专访Teradata首席技术官宝立明：大数据未来将变成B2B2C的商业模式

5月5日，大数据分析服务供应商Teradata天睿公司(Teradata Corporation，纽交所：TDC)在北京国贸大酒店举办了“2016 Teradata大数据峰会”(亦称第16届Teradata Universe大会)，36大数据受邀出席了此次峰会，并且对Teradata天睿公司首席技术官宝立明 (Stephen Brobst) 先生进行了专访，专访过程中，宝立明先生就Teradata旗下的Think Big的Data Lake服务进行了详细介绍，并且针对Teradata大数据产品在中国的使用情况进行了举例，宝立明先生表示：Data Lake主要针对的用户为数据科学家和数据工程师。

当谈到中国大数据的应用困难时，宝立明认为，中国大数据应用的第一个困难是数据量太大，已经超过了世界上的任何一个国家，新创大数据企业融资会非常困难。另外一个困难还是在于人才问题，中国在IT方面的人才是不缺乏了，关键在于缺乏数据方面的人才。

下面是详细的专访内容：

记者：我看了资料，也看了咱们刚刚推出的Think Big这款业务，我对它的业务的理解成可能更像是我们电脑攒机的模式，是帮这些企业用开源的框架、技术去搭建数据湖。我想问的是，这个业务目前在中国的客户有哪些？可否举一下例子？

宝立明 (Stephen Brobst)： 有关我们在中国的客户，我们不方便披露具体的名称。但是我想谈一下第一部分，对于我们新的业务的理解。把它比喻为电脑的DIY不是非常准确，更加准确的描述是 Teradata打造了一个围绕Teradata一体机产品的生态系统 。对于企业客户而言，他们可以根据自己的需求来进行组装。而电脑是一个高度商品化的东西，其实是不需要客户再去DIY。更多是客户根据自己的需求做数据的编排，按照我们提供的框架，做一个非常好的数据治理，然后在生态系统中选择围绕Teradata一体机所需的部分进行组装。

第二部分的问题回答是，我可以说我们这个新的业务锁定的目标行业分别是电信行业、金融服务行业以及制造行业。

张锦沧 ：我补充一下，我们在中国地区是已经有客户在使用Think Big的服务的部分，已经是有具体的项目并落地了。另外，我们还有很多其他的一些行业客户，都有跟他们在进行一些具体方案的设计，但是这部分都还在进行中。

记者：请分享一些产品的使用案例。

宝立明 (Stephen Brobst )：对于产品使用案例，针对不同行业，情况也不一样。比如今天在大会上我们谈到了汽车行业， 我们把传感器安装在汽车上，通过数据分析，有利于汽车的维保。 在 金融服务行业，其实每一家金融服务行业最热门的词就是数字化转型。

事实上对于金融服务的这些企业，数字化转型就等同于改变客户体验。我有一妹妹，她绝对不会去实体银行分支网点办理业务，她要和银行做交易，要么是通过银行App，要么是通过访问银行的网站来实现。所有这一切都是基于数据，每次她打开一个聊天的窗口，获得银行给她提供的客户服务，这其中聊天的内容本身就是数据，我们要对这些数据进行分析，这也是大数据分析一个非常好的使用案例。 不 同行业都在面临行业的转型，在行业转型过程中，大数据分析对他们的意义都有不同的表现。

记者：现在银行、金融机构大部分还是用的关系型数据库，有一些民营银行包括网商之类的可能是分析型数据库。但是数据湖是基于什么样的基础环境，才能把它的应用达到一个最佳的效果？

宝立明 (Stephen Brobst) ：你说的这个情况是对于传统的金融服务行业而言，这些数据大部分都是一些客户记录，来自于核心银行系统的表单数据。他们的技术环境是基于关系型数据的类型， 在这种类型的环境下，使用数据湖能够极大程度降低他们存储这些未经加工的原始数据的每TB的成本 。所以在传统的金融服务行业使用数据湖是完全没有问题的。

