原标题：【直击Teradata上海峰会】老牌资料仓储龙头也加入AI竞赛
Teradata也跟进加入了激烈的AI技术竞赛，推出自家的深度学习框架ThinkDeep，结合多种开源数据技术，包含R语言、深度学习框架Tensorflow、Spark大数据平台等，涵盖了整个资料分析生命周期，包含机器学习的模型建置、测试、部署和管理。
图片来源:iThome
老牌资料仓储龙头Teradata于5月18日举办2017 Teradata上海大数据峰会，「过去一年是我们转变最大的一年！」Teradata国际集团执行副总裁Peter Mikkelsen一开头就这样说道，在过去的一年，人工智慧技术崛起和开源工具盛行，也对传统的大数据仓储公司产生冲击，因此，Teradata喊出「Teradata Everywhere」的口号，不仅积极拥抱开源，整合了多方开源大数据分析工具，还提出自家的深度学习框架ThinkDeep。
许多软体大厂都有自家的优先策略，像是Google喊出AI First，微软则是Cloud First，Peter Mikkelsen表示，Teradata则是Customer First，虽然这样的口号非常老套，不过，他表示，这是真真实实的策略，整合开源环境和採用AI技术，来自客户提出的需求。
他观察，开源工具在数据分析领域会变得越来越重要，不只将开源工具整合到Teradata商用数据分析平台，还要提供管理数据分析的统一平台，做到「开源工具隐形化」，Peter Mikkelsen表示，来降低企业要使用开源工具的複杂度，省去部署和转移资料的过程，让开源的优势可以保留，同时又可以皆兼顾数据管理的能力。另外，Teradata也提供企业谘询的服务，辅导企业找出最适合自家的数据分析工具。他补充，Teradata不是只从开源的社群拿取资源，先前还开源释出了资料湖管理工具Kylo。
另一方面，Teradata也跟进加入了激烈的AI技术竞赛，推出自家的深度学习框架ThinkDeep，结合多种开源数据技术，包含R语言、深度学习框架Tensorflow、Spark大数据平台等，要成为连那些不是资料科学家的使用者或开发者，都能运用的深度学习框架，涵盖了整个资料分析生命周期，包含机器学习的模型建置、测试、部署和管理。
Teradata首席技术长Stephen Brobst指出，深度学习框架ThinkDeep有自动学习的能力，可以根据最新加入的数据，自动更新分析模型，也提供部署模型，让企业能够自动化部署深度学框架，另外，也简化了分析模型的建置过程，提供企业依据不同的问题，创造多个分析模型。
不过，Stephen Brobst表示，AI越来越像行销的用语，所有尚未解决的问题，企业都把解决方案导向AI，其实，企业应该要了解什么样的问题适合用什么技术去解决，才能发挥最大的效益。
他进一步指出，机器学习和深度学习适用目的有很大的不同，机器学习能够解决一般大部分问题，且能提供企业看到每个流程的决策，而深度学习则适合解决複杂度较高的问题，像是数据不完整的情况或是高维度资料架构的情况，比较适合用深度学习演算法，不过，由于深度学习分析过程经历许多神经网路的隐藏层，不能看见每一层参数决策的过程，若企业需要了解资料输入与输出的关係，就比较不适合採用。
除了技术层面，Teradata产品及解决方案行销副总裁Chris Twogood则发表了2项企业级功能，包含数据环境转移机制和顾客历程分析可视化的解决方案。数据环境转移机制透过Teradata的跨混合云机制，企业不用将数据绑死在同一个环境，可以在本地端、Teradata的云端IntelliCloud、公有云和企业的私有云中转换环境。
而顾客历程分析可视化机制上，Chris Twogood表示，有许多企业开始分析客户历程数据，举例来说，一个客户想买房子到房屋估价网和贷款网站查看资讯，金融业者就可以得知客户要买房子，能在其他管道推播房贷的资讯，若客户申办程序只做到一半没有完成就离开，企业想要即时分析客户离开的原因，进而改善服务，Teradata除了提供企业客户路径分析、可视化沟通流程、模拟即时促销等功能，还可供企业导入第三方或内部的销售评分模型。
在未来发展策略上，大中华区首席执行长辛儿伦表示，Teradata有三大战略，第一，提供更多元化的数据分析能力，也就是包容目前既有的开源技术，将好的技术整合到Teradata的解决方案中，并且要求分析过程必须快速、敏捷。第二，Teradata也要培养专业的人员，归纳出有效的分析方法，并充分地与企业讨论如何运用数据提升业务；第三则是要提供企业更创新的客製化应用，评估新兴的技术并为企业打造符合企业应用场景的服务。
大家都很好奇到底哪一个产业最需要数据分析的能力？Peter Mikkelsen认为，数据分析已深植在每个产业中，但他预言，IoT将会开始影响所有的产业，由于目前IoT和感测器的产品众多，未来，每个企业都会需要分析IoT所收集的数据。而辛儿伦则补充，近几年许多产业都开始打造「客户生活周期管理」系统，包含金融业、航空业和零售业等，都从过去客户的生命周期管理转移到生活，意味着企业更积极地与客户互动，企图在第一时间产生即时的互动，不但可以提升客户体验，还可以增加新的销售管道，因此，他认为，数据分析是数位行销的关键，企业能够透过数据分析的技术，掌握客户过去和未来的需求，创造新的互动模式。
全球Top4技术长
?企业拥抱AI还有2大难题?
