雙向融合”不斷加強。物聯網加速向經濟、社會、生活諸多領域滲透，不斷催生新變化、新應用、新業態。這些都是非常可喜的發展成就。隨著物聯網和未來“萬物互聯”的快速發展，任何人、任何物、任何物都將能夠連接，這將帶來通信模式、商業模式乃至發展模式的變革。
但我們必須強調，要讓物聯網發揮作用，企業必須對傳感器數據進行整合分析，並將分析結果應用到生產過程中，而大數據驅動的物聯網才是有價值的物聯網。
由於物聯網的數據是非結構化數據，JSON數據的分析非常復雜。今年5月，我們宣布首次在同壹個數據庫中實現三種JSON數據格式的原生存儲，這將為客戶提供更強的查詢性能。通過升級Teradata數據庫，企業用戶可以充分利用web應用、傳感器和物聯網機器產生的JSON數據的商業價值。Teradata數據庫具有分析JSON數據、運營數據和歷史業務數據的強大功能，這種頂級的查詢性能使其成為物聯網的分析樞紐。此外，本次大會發布的Teradata Listener是壹款自助智能軟件，具有實時“監聽”功能，可以幫助客戶跟蹤存儲在全球的多個傳感器和IOT數據流，並將數據傳輸到分析生態系統中的多個平臺。這些都是巨大的技術突破。
針對未來更長期的趨勢預測，如果從更宏觀的角度來看，首先要對整個IT行業的發展進行梳理，然後才能看到未來的發展趨勢。過去，從七八十年代開始，對整個IT行業的關註，無論是行業賦予的關註，還是IT供應商的關註，還是企業建立自己的IT部門的關註，更多的是“小我大T”的關註。什麽是“小我大T”？小的側重於信息能夠體現的價值，大的側重於技術的應用和研發。這就是“小我大T”，更多的人認為它只是技術的學科，但我們要註意的是，它不僅是技術，還有兩個學科，即信息和技術。
隨著技術的發展，當前技術所能承載的信息價值正在迅速增加。未來會有更多的機會聚焦信息主題，延伸10，未來20年，30年的前景。尤其是未來30年，這個時代將是壹個大I小T的時代，更多的主軸將在信息這個主題上。,
ZDNet:從Teradata和服務客戶的經驗來看，如果讓妳建議壹個企業建立自己的大數據戰略，應該準備什麽戰略？
辛兒倫:首先，我建議客戶應該問自己幾個問題，即為什麽要建立自己的大數據戰略？什麽業務方向需要數據驅動的策略？。大數據戰略要針對具體的業務場景，要有明確的業務場景目標，構建駕馭大數據的能力要有針對性和使命感。
比如壹個企業想要提升對客戶價值的貢獻，希望建立大數據戰略，這樣就可以從與客戶的各種交互渠道的信息中洞察，比如360度統壹的客戶觀，在合適的時間、合適的地點、合適的方式提供這個客戶需要的服務或產品。再比如，金融機構通過建立風險控制的大數據策略，可以發現和判斷自身企業面臨的風險和危害程度，比如擔保圈分析。例如，電信運營商可以通過建立針對客戶服務質量優化的大數據策略，發現即將離網的用戶，從而提高業務支持，留住用戶。
但是，我想在這裏強調壹點，數據驅動策略並不等同於數據收集策略。目前企業要盡量避免“存而不用”。構建大數據能力絕不是收集和存儲數據。
根據我們幫助全球眾多客戶構建高效大數據的戰略？，我想分享幾個成功的關鍵:
第壹，全面。企業需要從宏觀上識別構成高效系統的眾多不同要素，鏈接不同的數據集(如企業內部和外部的數據流或來自企業不同職能部門的信息)，通過相關性分析找出有意義的信息。
第二，以業務為核心。大數據的戰略規劃應該以業務為導向，大數據戰略不是科學工程，必須以滿足實際業務需求為重點。
第三，靈活性。必須考慮未來的使用情況，大數據策略和大數據分析方法論要避免常見的限制，比如過於依賴單壹技術或單壹平臺模型或過於標準化的流程；由於數據驅動的變革不會壹步到位或立即蔓延到整個企業，因此需要認識到價值是逐漸創造的，在制定戰略時要考慮到整個進化過程。
第四，它是有組織的，可擴展的。要確保大數據戰略能夠全面實施，而不是導致另壹大群數據孤島。
第五，數據分析和科學決策。形成以分析為導向的思維方式，培養真正的數據驅動文化。
以上是邊肖為您分享的關於大數據分析的未來。壹切都可以分析。更多信息可以關註環球常春藤，分享更多幹貨。