摘要：TB級大數據使用優刻得USQL，將數據分析的等待時間從平均43小時降到2小時;同時依托USQL根據數據分析量計費，不使用不收費的特性，幫助客戶將數據運算成本降至自建方案的0.5%。
當前，大數據的價值已無需贅述，作為衡量一個公司核心能力的最底層標準，數據的建設也面臨著諸多難題。為了幫助企業用戶解決大數據分析門檻高、效率低的問題，優刻得USQL數據湖分析應運而生，可輕松完成面向海量數據的數據建模工作。
縱觀目前企業大數據建設面臨的問題，可大致分為三點。其一，是數據資產不清晰，伴隨著業務多元化發展，數據來源越來越多但數據質量難以把控;其二，不同業務間煙囪式的數據架構模式造成了數據孤島;其三，伴隨著數據量逐漸擴大，分散的數據如何聯動，挖掘更大的價值成為諸多公司探索重點;而數據分析、數據資產管理、數據安全也面臨越來越嚴峻的挑戰。
企業用戶在云端搭建大數據平臺時，往往會被大數據生態的復雜性所困擾，需要面臨復雜技術棧導致的人才門檻、大數據分析前期服務部署產生的巨大成本、數據分析耗時長等諸多問題，使得“大數據形成了大麻煩”。
為了幫助用戶解決以上問題，優刻得USQL數據湖分析以一個能力強大的計算平臺作為后端支撐，可以在PB級海量數據上進行復雜的SQL計算，同時USQL擁有讀取型Schema的屬性，可關聯分析多種存儲格式的數據，極大降低了產業用戶使用大數據的門檻。
在場景實踐中，USQL成功賦能新媒體整合營銷平臺愛普新媒的業務部門。目前愛普新媒廣告業務數據規模達到數百TB，日增長量為1TB左右，業務日常不固定的分析需求非常多。在現有的大數據處理方案下，數據部門每月需投入大數據工程師20個人/日，平均每次需求處理時長為1.8天，此外還需額外花費數千元維持一個數據倉庫集群。
與用戶自建大數據平臺的相比，通過使用優刻得USQL，將數據分析的等待時間從平均43小時降到了2小時;同時依托USQL根據數據分析量計費，不使用不收費的特性，幫助客戶將數據運算成本降至自建方案的0.5%;此外，USQL產品7*24小時可用，客戶不需調配技術人員維護，減少了人力支出，也大幅度改善企業對大數據工程師的依賴。