曾列为全球第4名的Teradata技术长Stephen Brobst认为，深度学习演算法大约就像8岁的小孩，要一直不断地给他资讯，从错误中不断学习，才能慢慢的归纳出一套法则。
面对近来AI技术的崛起，曾列为全球第4名的Teradata技术长Stephen Brobst认为，机器学习和深度学习在企业中的应用都还在很初期的阶段，许多企业高喊用AI技术，但其实，真正在数据分析的领域运用到AI技术的少之又少。
市场上AI技术如此火热，为什么真正採用的企业却不多？他认为，目前的AI技术还有两大问题尚未解决，第一，企业的资料科学家需要知道数据分析过程中，每个决策的原因，他将深度学习演算法比喻成黑盒子，资料科学家就是要透过数据分析，了解数据的前因后果，但深度学习的隐藏层则埋没了这些重要资讯，甚至，每次执行演算法所产生的隐藏层数量也不一样，让企业无法得到数据的洞察（Insight），他也补充，目前有许多顶尖的科学家正在开发可以看见每一层决策的类神经网路，若能解决这项问题，将会是企业能够採用深度学习的关键之一。
第二则是AI的技术中，不管是机器学习或是深度学习都需要非常大量的资料，但大部分的企业资料量是不足的，导致企业採用深度学习演算法的效果不彰，他比喻，深度学习演算法大约就像8岁的小孩，要一直不断地给他资讯，从错误中不断学习，才能慢慢的归纳出一套法则。
提到AI技术，许多云端大厂纷纷推出自家的服务，但是都得在云端上运行，AI技术的热潮是否也意味着企业将资料上云端是未来必然的趋势？依照Stephen Brobst的观察，其实不然，根据统计，「目前只有低于3分之1的企业将资料放到公有云，」大部分的企业因为有安全上的疑虑，多半将资料放在本地端或是私有云，他坦言，并不是所有的企业都适合用云端的服务，许多企业认为云端比较便宜，其实若是大规模的企业，拥有大量的数据，将资料上云端是十分昂贵的，但是，若资料量小，放上云端确实相对便宜。
虽然Stephen Brobst身为大数据仓储公司的技术长，他表示，他从来就不喜欢大数据这个用语，大数据就只是数据的一种，目前，数据已经不是只看量多大，而是要去研究如何分析多元结构的数据，由于目前许多数据来自不同的通道，像是网站的点击纪录、图片、影音等，包含了结构化、半结构化和非结构化的数据，甚至，还要结合政府的开放资料，例如天气、交通等数据，若企业要能将这些多元的数据，妥善的分析应用，是需要结合许多不同的方法和平台，这也是目前数据分析最具挑战的工作。
相关：
网络配图驾驶员们都有过这样的经历：红灯停车时，“丐帮弟子”拖家带口就过来骚扰了。一般都是拿着可乐杯，在你面前摇得“叮当”响。大多数人的第一反应是：赶紧摇上车窗。可是你知不知道，“丐帮”里最近出了朵奇葩
上海现奇葩乞讨者丐帮里最近出了朵奇葩！近日一则上海现奇葩乞讨者的新闻引发关注。驾驶员们都有过这样的经历：红灯停车时，丐帮弟子拖家带口就过来骚扰了。一般都是拿着可乐杯，在你面前摇得叮当响。大多数人的第一
上海现奇葩乞讨者，他专挑豪车下手，穿着邋遢、举止怪异、说话大舌头、疑似精神病人。要挟受害者给一百元钱，否则就掰断雨刮器。所幸，在掌握这名男子大致活动范围后，5月13日警方在外围形成布控，并通过视频巡逻密切
【上海街头现奇葩乞讨不给100元就拗断你的雨刮器】日前上海街头出现一种新的乞讨方式，乞讨者专挑奔驰，宝马等豪车下车，上前拦下车辆后一把抓住雨刮器威胁车主：不给100元就拗断它！有车主将身上所有零钱和交通卡扔
上海警方前不久破获一起侵犯公民个人信息案。4名犯罪嫌疑人全都是房产中介，在一笔交易中，犯罪嫌疑人就出售了公民个人信息10万条。今年4月份，上海市公安局民警发现，有人在qq群里出售小区业主资料。通过侦查，民警