6 границ виртуализации данных

Представьте, что вы инженер по обработке данных в компании из списка Fortune 1000. В вашей компании тысячи баз данных и 14 000 пользователей бизнес-аналитики. Вы используете виртуализацию данных для создания представлений данных, настройки безопасности и обмена данными. Легко, правда?

Оглавление

Время чтения: минут.

Представьте, что вы инженер по обработке данных в компании из списка Fortune 1000. В вашей компании тысячи баз данных и 14 000 пользователей бизнес-аналитики. Вы используете виртуализацию данных для создания представлений данных, настройки безопасности и обмена данными. Легко, правда?

 

Иногда, но становится все труднее. Впереди шесть новых рубежей.

Первый: виртуализация потоковых данных

Почти каждое новое устройство, транспортное средство или роботизированное оборудование имеет встроенные датчики. Менеджеры цепочки поставок хотят предвидеть перемены погоды. Все эти данные находятся в движении. Но инструменты виртуализации данных первого поколения предназначены для хранения данных. Например, вот такой запрос, который инженеры по данным начинают получать очень много:

 

«Покажи мне историю обслуживания машины 123 и показания датчиков с точностью до секунды ».

 

Подготовка потоковых данных превращает данные в потоковых таблицах. Строки в таблице обновляются с каждым событием. Вместо того, чтобы подключаться к данным на диске, они подключаются напрямую к потокам. Kafka, MQTT, данные дронов, погодные каналы, показания датчиков IoT. Они предоставляют инструменты для очистки, агрегирования и увеличения событий.

 

Виртуализация потоковых данных превращает живые таблицы в источник данных для виртуализации данных.

Для цифровой трансформации управление данными в движении является новой критически важной задачей. Виртуализация потоковых данных превращает данные в движении в виртуализированную аналитическую информацию. Это первый новый рубеж виртуализации данных.

Второй: Выходные данные виртуализированной модели науки о данных

Искусственный интеллект и наука о данных – горячие области технологий. Специалисты по обработке данных поглощают данные и создают алгоритмы. И эти алгоритмы производят производные данные, которые представляют собой прогнозы, основанные на необработанных данных. Новым рубежом виртуализации данных является предоставление входных и выходных данных этих моделей в виде сервисов данных, согласованных для всех соответствующих групп, заинтересованных сторон и приложений. Типичный бизнес-запрос выглядит так:

 

«Покажите мне, что купил клиент X и что он, вероятно, купит дальше».

 

Но злодей в истории любви к data science – это песочница для data science. Команды специалистов по данным часто создают частные хранилища данных для разработки своих алгоритмов. Песочницы для анализа данных похожи на лабораторию для математиков.

 

Хитрость заключается в том, чтобы освободить алгоритмы из песочницы и ввести их в оперативное использование. Некоторые компании переписывают алгоритмы, чтобы обеспечить производительность, безопасность и масштабируемость. Две новые технологии помогают уменьшить это трение. 

 

Во-первых, виртуализация данных ускоряет науку о данных, создавая согласованные представления данных, доступные группам, которые оценивают алгоритмы для разработки точных и полезных моделей.

[Подпись под фото: 1) Виртуализация данных обеспечивает высококачественные данные для исследований и 2) ускоряет обнаружение эффективных алгоритмов и моделей и их развертывание от лаборатории до производства с помощью Model Ops. Выходные данные прогнозов используются операционными системами (например, бизнес-аналитикой).

 

Что дальше, когда группа специалистов по данным найдет многообещающие алгоритмы? 

 

Новый вариант – загрузить их в инструменты «Операционализации модели» или Model Ops. Инструменты Model Ops управляют жизненным циклом и развертыванием алгоритмов. Это как гараж для алгоритмов. Специалист по анализу данных размещает алгоритм, который предсказывает, что клиент может купить дальше, в инструменте Model Ops. Инженер по данным может выбрать модель из гаража и развернуть ее в фабрике виртуализации данных. Теперь аналитики могут спросить, что покупатель, вероятно, купит одновременно с тем, что он уже купил.

 

Виртуализированная наука о данных помогает предприятию больше ориентироваться на ИИ. Команды по анализу данных получают более точные данные. Это улучшает командное сотрудничество. Находятся все новые и лучшие идеи. И использовал. Это инновационный и лучший способ превратить математику в понимание и рентабельность инвестиций.

Три: Данные как услуга (DaaS)

API-интерфейсы – это связующее звено между приложениями современного цифрового бизнеса. В некоторых случаях API – это бизнес-модель. Но API-интерфейсами нужно управлять как продуктами, и именно здесь на помощь приходят инструменты управления API.

 

«Можете ли вы использовать API для этих данных?» – еще один распространенный запрос, который сегодня получают инженеры по данным. Конечно, вы можете добавить в свою службу интерфейс REST, но нужно ли? Кто это звонит? Сколько раз? Будет ли компания взимать плату за доступ к API? Сколько?

