让数据分析无所不在、任意自由

霍娜

在Teradata全球用户大会刚刚在美国举办完毕之际，11月23日，Teradata在北京举办了小型的媒体沟通会，将Teradata最新的公司战略和产品服务思路与媒体做了交流。

四维度阐释

Teradata Everywhere

Teradata天睿公司大中华区首席执行官辛儿伦（Aaron Hsin）阐述了Teradata最新的产品战略，那就是Teradata Everywhere——无所不在、任意自由的数据分析，推出整合型的数据分析平台Teradata Analytics Platform，以及灵活部署和可移植的软件许可模式。 他以不同的四个纬度来进行具体说明：

第一，Analyze Anything（任意数据分析）。Teradata Everywhere可以协助客户分析任何数据，并使客户能够使用统一和高性能的Teradata数据库技术。客户内部的不同业务部门，都可以使用丰富的工具和自由选择的语言，根据需求来收集和分析多重、多部门、多元化的数据源。Teradata分析平台是非常开放的，可以添加广泛的分析功能和引擎，提供最出色的可扩展性、弹性和性能，协助客户实现各种数据类型的分析。

辛儿伦介绍说，Teradata分析平台整合多个分析引擎包括Aster、SQL、Spark等，工具包括RStudio、Jupyter、SAS等，语言则包含R、Python、等，也会支援多样化数据类型像是JSON、xml、语音和图像等数据。

“在引擎方面，我们在研发上下了非常大的精深的苦功。因为现在和未来没有一种单一的分析引擎是能够满足任意数据的分析。所以Teradata之前就提出来统一数据架构，集成多个全球领先的分析引擎，在客户和业内获得广泛的认可。”

Teradata天睿公司大中华区解决方案总监姜欣介绍了Teradata Analytics Platform的八大关键能力：对于新型技术有很好的开放性和兼容性；能够支持所有的数据格式；数据量能够灵活的扩展；不只可以管理本地的数据，也可以统一管理云端的数据；可以SQL方式来访问所有的数据类型；用户可以自己去选择不同的分析方法和工具；各种部门、各种客户的个性化需求都可以满足；可靠、稳定，风险低。

第二，Deploy Anywhere（任意环境部署）。为了进行创新，企业需要敏捷、灵活、全方位的数据分析部署环境，而且现在有相当多的需求是在云端环境下进行部署。Teradata Everywhere可以帮助客户不管是云端还是本地，完全都可以使用相同的数据库技术。客户不需要处理不同环境下以及不同数据库兼容性的问题。辛儿伦说，Teradata是业内首家支持在多种公有云、私有云、托管云、以及本地部署环境下任意部署全球最为领先的海量并行处理分析型Teradata数据库。

第三，Buy Any Way（任意方式购买）。Teradata Everywhere可以让客户按其需求付费的订阅模式购买，灵活采购。在这方面，姜欣详细解释说，Teradata提供开发者版本、基本版本、高级版本和企业版本四个选项，针对不同级别的分析需求，滿足客户不同的使用功能和工作负载，并且在不同级别之间，可以进行灵活的切换和升级。

第四，Move Anytime（任意时间迁移）。这是指的软件许可的可移植性，无论是本地、私有云、托管云还是公有云，Teradata 的软件许可都可以按照客户的需求随时都可以移植、迁移，不需要二次投资。

AI让欺诈误判率降低50%

对于目前非常火热的人工智能，Teradata天睿公司大中华区副总裁、咨询及服务部门总经理唐青在会上介绍说，Teradata可以帮助客户充分发挥AI的强大功能，在欺诈监测、生产绩效优化、风险建模、精确推荐引擎等方面实现重要业务成果。

她以典型案例向记者展开介绍。丹斯克银行（Danske Bank）与Teradata联手打造并推出目前最先进的人工智能欺诈监测平台。

该平台预计在投入运营一年内就能实现100%的投资回报率（ROI）。该平台引擎使用深度学习技术，可分析数万个潜在特征（latent feature），对数百万次银行在线交易进行实时评分，为监测判别正确、错误和欺诈活动提供可作为判别依据的洞察。通过大幅缩减误判（false-positive）的调查成本，全面提升银行效率并有助于大幅缩减各项成本。

丹斯克银行原来的欺诈监测系统在很大程度上依靠手动添加规则，银行在很久以来一直主动应用这些规则。随着误判记录数量不断增长，甚至经常达到整个交易量的99.5%，使调查相关成本与时间显著增长，银行庞大的欺诈监测团队任务过重，无法实现高效运作。

Teradata与丹斯克银行合作，依托数据应用专业知识，补强银行高级分析团队的技术能力，为更广泛业务创造更大收益。

双方团队在银行现有基础设施内搭建框架，并创建高级机器学习模型，监测每年数百万次交易中的欺诈行为，高峰时段每分钟可监测多达数十万次交易。为确保监测过程透明性，并增强信任，监测引擎在机器学习模型上加入解释层，提供监测阻止活动的释义与解释。

从建模角度上看，欺诈案例仍占很小比例，大约每10万次交易才发生一次欺诈行为。双方团队成功从模型中发现误判结果，并将误判率降低50%。与此同时，双方团队还能够监测更多欺诈行为，将监测成功率实际提升约60%。endprint