Teradata峰会走过十年：地理空间带来“数据海啸”

CNET科技资讯网 5月31日 三亚报道（文/孙封蕾）：5月28日，Teradata数据仓库峰会在三亚迎来了第十个年头，Teradata向中国用户详细介绍了Teradata地理空间解决方案，伴随而来的，不仅有涌入的海量数据，还有更多可用于决策制定的参考依据，这是Teradata要给数据仓库带来的业界新标准。

Teradata地理空间解决方案

Teradata首席技术官宝立明在Teradata数据仓库峰会上向用户着重介绍了Teradata在去年11月发布的Teradata地理空间解决方案（Teradata geospatial solution）。

宝立明提出，因互动而产生的数据已进入Zettabyte(1021) 时代，过去三年产生的数据比以往四万年所产生的数据还多。而几乎所有的数据都有一个位置参数，地点已成为数据的一个重要维度。传感器数据和移动应用正在创造越来越多的由位置标记的数据。而且位置感知型应用正不断增加，查询开始涉及空间维度这一因素。越来越多的分析应用将会包含人物、事件、时间尤其是地点等多种维度。企业和政府机构的决策者必须拥有处理基于位置的数据的策略。Teradata地理空间解决方案将能帮助客户通过有效地管理和开发地理空间数据来丰富业务分析应用，赢得领先的竞争优势。
 
Teradta提供地理空间给你的先进分析解决方案所需要连接的不仅限于邮政编码。通常来说，位置数据都是一些类似地址这样的邮政参照信息。虽然地址对于递送邮件来说意义重大，但是它们对商业智能或者分析而言却是价值有限。Teradata地理空间解决方案可以让企业通过一种所谓地理编码的流程将其数据仓库中原始的位置数据转换成普通的纬度坐标和经度坐标。而一旦转换完成，企业就能将地理空间数据和其它的客户数据整合起来一并进行分析。

宝立明介绍，Teradata分析功能、数据仓库的丰富数据以及地理空间数据的结合使客户可以解决许多重要的业务问题，例如：在零售行业，高价值顾客愿意驱车多远去兑换折扣优惠券？在金融行业，应该在哪里开设新的分行才能最好地服务于最具盈利性的顾客和吸引新的顾客？帮助保险行业分析哪些顾客住在灾难多发区？它对保险公司的风险暴露有何影响？而运输行业收到顾客发货请求后公司能够以多快的速度定位包裹位置并重新改道投递？在通信行业，哪些地理位置电话信号接收最差而造成了顾客流失？

无需专门的地理空间数据集市也没有必要进行数据转移和系统整合，Teradata地理空间解决方案可大幅降低复杂性和决策延迟。地理空间解决方案此前一般是被部署在部门级数据竖井或数据集市，而它们却把数据和数据仓库中有价值的智能隔离开来。企业可能有许多存在数据冗余的独立数据集市，这些数据和业务数据是被隔离开的。而对这些孤立数据的分析则会导致不及时的、不精确的且不一致的商业智能。

海量数据涌入带来的挑战

凡是采用了Teradata 13 数据库的用户就拥有了地理空间解决方案，并且，空间数据将成为数据库的又一个标准，然而，面对蜂拥而来的海量数据，这些数据如何与用户的应用进行衔接，又如何与其他的系统进行衔接，海量数据究竟该怎么用？这是Teradata专业服务团队面临的问题。

Teradata亚太及日本地区副总裁Joseph E. Wenig认为这是一个帮助用户的机会，专业服务团队的存在及其意义，是帮助用户从Teradata的产品中获得价值，利用产品中各种功能、属性帮助用户进行整合、分析，他们的专注方向只有这一点，所以能做到最好。

如果有业务衔接等问题出现，用户也能够选择其他专业的咨询服务团队来一起解决问题。

做技术出身的Teradata大中华区专业服务总经理郑博文指出，技术人员就是需要不断的有技术挑战才会有乐趣，更多的海量数据涌入，对他们来说不啻为挑战，可这也是提升技术能力的好机会，长期以来在数据库和商业智能领域里积累的经验，也会帮助他们应对这一挑战。

刚就任Teradata大中华区总裁的辛儿伦之前在微软有多年的企业咨询服务经验，他的加入也将进一步加强Teradata大中华区在服务方面的投入。

数据模型确保数据标准化

然而，即便没有海量信息的涌入，在原有数据上进行商业智能的处理、分析，已经让很多用户为数据标准化头疼不已。

针对数据标准化问题，Joseph E. Wenig表示，Teradata专门推出了整合的、逻辑的数据模型，并且针对各个不同的行业有专门不同的模型，对数据模型而言，其价值就是帮助用户便于实施和应用，而Teradata也会不断扩大数据模型的应用，并且针对不同的地方市场，推出本地化的数据模型。

据Joseph E. Wenig介绍，Teradata的数据模型里会有一个master data主数据，能够用户快速部署。而且Teradata的专业服务团队具有丰富的实践经验，给用户以专业的培训，帮助用户部署并使用。

当然，master data主数据只是数据模型中很重要的一部分，Teradata还为用户准备了一些相关工具，利用Teradata自身在数据仓库方面的经验让数据标准化更容易。

其实，最难的是，数据标准化怎么能在用户实践中更好的落地并持续的维持下去。

公司外部环境会变，内部架构也非一成不变，数据模型即便是奠定之后，用户在使用过程中是否能遵循标准，且按照标准维护下去，更是一个巨大的挑战。

因此，Teradata会选择一些属性比较稳定、不变的内容来落地，这样也能保证数据模型的执行力更强。

即便是在数据模型建立之后很久，业务中需要有新的数据类型加入或是有其他变化，用户自己的技术团队就能够实现，因为Teradata的团队已经在数据模型中建立了标杆。

建立企业数据仓库就像一个长途旅行，海量的数据要一步一步的拓展，从最简单的解决方案开始拓展到更大的解决方案，最终用户就能自己掌握其中门道，Joseph E. Wenig相信，在这个过程中，用户就能了解到Teradata产品的优势。