Инструменты DaaS позволяют выбирать представления данных, которые вы хотите предоставить как API. Инструменты управления API управляют этими API как продуктами.

 

Превращение виртуализированных данных в сервисы – это третий рубеж виртуализации данных.

Четвертое: виртуализированный сбор метаданных

В марте 2020 года Panera Bread решила перевернуть свою бизнес-модель. Они превратили 2000 ресторанов из кафе в бакалейные лавки. Теперь они продают свои ингредиенты, чтобы клиенты могли есть дома качественную еду Panera.

 

Для такого рода трансформации бизнеса требуются метаданные или данные о данных. Panera хранит данные о своих данных в одном месте. Мгновенный доступ к данным меню, рецептов, поставщиков и инвентаря помог им изменить свою бизнес-модель за десять дней.

 

Ноэль Нитеки из Panera говорит: «Данные для нас – это второстепенная задача». 

 

Виртуализация данных может упростить сбор метаданных для инструментов метаданных. Итак, четвертый рубеж виртуализации данных – это усиление сбора метаданных.

Пятое: виртуализация данных как командный вид спорта

В будущем почти каждый работник станет работником умственного труда. Всем им нужны данные, и они должны использовать одно и то же представление данных. Но не каждый работник понимает сложность данных. «Инструменты гражданина» упрощают управление данными не-инженерам. Эти инструменты представляют собой пятый рубеж виртуализации данных.

 

Например, 50 000 сотрудников Panera имеют одно представление данных. Поэтому, когда они решили выставить свои ингредиенты на продажу, все команды смогли работать как одна команда. Это включает в себя:

  • Менеджеры каналов электронной коммерции
  • Управление меню
  • Торговая точка
  • Команда Panera по инновациям в сфере пищевых продуктов
  • Команда «чистых ингредиентов»
  • Повара
  • Счетчики калорий
  • Менеджеры цепочки поставок
  • Гарантия качества продуктов питания
  • Потребительское и сенсорное тестирование

И ИТ-отделам нужны инструменты, разработанные для них. Например:

  • Специалисты по данным хотят управлять данными с помощью записных книжек Jupyter
  • Инженерам данных нужны инструменты для оптимизации производительности
  • Инженерам по автоматизации нужны инструменты реального времени

Виртуализация данных должна помочь всем этим людям с помощью инструментов, разработанных для них.

Шесть: интегрированное качество данных

Качество – это первая задача инженеров по обработке данных. Инструменты качества данных помогают очищать, дедуплицировать и проверять данные. Инженеры по обработке данных обоснованно ожидают, что возможности обеспечения качества данных станут частью виртуализации данных. Нативные инструменты качества данных для виртуализации данных – это шестой рубеж.

 

Благодаря встроенным инструментам качества данных потребители могут доверять целостности своих данных. Полученные в результате аналитические выводы будут более точными и эффективными для бизнеса.

Кто будет Tesla of Data Virtualization?

Данные – это солнечная энергия (а не нефть !) Современного цифрового бизнеса. Эти шесть границ представляют будущее. Беспилотный электромобиль завтрашнего дня, если хотите. Кто будет Tesla в современной виртуализации данных?

Почитать еще

k p 194 jj 192 177x142 - 6 границ виртуализации данных

Что такое анализ PESTLE?

В современном мире перед нами так много примеров успешных организаций. Каждая организация, от небольших стартапов

uchit angliyskiye slova dlya detey 177x142 - 6 границ виртуализации данных

Блог АСУ-АНАЛИТИКА

. Все Статьи Ресурсы Ответы на вопросы Выбор аналитической платформы Блог Что такое отток клиентов

manufacturing production dashboard 177x142 - 6 границ виртуализации данных

Аналитические решения

Узнайте о специфики внедрения аналитических решений в различные области бизнеса. Особенности использования платформ аналитики по

data visualization pie chart angles 177x142 - 6 границ виртуализации данных

Инструменты аналитики

Выбирайте и используйте лучшие аналитические решения Аналитика бизнеса Все Обновления TIBCO Spotfire Другие продукты Tibco

metris addiq primary image 177x142 - 6 границ виртуализации данных

Технологии аналитики

Изучите технологии аналитики и используйте в своих проектах. Загрузить программу ВІ Демонстрации решений Аналитика бизнеса

Несколько видео о наших продуктах

085 - 6 границ виртуализации данных
Проиграть видео
Презентация аналитической платформы Tibco Spotfire
106 - 6 границ виртуализации данных
Проиграть видео
Отличительные особенности Tibco Spotfire 10X
1 11 - 6 границ виртуализации данных
Проиграть видео
Как аналитика данных помогает менеджерам компании
2021-01-28T20:27:35+02:00