作为奥巴马总统（第一届任期）的创新与科技顾问委员会成员之一，Teradata公司首席技术官宝立明（Stephen Brobst）近日接受记者采访时分享了关于大数据未来趋势的观点。他认为，传统BI工具已经跟不上现在非结构化数据处理的需求，企业CIO在制定大数据新局势的IT策略时，最重要的还是要有新工具，同事需要提升IT人员的技能。且CIO在投资上，不只是要搜集大量的数据，还要培养一群数据科学家，来分析、萃取大量数据中的价值。

根据您的观点，是否意味着企业需要更多的投资来购买新工具?

宝立明：我不认为金钱可以解决所有问题，有时金钱是买不到技术的，培训员工也不完全只靠金钱，而现在有很多结合开源的解决方案是不需要购买的。

传统企业有时会避免使用开源方案，通常直接购买现成的企业解决方案来使用。

我认为，忽视开源解决方案的CIO不能算是成功的CIO。但这并不代表需要用开源取代所有的解决方案，企业应该要找到一个同时包含开源和商业解决方案的生态系统（Eco-System），而CIO再从中找出符合现状的做法。

CIO在一个新的项目中，若还是使用传统的方式，而非开源方案，企业就应该要开除这个CIO，因为在新的项目中，CIO都应该要考虑开源的解决方案，而非使用传统企业专属且限制很多的方案。

对于数据价值该如何量化与评估？

宝立明：数据必须要萃取或分析才会有价值，而在过去的经济型态，人们多数竞争都以资本投资规模做为比较基准，多数都投资在机器采购，但是这些机器只有在生产产品的时候才会创造价值。

但今天经济型态的竞争不再是以机器数量及生产量为基准，而是在于数据量的多少，以及如何使用大量数据的成果，所以CIO规划IT投资时不能只是搜集大量的资料，还要培养一群数据科学家，来分析、萃取大量数据中的价值。

有一种评估数据价值方法是业务影响模型（Business Impact Modeling）可用来衡量企业能力结合所拥有的数据后能产生的价值，例如记录企业销售能力或留客能力的数据，将这些数据整理成一个能力特性和数据类型的比较矩阵。因为同样的数据在不同的使用情境或业务流程上可以产生不同的作用或产生不同的价值。可利用机会矩阵（Opportunity Matrix）来反应不同数据在不同使用情况下有机会创造的价值，作为调整计算数据价值的重中之重。利用机会矩阵的作法，企业可以有系统性地规画大数据的商业策略。

我认为，数据的价值是可以量化的，但不同数据所产生的价值，则需要主观来判断数据所对应的价值，做为重要分配的参考，西北大学提供的机会矩阵方法可以是起点，但是企业还得依自己的需求或市场现状量身调整。  

Teradata提倡的统一数据架构（UDA）能否支持非Teradata的产品或技术？

宝立明：统一数据架构除了支持Aster数据库外，也支持开源技术Hadoop和R语言等，以及其他厂商如SAS和Oracle数据库、MongoDB等。 为满足用户的需求，Teradata也已经推出统一资源连结（Unity Source Link），可以让Teradata数据库的用户直接读取（Read）、合并（Join）来自外部的数据库。