Vpogled v industrijo: ibm o večbarvnem iskanju in strategiji ai

Z vsemi podatki, ki jih podjetja nabirajo, je boj najti učinkovito shrambo za shranjevanje v oblaku, ki ne bo le hranila in upravljala vseh teh informacij, ampak tudi omogočila iskanje in varnostne zmogljivosti. Na srečo prodajalci oblačnih platform, kot je IBM, ki ponuja scenarij IBM Cloud za infrastrukturo kot storitev (IaaS) in platformo kot storitev (PaaS), aktivno delajo na novih načinih upravljanja podatkov v večbarvnih arhitekturah.

Kaj je večbarvna arhitektura?

Večbarvna arhitektura je sestavljena iz podatkov in kode, shranjene v več okoljih v oblaku znotraj ene arhitekture. Preprosto si predstavljajte aplikacijo, ki uporablja kodo in vire v več oblakih, kot so Amazon Web Services (AWS), IBM Cloud in Microsoft Azure. Z uporabo standardov interoperabilnosti, ki se še razvijajo, večbarvne arhitekture prinašajo interoperabilnost programskim storitvam, ne glede na to, kakšne oblake te storitve uporabljajo kot platformo. To vam omogoča, da prilagodite svoje vire v oblaku, tako da bodo natančneje usmerjeni v vaše delovne obremenitve.

Majhna in srednje velika podjetja (SMB) bi morala razmisliti o ponudniku, ki lahko pomaga upravljati infrastrukturo več oblačnih storitev ter jih varovati in organizirati v eni konzoli. Še boljša je tista, ki lahko kombinira storitve drugih oblakov, kot je Microsoft Office 365, z viri, ki jih imate na lastnih virtualnih strežnikih v drugem oblaku. Javni oblak je morda primeren za eno aplikacijo, zasebni oblak pa za drugo. MSP-ji bodo imeli koristi od stroškovne učinkovitosti in okretnosti, ki jo ponuja večbarvna arhitektura.

Multicloud in IBM

Z večplastnega stališča je bilo za podjetje IBM naporno leto. Maja je lansirala IBM Cloud Private for Data, da je podjetjem omogočila, da iz svojih podatkov pridobivajo skrite vpogleje v vednosti, kot so podatkovni inženiring, podatkovna znanost in razvoj, pa tudi njihove aplikacije in baze podatkov. Nato je 10. septembra podjetje objavilo, da se bo IBM Cloud Private for Data integriral z Red Hat OpenShift, odprtokodnim vsebnikom in platformo Kubernetes app. Kubernetes je odprtokodna platforma za zagon kontejnerjev v grozdih strežnikov. Ta integracija z Red Hat podjetjem ponuja več možnosti pri izvajanju delovnih obremenitev v oblaku, tako da se lahko izvajajo v lokalnih prostorih, v javnih in zasebnih oblakih ter v odprtem okolju Red Hat OpenShift. IBM bo tudi razširil svoje partnerstvo s Hortonworks, pionirjem programske opreme Big Data, da integrira storitve v Hortonworks DataPlane z IBM Cloud Private for Data.

Nazadnje je 13. septembra IBM tudi napovedal, da bo uporabnikom omogočil, da poizvedujejo o analitiki po podjetju z orodjem Queryplex, ki je enotna konzola za iskanje po oblakih. Istega dne je IBM organiziral dogodek na terminalu 5 v New Yorku, ki ga je gostila Enahna Hannah Storm pri ESPN, da bi opazil stranke, ki se spopadajo z izzivom umetne inteligence. Tik pred dogodkom se je PCMag dogovarjal z Rob Thomasom, generalnim direktorjem IBM Analytics, da bi dočakal, kako deluje nova funkcija iskanja v oblaku, IBM-ovo delo z Red Hatom in nekatere zmagovalne strategije v AI.

PCMag (PCM): Kako vam IBM Cloud Private for Data omogoča, da vidite vse svoje podatke?

Rob Thomas (RT): Pomislite na to kot na konzoli, kako odjemalec upravlja podatke kjer koli v katerem koli oblaku. Če stranke to uporabljajo, si lahko ogledajo vse podatke, ki jih imajo v predpostavki, v zasebni arhitekturi zabojnikov oblakov ali podatke, ki jih imajo na AWS, Microsoft Azure, Google Cloud Platform ali IBM Cloud. To je enotna konzola za razumevanje vseh vaših podatkov - kje so, katalogiziranje podatkov in njihovo organiziranje.

PCM: Kaj je Queryplex in kako lahko SMB uporabljajo kaj takega za iskanje po oblakih?

