Teradata 天睿公司发布 VantageCloud Lake 和 ClearScape Analytics

近日，多云互联的企业级智能数据平台解决方案提供商Teradata天睿公司宣布推出VantageCloud Lake，这是Teradata 首款基于全新下一代云原生架构的产品，其设计以自动化、灵活弹性和利用低成本对象存储为核心，并保留了功能强大、易于使用和可扩展等优势。同时，ClearScape Analytics 作为Teradata VantageCloud 的一部分也同步面向市场推出。这是Teradata 经过大幅扩展增强并重新命名的分析工具，适配整个Vantage 产品组合。现在，借助全新增强的分析能力，Vantage 客户可以利用市场领先的大量库内分析功能和关键的人工智能/机器学习(AI/ML) 模型管理工具（即ModelOps），满足企业日益增长的分析需求。

区别于VantageCloud Enterprise ，Teradata VantageCloud Lake主要聚焦于由IT 部门管理的企业工作负载，VantageCloud Lake 是一款面向业务应用的自助服务产品，旨在将Vantage 的卓越能力带到更加广泛多样的使用场景中。VantageCloud Lake 允许企业利用其业界领先的高级分析能力，以更低的总体拥有成本，更智能的弹性资源调度，驱动几乎所有分析业务用例（包括较小的随机性、探索性和部门级工作负载）加速取得业务成果。

客户可以根据自己的业务需求，选择使用VantageCloud Lake 版或VantageCloud Enterprise 版。两个版本均荟萃Teradata 的核心能力，包括Teradata 广受认可的工作负载管理、卓越的可扩展性以及成本管控能力。二者共同组成了Teradata 的全新云解决方案——完整的云上分析和数据平台VantageCloud。

“Teradata VantageCloud Lake 是我们多年来致力开创数据和分析领域新范式的成果，在该范式下，卓越性能、敏捷性和价值齐头并进，”Teradata 天睿公司大中华区总裁王波表示，“VantageCloud Enterprise 作为我们根基深厚的老牌Vantage 云端产品，已成为市场上公认的性价比领导者。Teradata VantageCloud Lake 囊括了该产品的所有优势，同时着重夯实对企业中不同职能和角色的支持，为我们开辟了一个全新的细分市场。通过Teradata VantageCloud Lake，我们现在可以支持企业在各层面上的所有分析工作负载需求，使企业能够在易于使用的解决方案下更具灵活性、实验性和创新性，同时继续受益于Teradata 向来著称的成本管控能力。”

Teradata VantageCloud Lake 的推出，为企业带来了更强大的创新能力，使企业可以快速启用随机性、探索性和部门级工作负载，充分利用开放互联的数据，并轻松获得这一Teradata 旗舰产品提供的所有其他优势。企业可在维持总体拥有成本的同时，为业务提供灵活可控的计算资源。在Teradata 支持下，使用VantageCloud Lake 版或Enterprise 版的客户可拥有一个强大、可扩展、可持续的云分析和数据平台，以满足企业对广泛多样用例日益增长的需求，推动创新和进步。

此外，ClearScape Analytics 新增特性包括引入了50 多项全新内置于库内的时间序列和机器学习函数，以及旨在快速运营AI/ML 项目的集成平台ModelOps，进一步提升了Teradata 领先同业的分析能力。ClearScape Analytics 与Teradata VantageCloud Lake 相结合，可为客户提供一个强大、开放、互联的分析工具，通过易于访问、提供自主性和实时洞察的分析工具，帮助客户激活海量数据，解决复杂的业务挑战。

“数据只有在可被轻松管理驾驭并分析应用时才能善尽其价值，推动取得更好的业务成果，”Teradata 天睿公司大中华区总裁王波表示，“Teradata 自创立40 多年以来，始终专注于以一致的高性能、无与伦比的可扩展性和强大的分析能力，帮助客户充分挖掘数据价值。随着Teradata VantageCloud Lake 和ClearScape Analytics 的推出，Teradata 将继续秉承倾听客户声音的优良传统，进一步发展优化这个诞生于云端的数据平台，为覆盖整个云生态系统的高级分析提供端到端的支持，帮助客户加速数字化转型。”

ClearScape Analytics 新的库内时间序列功能横跨整个分析生命周期——从数据转换和假设性预测分析，到特征工程和机器学习建模。这些功能内置于数据库中，因此具有高性能，而且只需进行有限的数据移动。这可以显著降低成本并减少阻力，特别是当企业想对大量数据（如来自数百万件产品或数十亿传感器的数据）应用时间序列分析时。当分析结果（如预测）被存入数据库中，企业可以轻松将其与其他数据整合。例如，制造商可以将传感器的异常检测得分与机器的位置结合起来，找出所预测的故障的位置；国际零售企业可以将预测结果与价格结合起来，以预测营收。

借助ClearScape Analytics，复杂的机器学习功能可以快速集成到分析管道（从数据准备到建模再到部署的一系列相关操作的集合）中，并被打包在一起以解决特定问题。例如，可以针对欺诈检测，对分类管道进行专门调整，然后将其用于金融类应用程序；时间序列管道可用于零售或制造业场景中的需求预测。内嵌ModelOps 的ClearScape Analytics 使企业可以快速扩展AI/ML 项目，在充分释放投资价值的同时降低风险。