Виммер провел аналогию с лягушкой, которая выпрыгнет и спасется, если ее бросить в горячую воду, но погибнет, если воду с лягушкой медленно нагревать. Для сохранения жизнеспособности компаниям нужна немедленная цифровая трансформация.

За последние несколько лет мир радикально изменился: все отрасли эволюционируют в сторону большего использования окружающих данных. Apple Watch неожиданно становятся «умными» конкурентами для легендарных швейцарских часов, а смартфоны – для банков. Как следствие, данные превращаются в стратегический актив. Компаниям нужна в буквальном смысле аналитическая фабрика, способная поддержать их потребности в информации.

В Teradata планируют интегрировать все существующие и будущие решения в единую аналитическую экосистему, создав лучший в своем классе инструмент для анализа всех видов данных. При этом озвучиваются три стратегические цели проводимых работ: простота, выбор и гибкость. Под простотой понимается доступность решений для широкого круга пользователей, так называемая «аналитика с человеческим лицом». Выбор подразумевает наличие разных инструментов для анализа различных категорий данных и решения различных бизнес-задач, а гибкость – широкие возможности внедрения, включая облачную модель.

Компания достаточно активно ведет себя на рынке. Среди ее последних приобретений за 2014 год числятся Revelytix, занимающаяся управлением данными, Hadapt — разработчик решений для Hadoop, а также консалтинговая компания Think Big, специализирующаяся на проектах Больших Данных. В рамках форума были анонсированы два решения: Think Big Dashboards Engine и комплекс Data Warehouse Appliance 2800. Первое позволяет быстро формировать отчетность с использованием информации из «озер данных» на базе Hadoop, а второе реализует потребности в скоростной аналитике с помощью обработки данных в оперативной памяти.

Большой интерес вызвали выступления на конференции нескольких крупных заказчиков Teradata.

«Сопоставление внутренних и внешних данных порождает взрыв информации», — отметил Суреш Пиллай, глава департамента клиентской аналитики eBay. По его мнению, именно так и появляются Большие Данные, позволяющие компаниям изучать наблюдаемые тенденции.

Разумеется, успех интернет-ретейлера определяет «последний клик», приведший к покупке, однако компанию должен интересовать весь путь покупателя, который также полон интереснейшей информации. Иногда в поисках причинно-следственных связей приходится опускаться на уровень кликов, разбираясь в истории покупки. Аудитория eBay так широка и разношерстна, что концентрироваться на какой-либо ее части нельзя. Надо работать со всеми, но по различным правилам, определяя значимые для каждого сегмента факторы.

Как подчеркнул Пиллай, Большие Данные позволяют дойти в персонализации предложений до каждого конкретного клиента, отслеживая ключевые события в их жизни. Например, «не заметив» у человека рождения ребенка, компания теряет массу возможностей для дополнительных продаж и обеспечения его лояльности.

Обычно компании строят модель оттока клиентов, несложно оценить и вероятность продажи товара конкретному клиенту. Но гораздо труднее выстроить систему рекомендаций, «угадав» готовность клиента сделать покупку продукта другой категории. Эта задача в eBay успешно решается с помощью машинного обучения. Однако, предупреждает Пиллай, доверить машине абсолютно все нельзя, работа для эксперта всегда найдется. «Думая о науке, не забывайте об искусстве», — призвал он.

Испанскому филиалу Vodafone аналитические технологии помогли завоевать более твердые позиции во время передела рынка. В 2012 году начался «конвергентный бум» — массовый рост рынка конвергентных услуг, создав для компании немало проблем. Занимая хорошие позиции в мобильном сегменте, она не могла то же сказать об охвате клиентов фиксированной связью. Одним из шагов на пути исправления этой ситуации стало поглощение компании Ono, специализировавшейся на проводных соединениях, и последовавшее слияние клиентских баз.

