我们知道，在国际象棋里，决胜负要有大局观，走一步看三步或N步，一方锁定胜局，最后一步 “将军”（Checkmate），获得胜利，谁最早能够掌控形势，便可以胜券在握。
在笔者近期对Teradata首席技术官宝立明（一位爱穿花衬衫的外国老爷子）的采访中，也听到了一个相关的国际象棋的新闻。
在一次世界国际象棋决赛中，挪威棋手击败了美国棋手，其中有一次对局弈和，但实际上通过软件分析，挪威棋手可在60步内将死对手，但即便是最优秀的棋手也只能在几十步内考虑胜局，而无法如机器般作出判断分析，因此只能和局。
Teradata分析处理的三个十年阶段
在企业中，也是同理，企业战略，金融预测，资产管理，人力资源招募，营销活动定位以及用户画像，情感分析，软件开发，并购决策等等特定领域，往往不能凭借自身直觉经验作出正确判断，而需要借助软件快速作出最具成本优势的预测性分析和判断。
实际上分析处理的发展阶段可以分为三个十年。第一个十年是基于描述性的、报表相关的分析处理，让你洞察过去，第二个十年主要是运行策略，进行实时的、动态的数据仓库、数据分析。而第三个十年则是属于机器学习和深度学习的时代，通过进一步了解多样化企业的业务模式，来进行描述性或者预测性、指导性的高级分析。
宝立明表示，Teradata开发的Vantage平台处于第三个十年阶段，在国内旨在为企业提供数字化转型的敏捷性，帮助企业适应快速发展。
Teradata Vantage提供机器学习和图分析引擎和高级分析功能，允许跨引擎分析（包括新SQL，机器学习，图形，spark，TensorFlow以及定制化引擎，每一个引擎都利用Docker部署成一个容器包装起来）协调，旨在让用户自选的分析工具和分析语言访问新类型数据源，应用分析引擎和高级分析功能。
Vantage可以在公有云上部署，但国内大多数企业要求本地部署，集成设备可以即装即用，自身硬件上的部署则需要时间进行调整。
Teradata Vantage首发用例
一些银行利用基于过去的规则或者角色的办法，拒绝他们认为有欺诈行为的信用卡交易。基于不同交易的大小、频率或者是交易的地点做出一些判断。
在一家欧洲银行，虽然每次诊断出一些虚假情况或者欺诈行为后，仍然可能会带来99%误报行为发生。为一些高推荐值的客户带来极大的损失，对业务发展产生影响，而采用了机器学习引擎，一方面可以提高50%的欺诈的诊断率，同时又可以把误报率降低了80%-90%，以此来提升用户体验。
还有一家全球大型制造商主要是生产用于体检且是7×24小时连续工作的机器设备，销售遍及全球，是通过传感器，以日志的方式记录运行温度或者出现的其它问题。这些机械非常复杂昂贵，如果出现故障损失很大。而Vantage凭借传感器信息，对比停机事件和传感器路径，稳定运行事件和传感器路径，来预测它可能在将来某个时间点发生故障，从而提前干预，不让它发生故障，以便节省医院大量成本。
还有一家零售商案例，拥有如店内、线上、呼叫中心等多种销售渠道销售商品，并且了解所有客户在不同渠道上涉及到的不同商品的各种互动行为。过去无法线上线下销售方式集成在一起，时常出现某个客户在网上查看商品但未购买。
于是商家就在网上宣传，包括发Email、做广告，甚至提供折扣，还是收效甚微。但实际上这个客户没在网上买，而是到店内买了，线上人员不知情，导致客户网上体验不佳。Vantage可以通过将整个不同分段的地方集合在一起，了解完整的客户购买商品的路径以免作出误判，同时也在整个客户旅程中不断测试新渠道活动。
宝立明还在采访中指出，其实好的司机开车不是要总看后视镜而是向前看，预测未来。Vantage一般每两年就会有一些新的业务发展、新引擎，都可以做到当时最佳，超越其他各种引擎。并且还在不断的改进打包、部署，善于进行资产管理、反欺诈、资产配置等。Teradata的目标就是要做到高级分析价格最低廉而且速度最快。
