【中國智能制造網 技術前沿】大數據分析在日積月累的過程中正在不斷發生著改變，之前數據分析更多聚焦在B2C領域，現在隨著物聯網的發展則轉向B2B領域，形成B2B B2C的模式。麥肯錫報告顯示，數據分析70%的價值來自于B2B，30%的價值來自于B2C，所以大家都在向2B市場分析來做轉型。　　
　　但目前B2B數據分析整個市場總量還很小，而且對數據分析的要求更高。因為單一平臺不能解決大數據的所有問題，這也有了開源與閉源技術的混合需求，構建大數據分析的生態系統，在IoT數據大量爆發的時代為各行各業提供對應的分析能力。
　　
　　IoT數據分析需要7大支撐
　　
　　IoT的快速發展讓數據分析也要更進一步，因為IoT的數據量是傳統數據的100倍，這就需要強大可擴展的數據平臺來存儲和處理這些數據；IoT的地理空間數據比例非常大，需要擁有先進的地理空間分析能力；IoT中有大量基于時間序列的時間數據需要分析，傳統SQL并不善于處理。
　　
　　數據量、地理空間數據、時間序列數據三方面都是IoT數據相比于傳統數據的不同之處。Teradata天睿公司技術官寶立明提到，隨著IoT數據的可分析也標志著我們已經真的進入了“萬物皆可分析”的時代，通過傳感器采集到的數據終于可以發揮其價值。
　　
　　構建大數據分析生態實現開源與閉源的融合
　　
　　其實在2015年TeradataPartners大會上，Teradata就提出了“萬物皆可分析”的概念。但基于傳感器的數據應用更多集中在制造業層面，所以Teradata的一個業務重點便是要向制造業轉移。當然萬物皆可分析也包含了來自各行各業的數據，如電信行業收集手機的地理位置信息，醫療行業醫療設備收集的身體指標數據等等。
　　
　　在Teradata提供的產品中對于IoT數據的分析可以分為七類，、TeradataListener框架，以實時的方式把海量的數據導入到Teradata系統；第二、利用RESTfulAPI實現各種技術平臺的對接；第三、可靠、高可伸縮的數據傳輸技術；第四、存儲技術；第五、可兼容技術；第六、壓縮技術；第七、即將推出TeradataIntelliFlex一體機產品，采用下一代海量并行處理（MPP）架構，能以非常高的經濟性，有效地進行海量數據的處理。
　　
　　除了剛剛說到的七部分，Teradata實現萬物皆可分析的基礎還是統一數據架構（UDA），其結合了Teradata的技術、開源技術、數據湖等技術。
　　
　　“我們可以將數據先放到數據湖中存儲，經過Aster進一步處理，導入到數據倉庫為BI使用。”寶立明說道，UDA中的Aster是一個非常適合處理傳感器數據的平臺，而且已經被移植到Hadoop上，既可以在文件系統上去執行，也可以在開源的數據庫上應用。
　　
　　從跳高演變看技術整合
　　
　　正如UDA的架構，開源和閉源已經實現融合，而這在之前是不可想象的。寶立明用跳高姿勢的演變舉例，在之前跳高的姿勢都是剪刀腿，而到了80年代跳高遇到了一個轉型期，背越式的出現比剪刀腿能取得更好的成績。
　　
　　這也使得越來越多的選手開始采用背越式，當然選手可以依然待在安全區，但你終不會成為贏家。通過12年的發展背越式完全取代了剪刀腿，這就如同采用新技術也是一個痛苦的過程一樣，企業需要實現商業技術和開源技術的整合。
　　
　　在15年前，Teradata就已經把數據庫產品跑在Unix、Linux開源的版本之上，一直到今天也是如此。
　　
　　在UDA的組合中不僅有開源Hadoop，寶立明還特別提到同Facebook合作研發的開源分布式SQL查詢引擎Presto，以及運行在Presto上面的QueryGrid，其可以在Hadoop平臺發起并完成跨平臺查詢，所以UDA已經是一個商業技術和開源技術融合的開放架構。
　　
　　同時Teradata也為機器學習提供一個具有高可延展性的大數據平臺，把機器學習的算法，像R、Ruby內嵌到平臺之上，供Teradata的數據科學家做各種各樣的實驗和探索，更好地找到一些成熟可商用的技術，整合到解決方案中。
　　
　　在云計算戰略上，為了和企業的應用趨勢匹配，數據分析的重心也正在向云中轉移，尤其是現在企業的業務系統逐漸前移到云端，分析也將轉移到云端。
　　
　　Teradata的原則是給客戶提供同類佳技術的選擇，AWS是目前宣布的家公有云合作伙伴，未來在MicrosoftAzure、谷歌云上都會提供服務，目標是在不同云平臺上都可以提供同樣的數據分析能力。