«Главной целью усилий стало сокращение оттока при одновременном повышении ценности клиентов. Это потребовало скоординированной работы нескольких департаментов», — сказал Франсиско Азорес, руководитель департамента по управлению ценностью клиентов Vodafone Spain. Для заполнения пробелов в собственных знаниях использовались данные из трех внешних источников. При этом критически важно было рассматривать информацию о клиентах в контексте семьи – именно это давало возможности поддерживать продажи конвергентных услуг. Далее производилась сегментация домохозяйств, после чего формировались маркетинговые кампании, жизненный цикл которых был полностью автоматизирован. Новые тарифы с включенным контентом помогли стабилизировать ценность клиентов и радикально сократить их отток.

Как признал Азорес, гораздо большего эффекта можно достичь, если объединить клиентские данные с информацией об их текущем местоположении, – это даст возможность предлагать принципиально новые сервисы. Пока весь вопрос в том, чтобы получить от клиентов разрешение использовать подобные данные.

Выяснилось, что не все данные одинаково полезны, а для ответа на вопросы типа «что было, что есть и что будет», возможно, и не потребуются огромные хранилища, в реальном времени аккумулирующие все поступающие из различных источников неструктурированные сведения. Григорий Каневский, архитектор решений Teradata Aster, представивший решения компании на недавнем форуме Big Data 2015, организованном издательством «Открытые системы», рассказал о своем видении аналитики Больших Данных.

- В названии вашего доклада упоминается аналитика с человеческим лицом, что под этим подразумевается?

Основная цель процесса анализа в Aster, включающего сбор, распределение, обработку данных и визуализацию результата, – создание ценности для бизнеса, что в конечном счете означает формирование такого представления информации, которое может быть использовано для принятия решений. Анализ эффективен, когда его проводят не узкие специалисты в области математики, ИТ, бизнеса или в конкретной прикладной области — роль аналитика требует баланса знаний, способности соединить их для постановки задачи и обнаружения закономерностей. Такой специалист, исследователь данных (data scientist) не может знать все, но должен уметь поставить вопрос и получить ценный для бизнеса результат даже при отсутствии информации о структуре или закономерностях анализируемых данных. Иначе говоря, он должен «чувствовать» данные, которые визуализируют средства аналитики.

- Какие средства для этого предлагает ваша компания?

Для поиска ценности в данных предназначена платформа Teradata Aster, реализующая стратегию компании по интеграции всей продуктовой линейки, включающей уже не только традиционные хранилища данных, построенные по принципу «сначала собрали данные, потом записали в одну базу, затем долго хранили и потом, может быть, средствами SQL получили результат». Сегодня речь идет об анализе в динамике, об обработке в реальном времени и о многообразии источников, тесная интеграция которых выполняется с помощью технологии QueryGrid, позволяющей применять один SQL-запрос ко множеству баз и хранилищ как от Teradata, так и от других производителей, а также к кластерам Hadoop. Вместо перемещения данных в QueryGrid сами запросы перемещаются в целевые хранилища и там выполняются.

Такие инструменты позволяют пользователям с любым уровнем подготовки в области программирования, и в частности SQL, работать со сколь угодно большими массивами сырых данных. В конечном счете все данные имеют ту или иную структуру, другое дело, что она неочевидна или неизвестна, а прежде чем браться за анализ, требуется четко представлять, зачем это нужно бизнесу. Разумеется, какая-то подготовка по SQL или языку R полезна; вместе с тем в Aster есть фреймворк AppCenter, который позволяет из готовых блоков, скрывающих от пользователя сложность алгоритмов, создавать веб-приложения для решения конкретных аналитических задач. Такие блоки-ускорители поставляются уже настроенными для различных отраслей (телеком, банки, розничная торговля, индустрия развлечений, здравоохранение и т. д.). Бизнес-пользователи, не знакомые с SQL и не обладающие опытом программирования, с помощью таких веб-приложений могут проводить анализ по выбранным параметрам и получать ответы в виде обнаруженных скрытых связей, оценок лояльности клиентов, ключевых сегментов потребительской аудитории, лидеров мнений, влияющих на принятие решений.

- Есть мнение, что не все данные одинаково полезны...

