Teradata辛儿伦：明确企业愿景优化大数据能力建设

大数据作为21世纪的“钻石矿”对于企业的重要性已经不言而喻，各个行业都在搭建自己的大数据平台，构建技术能力，以期待优化生产流程、精准营销，帮助企业获得竞争优势。

然而，Gartner预测：到2018年，90%已经部署的数据湖将因为负荷过多为不确定用途而获取的信息资产，从而失去价值。数据收集和存储已经是可以广泛普及的成熟技术了，然而数据分析挖掘，真正助力商业模式的优化却依旧面临巨大的挑战。

在2016 Teradata大数据峰会上，连续16年蝉联Gartner数据分析方面排名第一的Teradata天睿公司大中华区首席执行官辛儿伦（Aaron Hsin）接受了《哈佛商业评论》中文版的采访，分享了专注数据分析领域多年的行业洞见。

人物小传：辛儿伦(Aaron HSIN)

Teradata天睿公司大中华区首席执行官、全球国际集团副总裁，于2010年3月上任，负责公司在中国大陆、台湾、香港、澳门等地区的业务。中国大数据专家委员会（BDECC）核心成员、中国云计算技术与产业联盟(CCCTIA) 委员会成员代表。此前，曾担任未来科技城信息化规划的特约顾问、任职微软公司大中华区企业及合作伙伴事业部总经理。

HBRC：数据分析领域在中国市场的发展如何？

辛儿伦：30多年来，Teradata专注于数据及分析领域。记得我刚加入Teradata的时候，我们的客户群是三个行业，而今天，在中国有12大主流行业都是我们的客户，包括金融、通信、互联网、零售、汽车、石油石化、制造、保险等。

而且，数据分析需求已经不只是传统的业务部门的需求，还有像市场部门一些精确营销的需求，这是一个庞大的资源库和生态系统。现在许多客户的需求已经不仅只是把我们看作是乙方提供商，更多的是希望通过我们能够有跨领域、跨行业的大数据解决方案的应用。

近两年，我们新增的客户来自交通运输行业。我们合作的项目场景是从商业领域到物流领域等多个方面。铁路行业的数据量也是非常庞大，北京地铁，一天平均900万到1000万的人流量。北京地铁现有16条地铁线，每一条地铁线的资方是不同的。客户一张票，可能要转乘三到四条地铁线，这些资方都希望能更迅速的结算，而要做到这种几乎是每日式的结算，就需要非常精确和快速、实时或是准实时的大数据分析。有了这样一种能力，对他们资源的规划大有益处，比如可以通过人流量分析决定地铁检票口的数量和位置，对于不同位置的广告位也可以进行针对性的投放。

跨界融合是你们看到的一个主要趋势，有什么具体的案例么？

因为外部的项目是跨界的，所以内部给我们一个契机，让公司更多地进行内部跨团队、跨行业的碰撞、交流、协作。比如零售行业也想跟通信行业联系。目前已经上线的项目是西班牙电信Telefonica。他们和当地的零售集团合作，通过电信公司提供的地理位置数据、人流数据帮助自己开店选址。这一模式在中国也有合作，为此我们还专门开发了一个产品叫做选铺通。

我们在中国还有通信运营商和航空公司的合作。通信运营商有很多标签标识了这些客户是不是高价值客户，是不是商旅人士，是不是经常穿梭于某一些城市。因为你的开关机状态，地理位置信息会透漏。航空公司希望将两个数据关联起来，就可以知道那些客户的偏好和习惯，给他们精准地提供个性化的套餐服务或有针对性的服务。

哪些行业会最平坦快速地吸收大数据的改造？哪些行业不太适合？

过去几年，通信、互联网和金融行业想要获取大数据解决方案的需求最旺盛。汽车行业也渐渐开始有需求，包括驾驶行为怎么跟汽车保险公司合作等。

现在，我觉得十几、二十个行业都希望一起来勾画他们在大数据建设的能力，包括零售行业、制造行业等。他们想通过目前传感器技术的发展，机器生成的数据能够实时获取并快速分析，提供给产品设计部门进行改良、改造。

我觉得大数据能力的加载速度还是每个行业的信息化程度、对做数据驱动型企业的理解程度相关。通信行业天生就是一个大数据企业，因为它的数据最完整、最详细，而且存储周期最长。基础比较好，他们需要做的只是在大数据分析上花功夫，把数据价值释放出来。

金融行业也是一样，因为它的客户是与价值相关的，本身就要利用更多的大数据技术去抵御风险、实现监管、发现自己的潜在客户。这就又激发它创造更大的价值，创新商业模式。

而其他一些行业并不是不敏感，只是它们关注的方向不同。传统行业会更加专注具体的大数据分析出来的实际应用，比如医疗行业，病历一直是重要的医疗数据，在电子病历广泛应用前，这些数据一直是非结构化，信息很难产生联系和做分析。使用大数据技术解读电子数据，可以很快从电子病历中解析出每个人身体情况、病史，很好地优化了看病流程。

中国企业在进行培养大数据能力升级的时候所面临的最大的挑战是什么？

在中国，企业和政府单位都想拥有大数据治理、管理、分析的能力。但是我认为高管在做决策时，必须先搞清楚为什么要用大数据，搞清楚他们的企业想要达到的愿景是什么。

搞清楚为什么以后，看看具体落实的场景是什么。有了场景的规划，再进行排序，分析一下哪些场景是立即就可以给企业带来价值，哪些场景的价值会在长期。排序后，每一个场景所需要的解决方案不同。因此，企业可能需要的不是一个大数据解决方案，而是好几个解决方案的组合。

从供给面来看待这个企业的大数据能力，看看他能带来的价值。在这个大数据时代，以公司战略、业务战略、实现的具体业务、细致落地的场景这四个角度来优化企业的大数据能力建设过程会更好。

技术的转变是非常快的，开源技术这段时间比较热门，过几年也可能被新技术取代。这个世界变化非常快，而且是多维度的变动。因此企业要思考的非常清楚，不然很多的投资或当时的投入可能都要打水漂。

大数据分析指导决策对于服务团队行业理解力要求很高，Teradata在这一方法有什么经验？

我们公司的咨询服务团队里，有一个特别的团队叫做Industry Consultant，专门集合了一些对各个行业比较有了解的人才。但是，我们不可能完全取代客户对于行业的工作，我们与客户是一种合作、交流、讨论、相互学习。

我们有这样的团队，能够跟客户有共通的语言，理解客户希望通过大数据的分析达到什么样的业务增长和愿景。有一些热门的行业的人才是要去储备的，我们在雇佣人才时会看背景的，招募的都是非常优秀具有海外深造或相关行业的专业背景的人才。