Teradata資深行銷副總裁Chris Twogood,在Teradata Analytics Universe 2018 年度大會上,將新的整合型分析平臺Teradata Vantage正式展出。

圖片來源: 

攝影 / 李靜宜

【拉斯維加斯現場直擊】

老牌資料倉儲Teradata,因AI崛起和開源工具的盛行,在2017年開始加入了AI與機器學習的戰場,喊出「Teradata Everywhere」口號,並提出自家的深度學習框架ThinkDeep,後續還推出了整合型的資料分析平臺Teradata Analytic Platform。今年5月,Teradata更在此資料分析平臺上,新增了4D分析,增加了時間維度的分析,要加強工業4.0、工業IoT、邊緣運算裝置的時間管理,分析出更多種複雜的數據類型。

Teradata動作頻頻,繼5月的發表後,更在10月8日發表了新產品Teradata Vantage,此一新的整合型資料分析平臺,也在15、16日於拉斯維加斯舉辦的Teradata Analytics Universe 2018 年度大會上,成了主力產品,Teradata似乎要打破企業客戶對其資料倉儲的舊有深刻印象,決心要為企業帶來新的分析策略與產品。

Teradata營運長Oliver Ratzesberger強調,Teradata Vantage要提供一個應用簡單的整合型資料分析平臺,讓企業內部人員能夠應用各種分析工具、分析語言、分析引擎,進行資料的分析。而且,這套平臺未來還可部署在企業儲存資料的任何地方,包括公有雲、私有雲、混合雲或本地資料庫等,要提升企業內部人員分析的速度、規模與靈活性。

「企業該停止購買分析,並要開始投資答案。」Oliver Ratzesberger說。

而這答案,就是要善用大數據分析資料,因為目前企業碰到的問題是,不同資料科學家,採用了不同的分析技術、機器學習框架,來處理儲存在不同地方的各類資料,導致每個花了大筆時間產出的分析系統與資料應用各自孤立,難以整合或再利用,因而形成了分析孤島(analytic silos)。

為了解決分析孤島的問題,Teradata Vantage的架構,將分析工具、分析語言與分析引擎,一併整合到同一平臺,最底層則是企業部署在任何地方的資料,這意味著企業內部的人員,包括資料科學家、業務分析師、軟體開發工程師、網頁設計工程師等人員,只要用此平臺支援的工具、語言、引擎,就能簡易地使用企業資料進行分析,做不同的應用。Teradata資深行銷副總裁Chris Twogood也在年度大會上,正式發表這套Teradata Vantage新一代整合分析平臺。

Chris Twogood提到,在Teradata Vantage的平臺上,整合了新的SQL引擎、地理空間引擎、機器學習引擎、深度學習引擎、圖像引擎、時間序列引擎,等於是把今年才發表的4D分析,也整合進此平臺。未來,也將整合Spark引擎、TensorFlow引擎。

在分析語言部分,企業內部的使用人員,將能使用SQL、R、python等主流語言進行分析,未來也將支援Scala、GO、Java Script。在分析工具部分,除了支援Studio、App Center、SAS、Jupyter、RStudio之外,未來也將支援data iku、KNIME。

Chris Twogood表示,Teradata Vantage要提供企業處理複雜問題的解決方案,包括更有彈性的資料分析模型、整合分析與可擴展性,要讓企業內部的使用人員,不再需要重新學習如何使用新工具或語言,就能在同一平臺上,直接使用企業儲存的資料,進行分析。

跨引擎交叉使用,讓企業分析應用更彈性

而Teradata技術長Stephen Brobst也在大會上提到,企業往往浪費了90%的時間在處理大筆凌亂的數據,他認為,企業應該選擇較為聰明的方式,開始擁抱人工智慧技術,把更多時間花在決策上。

而目前在人工智慧領域,較為火熱的技術是機器學習與深度學習。Stephen Brobst解釋了兩者的區別,他說,傳統的機器學習指的是線性數學,利用的是疊代學習技術,將數據自動化歸類後,建構出分析模型,用來預測結果。而深度學習,則能顯示數據的多層神經網絡,解釋數據的非線性關係,從複雜、高維度的數據中,找出分析模式。

Stephen Brobst表示,深度學習適合用來分析複雜、高維度的數據,如影像、音訊、時間序列、感測器數據、即時數據流等。因此,深度學習能用在更多產業應用,例如汽車業、零售業、製造業與高科技產業、健康照護業、金融與保險業,以及跨產業之間的應用。

不過,深度學習因為利用多層神經網絡,來處理非線性資料,Stephen Brobst強調,所以在預測結果上,具不可解釋性的問題。所以,即便深度學習可以提供企業更精準的預測,也不是每個產業都能適用。

他也建議,或許淺層學習(Shallow Learning)與深度學習的結合是個好辦法。當結合線性數學模型與非線性模型進行分析,企業可先利用線性模型找出規則,預測較為簡單的結果,並透過非線性模型做更精準的預測。

而Teradata新推出的整合型資料分析平臺Teradata Vantage,可以讓企業在同一平臺做到這件事情。Stephen Brobst提到,Teradata Vantage整合多種分析引擎,可讓企業內部的使用人員,進行跨引擎的應用,分析企業放在資料倉儲裡的結構化資料、半結構化資料、非結構化資料。


Advertisement

更多 iThome相關內容