Инструментарий Teradata Loom позволяет фильтровать массивы сырых данных с нечеткой структурой, «обогащая» их и готовя для анализа. Loom пытается определить структуру файла и помогает аналитику выполнить необходимые преобразования, применяя математические, строковые и другие операции. Тем самым удается выделить из разрозненного массива входящих файлов именно те данные, которые содержат полезную информацию и пригодятся для дальнейшего анализа.

- Какой уровень зрелости бизнеса необходим от клиента Aster?

Уровень, когда представители бизнеса начинают понимать, что можно извлечь ценность из имеющихся данных; обычно это средний или крупный бизнес – компании, имеющие опыт разработки и развития доморощенного аналитического решения и обнаруживающие, что больше вкладывают в него, чем получают взамен. Именно бизнес, ориентированный на результат, заинтересован в применении платформ наподобие Aster, когда оказывается, что собственных ИТ-решений уже недостаточно. Однако следует учесть: развертывание и эксплуатация подобных платформ – это серьезный проект, часто требующий перемен в бизнесе.

Чтобы определить готовность потенциального клиента к пилотному проекту, мы предлагаем ему список из 15 пунктов. Ключевые вопросы — откуда берутся данные, насколько они доступны, есть ли возможность масштабировать источники и инфраструктуру ИТ, поддерживающую их обработку, как распределены данные. Ответы на эти вопросы должны показать в цифрах, какую выгоду получит клиент и за какое время. На всю эту, по сути, консультационную деятельность уходит в среднем от двух до четырех месяцев. Часто оказывается, что потенциальный клиент не может ответить на все вопросы, и тогда не только становится очевидным сам факт неготовности к переменам, но и выявляются факторы, препятствующие этим переменам. К сожалению, люди часто думают, что аналитические платформы, предлагаемые им, — это волшебная палочка. Но успех проекта не в волшебстве, а в реальном взаимном сближении производителя аналитической платформы и заказчика. Мы, конечно, предоставляем профессиональный сервис, но решить все проблемы без понимания особенностей конкретного бизнеса невозможно, а потому компании должны выращивать собственных специалистов по анализу данных.

Эксперты определились с терминологией, затем пришло время обсуждения применимости тех или иных технологий для решения бизнес-задач. Взгляды компаний становятся все более взвешенными, и тема направлений развития технологий Больших Данных приобретает все большую актуальность.

«Сейчас данные в большинстве случаев молчат, но хотелось бы, чтобы они сами говорили», — заявил Алексей Благирев, директор по развитию систем аналитики и отчетности банка «Открытие», в рамках форума Big Data 2015. Нынешние подходы к работе с данными по-прежнему подразумевают «озарение» аналитика, позволяющее перейти к конкретным действиям.

Сейчас основными пользователями Больших Данных являются представители профессии data scientist, которая еще не успела обзавестись устойчивым русскоязычным названием, однако смысл ее определился. Главное качество таких специалистов – умение задавать правильные вопросы к данным. Они должны обладать сбалансированными знаниями сразу в трех областях – математике, программировании и отраслевой бизнес-проблематике, а также иметь развитое воображение и способности к визуализации получаемых результатов. Очевидно, что дефицит таких людей и их дороговизна являются вполне естественными. По выражению Григория Каневского, архитектора решений Teradata Aster, компаниям нужна «аналитика с человеческим лицом» — решения, направленные на широкий круг пользователей, позволяющие максимально интегрировать аналитические системы в бизнес-процессы.

Павел Миронов, директор департамента по работе с предприятиями энергетического сектора компании «Эр-Стайл», уверен: громадный объем информации можно переработать, только обладая способностью к ассоциативному мышлению, проведению аналогий. Именно благодаря технологиям Больших Данных есть возможность двигаться к автоматическому управлению производственными процессами. При этом можно обходиться без участия человека, особенно если речь идет о тяжелых и вредных условиях. Главное – достичь необходимого качества данных.