刚才我谈到了金融服务的这些客户，他们也要进行数字化转型，在转型过程中，会有越来越多的非结构化数据的出现。比如上网的日志信息，就是行为信息。我们的客户代表有来自富国银行的，他谈到了他们有很多先进的客户行为分析的应用。在他们的银行架构中，既有传统的关系型的数据技术，也有基于Hadoop的非结构化、大数据分析的技术类型。即使是在异构的环境技术下，我们的数据湖也是非常适用的。

记者：据我了解，Teradata的产品针对结构化数据的产品是数据仓库，半结构化数据的有Aster，非结构化数据是Hadoop，现在又引入了一个数据湖，对于没有数据湖的企业，之前已经使用了Teradata的上述的产品，是不是还有必要去做数据湖？

宝立明 (Stephen Brobst) ：首先要澄清一点，数据湖（Data Lake）并不是和某一种数据技术相关的，事实上它都可以用，为什么这样说？首先我们看到 数据湖的作用是什么，放在数据湖中的数据全都是未经加工的原料型数据，这些数据没有数据模型，没有经过数据整合。把它们存在数据湖中，就是为了以更敏捷的方式、更低的成本对数据加以利用。 比如它和这种结构化数据，也就是我们谈到的关系型数据库或者数据仓库结合使用的时候，能很好的起到增加数据的敏捷性、降低数据的使用成本的作用。

在数据湖中，还可以有其他的一些结构数据。如非结构化数据的分析，你可以用Hadoop，这时Hadoop上的一些数据也可以存在数据湖中。Hadoop把语音数据，从数据湖中提取出来，对它进行一些分析，形成一些分析的结果。这些分析的结果可以被转成结构化数据的模型，再被放到关系型数据库中。所以它是一层一层技术结合的使用关系。

对于Aster，它不仅是针对半结构化数据，Aster技术既可以处理非结构化数据、文本型数据，也可以处理半结构化数据，比如网络日志，还有一些关系型数据，比如类似于一些记录型数据。它非常利于数据科学家做探索性数据的研究，所以我们认为Aster可以处理各种类型的数据，而且这些数据是可以多种结构的。

记者：我想问两个问题。第一，在中国大数据应用越来越广泛，Teradata作为全球比较知名的大数据供应商，您觉得中国在这些年来的经济发展过程中，在大数据应用方面存在哪些问题？第二个问题，现在中国的企业有一些盈利的指标的压力，大数据从出现到最后怎么样才能变现，对一个企业而言，这个过程是什么样的？比如在银行领域，比如两个城市之间什么样的数据可以表明这两个城市之间可以开通一个新的航线？

宝立明 (Stephen Brobst) ：第一个问题，您说中国在大数据应用方面的问题，我愿意把问题理解为是困难，就是在中国大数据应用的困难是什么。有两个。

第一个是中国面临的困难是什么？在中国规模太大了，任何数据量都特别大，所以你要对这么大的数据量做投资，一家公司在融资方面肯定非常困难，所以 通常都是建议先做一个小的概念的验证，然后再想它的规模 。因为中国本身就非常大，几乎超过世界上任何一个国家。

第二个问题是全球性问题，不是中国独有的。在数据方面把数据转化成业务型、有价值的信息，而这方面类似于 数据科学家的人才是缺乏的 。 中国在IT方面的人才是不缺乏的，关键是缺乏数据方面的人才。

不光是中国的公司，所有的公司都是追逐利益的。有很多公司我们发觉它的误区在于，别的公司都在做大数据，我们也要做一个大数据的项目。但问题是，就像刚才在媒体发布会上Ron谈到的， 你先要找到一个业务已经验证的存在的问题，然后再着手用数据试图解决这个问题，而不能够就数据而数据，从数据出发去做这个事情，这是一个非常关键的点。

Gartner曾经发表了一份报告，有90%的数据湖的项目都失败了，是因为这些企业自己都不知道我为什么要搭建一个数据湖，我为什么要把所有数据都整合起来、收集起来，放到这个数据湖里面，完全没有理解自己搭建数据湖业务使用的场景是什么。结果数据湖变得越来越大，成本也越来越高。之所以Teradata发布了Think Big，其实就是帮助企业先搞清楚自己的业务问题是什么，然后根据他们的业务问题使用Think Big来部署相应的数据分析，也就是说不是简单地把所有的数据收集，再放到数据湖里。

