雪花怀疑者对数据仓库进军金融服务的尝试表示保留

基于云计算的数据仓库darling Snowflake已经在金融服务领域发起了最新的冒险，而Teradata，银行和保险公司数据仓库的坚定支持者，正试图通过机器学习实现来扩大其吸引力。

据业内人士和行业专家称，尽管世界一直关注雪花的飞速崛起——它的价值从2018年的15亿美元上升到去年IPO后不久的1200亿美元——但它可能难以打入利润丰厚的金融服务市场。

所谓的云原生数据仓库业务本周推出了它称之为金融服务数据云的产品，并声称该行业57%的财富500强企业都在其平台上。它被描述为一个行业定制平台，将雪花技术与“合作伙伴交付的解决方案”和“行业关键数据集”结合在一起

该公司表示，其想法是金融服务公司利用it来帮助推出新的以客户为中心的产品，通过将所有数据都放在平台上，这一过程变得更加容易。

Snowflake表示，公司将能够使用内置的安全和治理功能在数据项目上进行协作。功能包括多个公共云的私有连接、使用自带密钥（BYOK）的增强加密、敏感数据的内置分类和匿名化，以及根据SOX标准与第三方令牌提供商集成。

该平台能够跨多个公共云安全地共享数据，并支持从多租户环境共享数据。数据目录设置为通过Alation提供。与此同时，合作伙伴提供了一系列功能，包括投资管理公司贝莱德（BlackRock）的阿拉丁数据云（Aladdin Data Cloud）——一个雪花驱动的系统，旨在帮助投资经理更多地利用数据——SI认可、数据集成平台Dataiku和德勤。

Snowflake veep的马特·格利克曼（Matt Glickman）表示，该公司的平台正在成为金融服务领域“传统和替代数据集的目的地”，而第三方技术机构也在帮助客户利用该系统构建新的服务。

他还声称，与服务公司合作，金融服务业的客户正在“将越来越多的关键生产工作投入雪花”

这可能会让一些警惕云的观察家感到惊讶。一位在金融服务业从事数据仓库系统工作多年的业内人士表示，银行和保险公司正努力寻找将其受信任的on-prem系统迁移到云端的原因，因为安全、性能和成本仍然是个问题。

虽然Teradata在金融服务领域建立了声誉，将汇丰银行和劳埃德银行列为其客户之一，但Snowflake在支持该市场核心工作负载方面还是个新手。

知情人士说，Snowflake每个集群可以处理8个并发用户，这意味着当系统增加更多用户时，成本会增加。

雪花同意分享是件好事。。。在其平台上，而Databricks则选择了一种更加独立于供应商的方法

Snowflake的目标是Java和Scala开发人员，很快也会在Python之后滑落

Teradata客户表示，恐怖是指在双方都外包给IBM的基于现场的硬件支持

Teradata能否避免因prem遗留问题而停滞不前？实际上，它有助于避免令人讨厌的云计算成本，首席执行官说

在Teradata中，“虽然目前的系统在吞吐量、计算和存储方面都是已知的有限容量，但这是一个有保证的已知成本。成本的不可预测性给人们（使用雪花）带来了巨大的冲击，因为他们不仅无法解释本月的账单，而且不知道下个月的账单会是什么。”他说。

此外，金融服务业的技术团队怀疑Snowflake是否有什么新功能可以提供，因为它是基于关系数据库的。知情人士说：“没有回旋的余地来推动最新技术的发展。”。

尽管Snowflake在登机和数据共享方面有所帮助，但它并没有解决真正的问题。“在本次发布中，什么是技术使能器？正在发挥作用的新IP是什么？”他问道。

一家全球技术研究公司的一位不愿透露姓名的分析师同意，斯诺弗雷克正在努力侵入金融服务业的核心企业数据仓库系统。

尽管银行和保险公司可能会在Snowflake中进行一些战术分析和数据处理，但它们依赖Teradata围绕其on-prem数据仓库设备构建了40年的功能。

“Teradata集成了机器学习[以提高性能]以及多种数据类型的集成：Snowflake还没有设计好。如果你有一家大银行依赖于这些功能，那么在云上迁移到Snowflake有点困难，而且从成本效益的角度来看，现在Teradata也有一个云系统是很难争辩的。我不认为他们会带来冲击我们将很快向Teradata发起攻击，”他说。

与此同时，Teradata宣布了一些新功能，可以将机器学习模型直接部署到自己的平台上，如data lake spinner Databricks。

Teradata产品管理总监Scott Toborg告诉注册中心，例如，数据科学家在Apache Spark中构建的逻辑回归模型可以以预测模型标记语言（PMML）交换格式导出，其中包含系数、偏差和用于描述该模型的任何其他参数。

“然后我们将该文件导入到Teradata，提取数据，然后创建必要的Java代码来重新执行该模型，”他说。该行业分析师表示，将用于构建机器学习模型的Databricks（Spark）与用于在业务数据上部署它们的Teradata相结合可能会非常复杂。

尽管过去几年来投资者的关注点一直在雪花上闪耀，但内部人士表示，在说服核心企业数据仓库用户迁移其主系统方面，它还有很长的路要走，尽管它正在增加外围和战术工作负载。

像Teradata这样的现有供应商有自己的云故事。例如，根据一份客户推荐书，联合利华在过去18个月内已将其on-prem Teradata系统迁移到Azure。

与此同时，Teradata继续添加功能，这意味着企业数据仓库的战斗还远未结束。®