Желоб разочарований

По мнению Сергея Карелова, председателя совета Лиги независимых экспертов, на рынке Больших Данных произошла кардинальная смена повестки: наблюдается определенный скепсис относительно технологий, возникший из-за несовпадения ожиданий и реальности. На кривой зрелости технологий, предложенной Gartner, Большие Данные уже прошли «пик завышенных ожиданий» и сейчас постепенно скатываются по «желобу разочарований».

«Только поняв и осознав причины наших заблуждений, мы сможем остановить скатывание по этому желобу, которое будет продолжаться еще пару лет», — подчеркнул Карелов, согласно прогнозам которого 60% проектов Больших Данных не пойдут дальше пилотной стадии.

По словам Рината Гимранова, начальника управления ИТ «Сургутнефтегаза», вопрос не в том, как не попасть в 60% проектов-неудачников, а как вообще в ближайшее время «избежать» Больших Данных. Он уверен, что сейчас для предприятий гораздо важнее — добиться актуальности используемой информации и «свертывания», то есть максимального упрощения ИТ-архитектур. В решении этих двух задач помогут технологии обработки данных в оперативной памяти (in-memory).

«У нас функционируют 29 систем, и мы хотим, чтобы они работали на базе максимум двух СУБД. Например, хранилище данных и ERP будут являться частью единой системы», — заявил Гимранов.

Сергей Золотарев, глава Pivotal в России и СНГ, согласился, что технологии, работающие в памяти, становятся новой парадигмой построения информационных систем – от реализации отдельных баз данных до полного использования in-memory в качестве платформы для всех приложений. Их применение поможет сократить разрыв между ожиданиями бизнеса и возможностями ИТ.

«Детсткие болезни» Больших Данных

Как отметил Святослав Сухов, директор дивизиона EMC Isilon в России и СНГ, ажиотаж, возникший вокруг Больших Данных, постепенно спадает. Так или иначе, по данным Gartner, лишь 13% компаний заявляют о реализации связанных с ними проектов. Треть компаний находятся на этапе разработки стратегии и сбора информации и еще примерно столько же проводят пилотные проекты.

Для сферы Больших Данных характерны «детские болезни», обусловленные незрелостью технологий. «Существует достаточно много инструментов, но проверенных на практике, стандартизованных методик пока не хватает», — признал Евгений Степанов, менеджер по продажам решений HP Big Data в России. Чтобы понять, какому именно подходу следовать, надо уяснить, какими данными компания обладает, сколько денег тратит на поддержку существующих систем, насколько эффективно решает поставленные задачи.

Илья Гершанов, руководитель направления Больших Данных компании Informatica, подчеркнул, что многие заказчики уже нащупали круг задач, которые можно решать с помощью Больших Данных, определился и спектр доступных технологий. По его мнению, сократить достаточно высокие риски и сроки проектов поможет использование поставщиками заготовок – «типовых» проектов Больших Данных для поддержки бизнес-инициатив.

Самым наглядным примером использования Больших Данных становится клиентская аналитика. Люди — один из самых ценных источников Больших Данных. Как признал Николай Кацан, руководитель направления IBM по решениям в области управления информацией, анонимность в Сети иллюзорна, и всесторонний анализ данных о клиентах позволяет узнать о них многое – возможно, даже больше, чем те хотели бы.

«Большие Данные начинаются тогда, когда к внутренним данным компании добавляются внешние источники. Так данные превращаются в стратегический актив», — заявил Анджей Аршавский, директор Центра компетенции супермассивов данных «Сбертеха». От применения технологий Больших Данных напрямую зависит прибыль банков, поэтому необходимость их использования уже не обсуждается. При этом, по словам Аршавского, 70% работ в аналитических проектах связано с приведением данных в порядок — их очисткой и интеграцией. Кроме того, для удобства анализа данные зачастую требуют реинжиниринга и переформатирования. Все это отнимает много времени и является одной из причин разочарования в Больших Данных.

«За хранилищем данных нужно следить, иначе оно превратится в помойку», — согласился Егор Осипов, эксперт направления «Хранилища данных, аналитика и Big Data» компании «Крок». Миграция отлично помогает санации данных. Хорошим поводом для этого становится начало проектов Больших Данных.

