Teradata这家老牌数据分析公司，正式转型为提供分析平台的公司，因此有别於以往提供企业多种解决方案，Teradata分析平台正在整合多个分析功能和引擎、企业使用的工具和语言，以及支援多样化资料类型，要让企业可以更全面地分析资料。
Teradata分析平台整合多个分析引擎包含自家的Aster、SQL、Spark等，工具包括R studio、Jupyter、sas等，语言则包含R、Python、Scala等，也会支援多样化资料类型像是JSON、xml、语音和图像等资料。
资料分析和大数据对企业来说已经不陌生，但是，资料分析还有许多非常有价值的应用值得企业关注，吴世钰指出，「资料分析还有一个很大发展空间是机器产生的资料，」航空公司最大的成本来自於零件修复和耗油量，油的成本大约占航空公司总成本25%～30%，而耗油量与飞机引擎维护有关，他举例，一台飞机从台湾飞到美国，飞机引擎大约会产生2～3TB的感测器资料，能够分析这些感测器产生的资料，将能为航空公司花费在零件修复上的成本降低。
同样地，制造业在每天的制程中，握有大量的感测器资料，若能透过分析相关的数据来提升良率，可为企业带来庞大的效益，不过，依照吴世钰的观察，目前台湾的制造业，因为制程相关数据隐私性高，在这方面的投入相对保守。
除了分析感测器数据的场景之外，一般企业也面临新型态的分析，资料分析涵盖外部多种不同资料类型，还需要内部跨部门的资料、Teradata台湾区首席技术顾问魏志龙指出，企业在分析资料时，往往是在个别的部门内独立分析，导致分析工作重复或是分析结果不够全面的问题，Teradata期望藉由提供企业整合型的Teradata分析平台，解决这类的问题。
在云端的部分，Teradata了解到企业的资料不会放在单一云端平台，资料常常是跨私有云和公有云，但是分析时又需要整合，Teradata提供企业在转换不同的部属环境上，都可以采用相同的Teradata软件，省去转换部署环境的不便，若企业在选用云的决策上需要更动，就能弹性地调整。
在转移部署环境时，企业还会担心一个问题，转移到不同的环境，需要多支出授权费用或是原有的环境授权因此而浪费，魏志龙指出，软件的授权是按照CPU的核心来计算，「CPU核心的计算方式，对企业来讲不太公平，」尤其是企业在分析大量资料的时候，原本CPU的需求量并不大，但是因为有时会用到大量的I/O，而需要CPU核心较高的机器。
Teradata推出新的授权计算机制TCore，依照企业CPU的使用量和I/O频宽需求来计算，对於企业要将资料搬移到不同的平台上，提供了一致性的计价方式，不管是Teradata或是市售的硬体，公有云或是Teradata的云端，都是用 TCore来计算，过去已经购买Teradata的License的企业，也会转为用TCore制。
另外一项重大的转变则是Teradata产品的计价方式，以往Teradata都是卖整套软件或是解决方案，不同的版本和平台都有不同的价格，但是考量到企业有不同的使用场景，业务需求也常常变动，所需要的分析服务都不相同，Teradata将在明年1月更改收费方式，依照企业工作负载和使用的服务来计价，也就是转换为订阅制的方式，企业可以依照自己所需的服务来选择。已经购买的Teradata产品的企业，则会依照个案来处理，转换成订阅制。
魏志龙举例，假设企业觉得系统管理可以暂时先不用，就能先取消该服务的订阅，提供了更弹性的机制，让企业选择自己需要的服务，企业在采购时就不用担心买了整套软件，实际却没有使用。
而目前许多企业都非常关注AI技术，甚至不少企业也已经实际应用AI技术在不同的场景上，Teradata在AI技术的布局上，魏志龙表示，Teradata认为自己并非开发AI技术的公司，AI技术将会采用开源社群较成熟技术，来协助企业在资料分析上加入AI技术，他举例，丹麦银行过去透过Rule-based的方式，来建立诈欺侦测的模型，但是侦测率只有大约30%，而报错率高达99.5%，也因此损失许多客户，一年估计损失上百万美元，Teradata从去年开始协助丹麦银行导入深度学习技术，成功地降低了报错率，他强调，Teradata提供的AI技术会连接到3个层面，包含资料、分析和行动，企业需要整合多方的资料，加上高效能的分析能力，最後还需要找到可以行动的应用场景。