宝立明 (Stephen Brobst) 和36大数据记者合影

记者：我们这边做了一个中国大数据的调查，我们发现目前的四个盈利模式，一个是做解决方案，可能就是给政府也好、金融行业也好，搭建解决的方案，然后来收取服务费和技术费，这是一种模式。另外一种是做基础设施，可能是做数据库或者数据框架里的某一种技术。第三个是把大数据做成一种工具或者做成一种服务，这就是阿里巴巴现在在做的事情。第四个是把大数据变成一种应用，应用到实际业务当中去。这是我们总结的中国大数据目前盈利的四个模式。我们调查了解，中国有一家大数据公司是做数据语言的，他们现在营收应该是过亿了，但是他们做的数据语言都是非常大众化的，比如天气数据，还有我们吃的菜谱等数据。我就想问一下，大数据未来会不会有可能变成2C的产品，而不是企业对企业的服务。

宝立明 (Stephen Brobst)： 我在圆桌会的时候谈到了， 大数据会改变客户关系，就是大数据未来可以是变成B2B2C的这样一种模式 。我举几个例子。

比如谷歌就和Augmedix合作，当人们佩戴隐形眼镜的时候，隐形眼镜就可以测量这个人的血压。去穿戴像Fitbit智能腕带设备的时候，可以获得其他的一些生理指征的如心跳的数据。这就意味着已经在向2C迈进了。

我还谈到过飞利浦电动牙刷的例子，以前飞利浦只是把电动牙刷卖给沃尔玛，这是一种B2B的模式。但是现在他们的智能电动牙刷可以连接到云，把很多用户的数据返给飞利浦。所以实际上飞利浦的客户关系也被改变了，也是B2B2C的。

记者：我是人民邮电报的记者，因为是来自电信行业的媒体，所以很关注电信行业的情况。我想了解一下，电信行业大家都说是坐在金山上，数据量非常大。而且随着使用电话的用户越来越多，我们电信行业在大数据领域的发展潜力非常大。但是现在电信运营商普遍反映，在大数据的变现方面，怎样让大数据给企业创造更多的价值，具体用什么方法、用什么手段来更好地帮助电信企业在基本的业务之外，包括跟各行各业的合作中间，挖掘出更大的价值。

宝立明 (Stephen Brobst)： 您说得非常正确，在数据的使用方面，到目前为止电信运营商做得都不是非常成功。我认为对于 电信运营商而言，他们主要的优势就是能够实时掌握地理空间数据。

在20多年以来，电信运营商唯一开发出的杀手锏型的应用就是短信，除此之外就没有了。但是我们可以看到像西班牙电信、沃达丰电信，目前纷纷在硅谷设立实验室，招募来自互联网公司的人才。就是想引入一些不同于电信行业的思维方式的创新的思路。所以我认为给这些电信运营商的建议还是更好地利用自己在地理、空间数据方面的优势。有一些电信运营商他们企图使用一些应用，比如移动游戏的开发，来把握客户，他们觉得通过移动设备，自己和客户建立了一种关系，但问题是这方面其实没有任何进入的壁垒，为什么呢？一家小的游戏开发工作室就能够开发出可能比电信运营商更流行的一些移动游戏来。所以这方面的电信运营商是没有竞争优势的，而且这种优势并不是他们原生的。

即使是短信这样的杀手锏型的电信运营商的应用，目前也受到微信、WhatsApp、Slack等一些应用的威胁。而且短信本身也没有利用到电信运营商在地理空间方面的实时信息的优势。当我们看到实时地理空间数据的时候，最好的一种方式是目前还未被开发出来的应用即移动广告，它的潜力对于电信运营商来说是相当巨大的。现在对于这些地理空间数据的使用，电信运营商把这些数据不是实时的使用，而是把它汇总起来，然后给如麦当劳的商家开店去推荐选址。问题是，麦当劳一年开的店数是有限的，可能就一个店可以赚取一笔费用，所以业务量是不够的。如果能够真正的把实时的基于地理空间的数据和移动广告业务开展起来，这个量就能做起来。

我们发觉目前这样的一些技术的一些应用，在东南亚会多一些。

更多内容请见 Teradata大数据中国专区>>>

End.