Не теряет актуальности и проблема масштабирования. Как отметил Дмитрий Толпеко, руководитель направления «Хранилища данных и Big Data» компании EPAM Systems, зачастую в хранилища поступает так много данных, что обрабатывать их в разумные сроки не представляется возможным. В этом случае кластеры Hadoop становятся не заменой традиционных хранилищ, а скорее их дополнением, в отдельных ситуациях – даже спасением.

«Hadoop – не панацея, классические аналитические задачи следует решать другими способами. Hadoop силен в анализе неструктурированных данных, тогда как обычные задачи лучше доверить традиционным хранилищам», — предупреждает вместе с тем Сергей Сотниченко, руководитель управления хранилищ данных и отчетности банка «Тинькофф Кредитные Системы».

Облака для Интернета вещей

«Уже в недалеком будущем основной поток информации будет поступать не от людей, а от устройств, встроенных в бытовые приборы», — высказал мнение Николай Местер, директор по развитию корпоративных проектов Intel. По его словам, это и будут «настоящие» Большие Данные. Организациям придется понимать, как из них извлекать пользу, создавая принципиально новые сервисы: по прогнозам Gartner, к 2020 году около 80% своей прибыли компании будут получать от услуг на основе анализа данных. Однако, если информацию не получится обрабатывать в режиме реального времени, ее ценность, равно как и построенных на ней сервисов, будет резко падать, ломая экономику бизнеса. Таким образом, жизнеспособность многих будущих бизнес-моделей окажется в зависимости от производительности построенных ИТ-решений.

На рынке побеждают продукты, которые дешевле и проще. В случае с Большими Данными это облачные системы.

«Компании будут вынуждены учиться анализировать собираемую информацию, и облако сильно упрощает этот путь», — уверен Дмитрий Марченко, директор департамента Microsoft Cloud Enterprise. Операторы облачных решений быстро наращивают свои вычислительные мощности, а их ЦОД покрывают все большую площадь, становясь все ближе к заказчикам. Как считает Дмитрий Шемякин, старший системный инженер Infinera, для дальнейшего развития возможностей облачных систем очень важно обеспечить необходимую емкость каналов между площадками – транспортной сети для связи между ЦОД.

«Технологии повышают прозрачность управления, и это означает огромные перемены для страны. Вы должны помнить, что, как только переходите к технологиям Больших Данных, вернуться назад уже не получится», — говорит Тарик Малик, долгое время возглавлявший Национальное агентство по управлению базами данных и регистрациями граждан Пакистана (National Database & Registration Authority, NADRA), а ныне старший консультант по ИТ в госсекторе компании Teradata. Малик знает, о чем говорит: используя интегрированный подход к сбору данных и управлению ими, он не только создал одну из крупнейших в мире биометрических баз данных, но и обеспечил абсолютную достоверность и полноту информации о гражданах.

В 2012 году Малик был удостоен награды «CIO года», а в 2013 году Пакистан наградил его «Звездой непревзойденного мастерства» — высшей наградой в области технологий за вклад в улучшение государственного управления. В ходе встречи, организованной Teradata, Малик рассказал о своем опыте построения всеобъемлющего хранилища данных о гражданах, позволившего стране решить множество задач.

Малик пришел в NADRA в 2008 году. Тогда это была дышащая на ладан организация, у которой совершенно не было ни денег, ни четкого руководства; претендентов на роль руководителя тоже в общем-то не было. Сейчас же NADRA — одна из самых эффективных организаций в Пакистане. Прежде всего, такой успех стал результатом очень удачного проекта по построению единого хранилища данных о гражданах. Информационные услуги, предоставляемые на его основе, стали весьма востребованными внутри страны, а накопленный опыт по построению хранилищ данных используется правительствами других государств.

«Наш успех во многом стал следствием того, что мы придерживались интегрированного подхода: данные, получаемые от других агентств и прочих органов власти, мы смогли объединить и эффективно использовать», — подчеркнул Малик.

