现在，全球电信行业从语音转向VoIP和数据流量经营，已是标准的数据爆炸式演进路线。用户使用行为分析还包括网络系统行为分析，在电信网络中，数据包的行为是有特殊性的，所以全球许多电信公司正在分析自己的虚拟网络，它的行为是如何与新一代的设备、新一代的终端以及应用程序发生互动的。

Ratzesberger称：“根据我过去十多年的工作经验，我感觉到CMOs以及其他营销人员，他们最关心的是如何从交易分析转向用户体验分析，这个转型也直接推动了企业CMOs和其他营销人员必须采纳更新的技术，更好的对于客户体验进行深入分析。”

比如eBay的转型，2005年之前重点是交易型分析上，即纯粹对客户购买交易的数据进行分析，其中包括所购买的产品、产品所属的类别以及客户群细分和按照地理信息所做的客户细分。2005年以后，eBay越来越重视客户行为分析，因为他们已经认识到一次交易的完成并不是全部过程，客户与eBay的互动有很多层次，有必要对客户和客户家庭进行整个生命周期的完整分析。通过交易之后的电子邮件、呼叫中心甚至社交媒体都将构成客户行为的全貌。

数据分析的几大演变

Ratzesberger强调，在交易分析转向行为分析的趋势中，前者对于任何一家企业来说，都是基本功，要在交易分析的基础上，再发展行为分析，这两者不是互相替代的关系，而是互补的关系。当然用户使用行为和体验分析的一个特殊性在于，其数据量要比交易分析数据量超出十倍甚至上百倍，这要求CMOs和营销人员必须注重新的建模方式、新的算法来支持用户行为分析。

他说：“对大数据技术本身的演变，我想做出一个结论，就是可伸缩性是大数据的重要特征，因为高度的可伸缩性，能够帮助客户来集成海量数据。企业在海量数据的条件下，更需要寻找协作式的平台，使得每一个人都能自助式的、协作式的开展分析工作，这意味着企业内部人员和外部用户之间的打通越来越重要。”

基于此前在eBay工作多年的经历，Ratzesberger再一次以eBay为例解释了他的观点： eBay在使用大数据集中平台后，新员工入职后通常要花数月时间才能真正理清大数据及其背后的意义。但在2010年eBay在内部推出DataHub内部协作式网站，帮助员工分享大数据分析和使用心得，相关规律，哪些是分析较多的数据集，哪些是内部员工使用较多的算法，这是一个内部协作式的工作方式，可以更高效的帮助新员工更快投入工作。

辛儿伦补充说，不管厂家还是教学单位，以往的数据分析更多的是在关系型的数据结构领域去分析，这并不是说，以前的业务部门没有半结构化数据或者非结构化数据的分析需求例如客户服务文本记录、 网络日志、 生产线机器生成数据等，只是以前没有有效的工具或是平台帮助他们快速地做这类数据分析。

过去几年，很多研发单位和研究机构，用开源技术处理非关系型、非结构化或者半结构化的数据，随着开源技术的使用，许多厂家开始结合这方面的技术，整合到他们传统的领域当中，使之有能力帮助客户分析更多元化的数据，甚至包括图像、社交网络日志等，还有怎样更快、更精确的去分析一些场景，比如指纹分析，现在可以使用更好更有效的技术去迎合这方面的需要。

Teradata的竞争优势

辛儿伦补充说，在数据学领域，主要有两大焦点，一类是在操作型应用的数据和信息，使用的需求是交易型的，比如对数据的输入、数据的更新，属于少量数据快速的进行数据交互；另外一类是数据分析型，能够协助企业在运营业务时，第一时间了解他们相关的业务，比如发生了什么，为何会发生，将要发生什么事情，或正在发生什么事情，协助企业培养更精细化管理的能力。

Teradata在过去的38年来，长久专注的是第二类——数据分析领域。

Ratzesberger称，Teradata的优势是能够给客户提供高度可伸缩的并行处理能力。