在過去很長一段時間里，人們從數(shù)據(jù)中獲取價值都是依靠數(shù)據(jù)分析來完成。但傳統(tǒng)的數(shù)據(jù)分析只是給人們提供一系列的報表，一切判斷還需要人根據(jù)這些報表來完成；機器學習的出現(xiàn)，改變了這一狀況。

事實上，機器學習的出現(xiàn)由來已久，作為一門多領域交叉學科，機器學習專門研究計算機是怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構，使之不斷改善自身的性能。

也就是說，機器學習可以讓電腦表現(xiàn)得更像人類。不過這樣一來，傳統(tǒng)的數(shù)據(jù)分析已經(jīng)無法滿足機器學習發(fā)展的需要，人們需要更加高級的數(shù)據(jù)分析。日前，筆者采訪了Teradata天睿公司首席技術官寶立明（Stephen Brobst），他向筆者詳細描繪了人們在未來，該如何運用分析處理引擎實現(xiàn)機器學習和深度學習，展現(xiàn)出一個全新的數(shù)據(jù)分析時代。

Teradata天睿公司首席技術官寶立明（Stephen Brobst）

從描述到預測 高級分析增強企業(yè)洞察能力

傳統(tǒng)的數(shù)據(jù)分析，主要是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的信息，更多著眼于對過去的總結；但現(xiàn)在人們對數(shù)據(jù)分析的期待已經(jīng)不止于此了。

寶立明特意用一個例子對此進行了形象的描述：過去，企業(yè)大部分都是看報告或者報表，但這些報告和報表都是屬于描述性的分析，就像我們在車里看后視鏡一樣，所看到的都是過去發(fā)生的事情；如果只看后視鏡肯定會出事故，所以一個好的司機一定是在需要的時候看一下后視鏡，大多數(shù)的時間還是要往前看。

對于企業(yè)來說，往前看意味著要能夠做出預測性的判斷，從而避免“交通事故”。如今的現(xiàn)狀是，大部分中國企業(yè)還停留在看“后視鏡”上，還沒有建立起預測性判斷和分析的能力。

事實上，這里隱含著傳統(tǒng)數(shù)據(jù)分析技術向高級分析的演進。在權威機構Gartner看來，高級分析是使用超越傳統(tǒng)商業(yè)智能（BI）的先進技術和工具，對數(shù)據(jù)或內(nèi)容進行自主或半自主檢查，以發(fā)現(xiàn)更深層次的洞察，作出預測或生成推薦內(nèi)容。

也就是說，高級分析是指用于為企業(yè)提供比原先更強大的數(shù)據(jù)洞察的廣泛分析技術，這是一個大的技術合集，不僅包括數(shù)據(jù)挖掘、大數(shù)據(jù)分析等技術，還包括位置分析、預測性分析、機器學習和高級可視化技術等。

在寶立明看來，高級分析可以分為描述性、預測性和指導性分析三大階段。其中描述性分析主要是洞察過去，而預測性分析則是為了了解未來，指導性分析更為強大，它可以為可能發(fā)生的結果提供建議。

這無疑將企業(yè)帶來前所未有的幫助，比如在金融領域，高級分析可以讓金融企業(yè)提前洞察潛在的欺詐風險；而在醫(yī)療領域，高級分析可以輔助醫(yī)生開展疾病治療。借助高級分析，企業(yè)不僅可以預測未來業(yè)務的發(fā)展狀況，甚至還可以預測企業(yè)的發(fā)展方向。

瞄準下一代分析平臺 Teradata Vantage釋放數(shù)據(jù)價值

回顧過去三十年數(shù)據(jù)分析發(fā)展的歷程，寶立明將其總結為三個階段，第一個十年，主要是一些描述性、報表性的數(shù)據(jù)分析；在第二個十年，實時、動態(tài)的數(shù)據(jù)倉庫、數(shù)據(jù)分析成為主流；而第三個十年則屬于機器學習、深度學習的時代，可以給企業(yè)提供預測性、指導性的高級分析。

如今，很多企業(yè)還徘徊在第一個十年里，少數(shù)公司已經(jīng)進入第二個十年，而Teradata則已經(jīng)走到了第三個十年。尤其是Teradata Vantage的推出，更是標志著下一代分析平臺的誕生。

作為一個面向未來的數(shù)據(jù)分析平臺，Teradata Vantage實現(xiàn)了在一個統(tǒng)一的分析平臺中進行數(shù)據(jù)的融合、分析，這得益于平臺支持幾乎所有主流的開發(fā)語言和工具，以及兼容不同的數(shù)據(jù)接口，從而實現(xiàn)了以完全開放的架構連接其他平臺和數(shù)據(jù)。

更重要的是，Teradata Vantage借助容器技術的應用，整合了眾多最佳分析功能和領先的分析引擎。機器學習引擎和圖引擎便是其中的代表，機器學習引擎由廣泛的分析功能組成，除數(shù)據(jù)準備、非結構化數(shù)據(jù)解析功能外，還涵蓋人工智能、統(tǒng)計、文本、情感判別等各種分析類型，可以用于分析成果歸類、情感強度評估、客戶路徑行為、欺詐監(jiān)測等。

相比較而言，圖引擎則聚焦在關系分析層面，以及了解網(wǎng)絡用戶、產(chǎn)品、過程乃至任何聯(lián)網(wǎng)實體中這些關系將怎樣影響結果。圖引擎分析主要應用于網(wǎng)絡威脅監(jiān)測、購物籃服務、社交媒體網(wǎng)紅行為等層面。

在制造業(yè)，許多大型的制造企業(yè)都希望通過物聯(lián)網(wǎng)分析搞清楚設備使用狀況，從而避免出現(xiàn)機器故障給企業(yè)造成損失。高級分析借助不同傳感器的信息，可以給制造企業(yè)提供一些指導性的意見，提醒企業(yè)及時開展設備維護，避免出現(xiàn)故障。

在零售業(yè)，每個零售商都會通過多個銷售渠道來銷售商品，高級分析的應用能夠?qū)⒉煌�渠道的不同商品與顧客信息集成在一起，從而可以幫助零售商更加清晰地了解顧客的渠道來源、購買習慣等，進而有針對性地進行商品推薦、廣告等。

除此之外，在金融、電信等行業(yè)，越來越多的高級分析需求正在涌現(xiàn)出來�？蛻粜袨槎床�、客戶體驗提升等都需要相應的分析引擎作為支撐。如今，各行各業(yè)的數(shù)據(jù)分析的需求不斷提高，高級分析技術也將隨之不斷進化。

正如寶立明所說，隨著技術的不斷演進，Teradata Vantage除了在效率、價格等方面繼續(xù)優(yōu)化之外，也將根據(jù)實際的業(yè)務應用發(fā)展更多新的分析引擎，以滿足企業(yè)對高級數(shù)據(jù)分析的需求。