Перед организацией стояли очень амбициозные задачи. Ее руководство понимало, что если оно хочет способствовать созданию эффективного правительства, то столкнется с определенными вызовами. При этом было очевидно, что обеспечить потребности власти и общества можно только с помощью анализа имеющихся данных. Речь идет именно о Больших Данных, хотя на тот момент такого термина еще не было. «Дело не только в объемах, хотя они действительно огромны. В данных важен не размер, а их ценность», — подчеркнул Малик.

Как извлекать пользу из данных? В первую очередь их надо научиться интегрировать и анализировать – собирать из различных источников, объединять и получать желаемый результат. Естественно, чем активнее ведется анализ, тем быстрее растет ценность его результатов. Проанализировав данные, можно докопаться до сути любой проблемы и преобразовать результаты анализа в решения.

«Черная метка» для мошенников

Основой создаваемого хранилища стали собственные данные NADRA. Организация имеет более 500 стационарных и более 200 мобильных офисов, в любой из которых граждане могут обратиться для получения паспортов, идентификационных карт, водительских прав, свидетельств о браке, рождении и смерти и прочих документов. При регистрации граждан собираются их биометрические данные и цифровые фотографии. Все это позволило создать одну из крупнейших биометрических баз данных в мире, основанную на технологиях Teradata.

Это был очень долгий процесс: система управления идентификационными данными разрабатывалась с нуля, в процессе ее создания собиралась и вся необходимая информация о гражданах. При построении системы был принят интегрированный подход. Ее основу составили три ключевых компонента: первый отвечал за обработку отпечатков пальцев, второй – за обработку цифровых фотографий и распознавание лиц, третий – за обработку общей информации.

Источников информации очень много – это могут быть как различные государственные ведомства, так и коммерческие структуры. Тем не менее все полученные сведения объединяются в едином хранилище. Что крайне важно, вся информация о гражданах помещается в контекст их биографии и родственных связей. Такая целостность данных не позволяет гражданам обмануть государство.

«Например, мы всегда тесно сотрудничали с телекоммуникационными компаниями. Если сотовый оператор выдает SIM-карту, в первую очередь проверяется, что за человек ее использует», — подчеркнул Малик. Конечно, это очень помогает в борьбе с терроризмом, так как мобильные устройства сейчас используются не только в качестве инструмента общения, но и как средство дистанционного подрыва.

Собранная информация ложится в основу множества систем государственного уровня – например, системы пограничного контроля и национальной безопасности. Благодаря такому подходу было предотвращено более 500 терактов – это гораздо больше, чем число успешных попыток, информация о которых попадает в СМИ.

Собранные NADRA данные находят широкое применение и вне государственных организаций. Например, к ним обращаются банки при открытии счетов, чтобы убедиться, что человек является именно тем, за кого себя выдает, и попутно оценивают его как клиента. Стало уже общепринятым, что в процессе практически любых действий информация о человеке запрашивается из центральной базы.

Интеграция данных позволяет вскрыть многие факты мошенничества. Более того, если какой-то человек пытается обмануть систему (например, предоставляя недостоверные данные при открытии банковского счета или получении визы), информация об этом безнадежно портит его историю — человек фактически заносится в черный список, что ухудшает его дальнейшую жизнь.

«Благодаря тому что мы смогли объединить усилия всех агентств и правительственных учреждений, мы очень усложнили жизнь мошенников. Без совместных действий эта задача была бы невыполнимой», — уверен Малик.

Цифровая прозрачность

Не менее значимыми стали результаты работы NADRA в социальной сфере. Полная информация о гражданах позволила значительно оптимизировать работу с социальными выплатами, исключив многие коррупционные схемы.

Большой проблемой в Пакистане традиционно был сбор налогов. В стране с населением более 180 млн человек только 800 тыс. граждан платили налоги. Вполне логичным решением NADRA стало проведение аналитики по доходам граждан и оглашение результатов в парламенте. Эта история стала весьма громкой и даже получила освещение в CNN.

