互联多云数据平台公司Teradata(NYSE: TDC)今日宣布,Groupon正将其内部数据仓库迁移到云端的Teradata Vantage平台,即在亚马逊AWS云上交付“即服务”。在长期合作的基础上,如今Groupon选择借助Teradata天睿公司的云服务来实现数据分析生态系统的现代化,集中资源在创造业务价值方面,而非管理IT基础设施。
作为一个体验交易市场,Groupon在让消费者发现乐趣的同时也促进了当地企业的蓬勃发展。这种模式意味着顾客能够获得超值的、丰富的体验选择;也意味着商家能够通过与Groupon合作,轻松覆盖全球数百万消费者。Groupon拥有大约3,000万活跃用户,成交过超15亿笔交易,一直是探寻本地体验的首选平台之一。
Groupon首席技术官John Higginson表示:“通过云技术实现数据分析平台现代化,一直是我们正在推进中的技术堆栈现代化工作的重要组成部分。这不仅仅是灵活性、敏捷性和成本方面的最优化,更是商业价值的释放,具体体现为向我们在市场营销、销售、库存或财务方面的合作伙伴,提供推动其各自业务发展所需的工具和信息。”
“我们曾强烈考虑过迁移到不同的云数据平台,但很明显这样会导致从零开始大规模重建。对于Groupon来说,这样的技术转型确实存在机会成本,但权衡之下并不是一个很好的方案。我们意识到,要想达到迁移上云的目标,那么继续使用Teradata天睿公司系列产品,并转移到Teradata Vantage on AWS,是确保最大限度减少停机时间并保障大规模数据稳定性的速度最快、风险最低的方式了。”
借助Vantage delivered as-a-service on AWS服务,Groupon能够充分利用云技术的弹性和可扩展性,而不必以Vantage平台的性能降低或速度下降为代价,这项优势在管理混合工作负载之时尤为凸显。而通过在Vantage提供的安全稳定的环境中集成和优化其数据分析生态系统,Groupon将能够快速生成任务关键型结果,特别是在财务和市场营销这两个内部重点关注的领域。作为Groupon业务健康运转不可或缺的一部分,Teradata应用程序通过Vantage的统一数据基础,来确保包括Sarbanes-Oxley报告以及其销售和营销分析在内的数据干净、可管理、安全并值得信赖。
Teradata天睿公司业务发展高级副总裁、云计算总经理Barry Russell表示:“我们很高兴能与Groupon合作,将其工作负载转移到AWS云上的Vantage平台。众所周知,成本和性能是关键因素,特别是在稳定环境中执行大规模分析工作时,这两项因素的影响更为凸显。Groupon现在可以持续推进其关键业务和数字创新目标,并在关注成本效益的前提下管理其工作负载,同时着眼于可预测的增长。Vantage on AWS还支持他们挖掘整个生态系统(包括Hadoop)中的数据,以获得客户的完整和集成视图,推动实时、个性化洞察的产出。”
Teradata Vantage作为领先的多云数据分析软件平台,可通过统一分析、数据湖和数据仓库简化生态系统。借助Vantage,像Groupon这样的企业级公司可以消除孤岛,并始终以经济高效的方式查询其所有数据;无论数据位于何处,使用低成本对象存储的云中、多云、本地或任意组合中,客户都能获得完整的业务视图。通过将Vantage与第一方云服务相结合,Teradata天睿公司帮助客户通过深度集成特定的云原生服务来扩展其云生态系统。
由Teradata天睿公司赞助的“大规模云部署的经验和最佳实践”主题网络研讨会将于北京时间5月25日12:00-13:00举行,Groupon的专家届时将会出席研讨会并分享经验。此外,Gartner分析师Donald Feinberg、Groupon首席技术官John Higginson和Teradata天睿公司首席技术官Stephen Brobst将参加关于云部署成功战略的圆桌讨论会。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。