«Мы не преследовали цель влезть в чью-то личную жизнь, но собрать данные о людях, которые должны платить налоги, было чрезвычайно важно. Заодно следовало показать парламенту, что министерство, отвечающее за сбор налогов, работает крайне плохо. Естественно, что после этого доклада я столкнулся с определенными проблемами», — вспоминает Малик.

Последний проект Малика в роли руководителя NADRA был связан с корректировкой списка избирателей в 2013 году. Всех людей, приходивших на избирательные участки, сотрудники агентства фотографировали и собирали их отпечатки пальцев. Таким образом, была получена реальная информация о проголосовавших.

После подсчета голосов оппозиционные партии попросили NADRA провести аудит выборов. Во время проверок была выявлена масса нарушений, вплоть до уникального случая, когда один мужчина проголосовал более 3 тыс. раз на участке, предназначенном для женщин. Это был скандал национального масштаба, после которого Малику пришлось не только покинуть должность, но и уехать из страны, беспокоясь за безопасность семьи.

«Россия сможет справиться с любыми проблемами, если позволит данным говорить за себя. Этот подход уже доказал свою эффективность», — убежден Малик. Только с помощью интегрированного подхода к управлению данными государство может обеспечить полную прозрачность своей работы – улучшить избирательную систему, бороться с коррупцией и бедностью, оптимизировать банковскую систему, повысить уровень безопасности.

По словам Криса Тугуда, команда Thing Big накопила значительно количество интересных проектов. Источник: Teradata

Teradata покупает уже третью короткий срок компанию, специализирующуюся на Больших Данных. На этот раз в область ее интересов попала консультационная фирма Think Big Analytics.

Поглощение Think Big укрепит мощь консультационного подразделения Teradata, насчитывающего уже 5 тыс. человек, и объединит его с командой инженеров, архитекторов и специалистов по данным, которые сегодня занимаются многочисленными дистрибутивами Hadoop, базами данных NoSQL и непосредственно связанными с Hadoop проектами с открытым кодом, такими как Hive и Spark.

«Компания Think Big была образована примерно четыре года назад и сегодня имеет достаточное число проектов», – сообщил вице-президент Teradata по маркетингу продуктов и сервисов Крис Тугуд.

Сделка между Teradata и Think Big была закрыта 29 августа, сумма ее не разглашается. По словам основателя и президента Think Big Рика Фарнелла, который сохранит свою должность и в Teradata, в компании сейчас насчитывается около ста сотрудников.

«Все торговые марки, принадлежавшие Think Big, будут сохранены, – отметил Тугуд. – Мы намерены поддерживать и развивать этот бренд».

Помимо высококвалифицированного персонала компанию Teradata привлекла операционная модель Think Big. Консультанты Think Big выезжают непосредственно к клиентам и там вместе с местными специалистами продумывают идеи для своих проектов.

Написанием программного кода сотрудники Think Big занимаются в своем офисе в Солт-Лейк-Сити. Его удобное местоположение позволяет сократить продолжительность полетов к клиентам, которые находятся главным образом в США.

Think Big придерживается методологии скорой (agile) разработки, разбивая большие проекты на отдельные итерации. Продолжительность цикла проектирования составляет шесть недель. Такой срок выбран не случайно. «Разработка длится больше месяца, поэтому у вас есть возможность сделать нечто достаточно значительное, – пояснил Фарнелл. – При этом цикл оказывается короче квартала. Это очень важно, потому что руководство, финансирующее инновации, имеет возможность оценить результаты до завершения отчетного периода».

В настоящее время Teradata ограничивает сферу бизнеса Think Big масштабами Северной и Южной Америки, но в дальнейшем планируется более широкая международная экспансия. Для этого консультанты Teradata будут направляться на обучение во внутреннюю академию Think Big.

Нынешняя сделка стала уже третьей для Teradata за последние несколько месяцев: в июле были приобретены компании Revelytix и Hadapt. Специалисты Revelytix разрабатывают для Hadoop среду управления метаданными, а Hadapt предлагает инструменты, которые позволяют программистам, знающим SQL, применять этот широко распространенный язык и при работе с Hadoop.