RT: Queryplex vam omogoča, da resnično napišete poizvedbo strukturiranega jezika poizvedb (SQL) in poiščete podatke kjer koli po svetu in opravite analitiko. S to širokokotno zmožnostjo SQL vam podatkov ni treba premikati. Podatke bomo našli kjer koli so in jih bomo omogočili. Lahko uporabimo procesorsko moč na robu in nato zagotovimo analitiko nazaj na eno mesto. To sta dve strani istega kovanca. Ena je konzola za upravljanje vseh vaših podatkov. Drugi del je o tem, kako v resnici opravite analitiko podatkov, ki so kjer koli, ne da bi jih morali premikati kot korak 1, ker je premikanje podatkov drago; zamudno je. Tako smo v bistvu odpravili potrebo po gibanju podatkov, ki je super močan.

PCM: Kaj bi bil vsakodnevni primer podjetja, ki uporablja to vrsto poizvedb?

RT: Dobro bi bilo avtomobilsko podjetje, ki izvaja telematiko za predvidevanje vzdrževanja avtomobila ali kako deluje. Danes bi bil pristop, da se povežete z avtomobilom in nato podatke vrnete na osrednjo lokacijo. Omogoča vam sprotno sposobnost. Torej, kar je bilo pred 30 dnevi, je zdaj 30 sekund. V tem je moč tega; samo popolnoma spremeni naravo in proces analitike.

PCM: Kakšni so varnostni vplivi iskanja po več oblakih? Kako omogočite dovoljenje za to vrsto iskanja?

RT: Queryplex smo zasnovali kot podjetniški izdelek, ki bo izkoristil vse, kar je organizacija vzpostavila glede varnostnih in protokolov za upravljanje identitete in upravljanja identitete Lightweight Directory Protocol Protocol (LDAP) ali pravilnikov za upravljanje podatkov. Naj navedem primer: Če je vaša politika podjetja, da kadar koli opravljate združene poizvedbe, ki se ne želite dotakniti osebnih podatkov (PII), potem lahko te podatke prikrijemo kot del te zmožnosti, tako da jih ni bilo ' t del tega. Resnično smo ga zasnovali tako, da se je vključil v varnostno arhitekturo podjetja.

PCM: Kaj bi moralo podjetje storiti, da bi omogočilo dostop do različnih oblakov?

RT: Ko ste v IBM Cloud Private for Data, se namestite zelo hitro. Kar zadeva povezavo z drugim oblakom, je samo poznavanje naslova IP. To je precej enostavno; lahko to storite. Torej povezovalni kos ni trd. Kjer menim, da je podjetjem vse težje, je to, da morate, ko bolj napredujete k AI ali primerom uporabe podatkovnih podatkov, zgraditi model za to. Morate usposobiti ta model in lahko vam pomagamo organizirati podatke za to.

PCM: Kakšne so ključne strategije za podjetja za izvajanje AI ali strojnega učenja (ML)?

RT: Nekaj ​​različnih stvari. Vidim nekaj strank, ki ustanavljajo podatkovne centre odličnosti (COE). Mislim, da bi to lahko bil dober način za spodbujanje organizacije na to temo in stvari. Mislim, da je to en dober pristop.

Vidimo druge stranke, ki najamejo vodjo podatkov (CDO) in tej osebi dajo nalogo, da podjetje vodi v tej smeri. Mislim, da je tudi to dobro.

Tretjič, vidim, da veliko podjetij, ki se zanašajo na to, izvira iz vrst podjetij, kar pomeni, da bodo podjetja iskala primere uporabe in potem je to za tehnološko inovacijo. Mislim, da lahko kaj od tega uspe.

Menim, da je največja vrzel in to, kar stranke spodbujam, da imajo podatkovno strategijo. Del podatkovne strategije je vedeti, kje ste danes. Pomeni, ali resnično opravljate samo poslovno inteligenco (BI) in shranjevanje podatkov ali dejansko opravljate samopostrežno analitiko? Razumejte, kje ste, nato pa razumejte končno točko. Če ste na teh dveh točkah jasni, potem lahko začnete poskuse s pomočjo CO-jev za znanost podatkov, CDO ali poslovnega področja, pri čemer boste vedeli, da boste od teh dosegli raven ponovljivosti, kar je pomembno.

PCM: Kaj je pripeljalo IBM k sodelovanju z Red Hatom?

RT: Če se vrnete v leto 2000, je bil IBM velik zagovornik Linuxa. Trdim, da Linux brez podpore IBM verjetno ne bi bil tam, kjer je danes. Zaradi tega smo z Red Hatom vedno imeli stalni dialog o inovacijah in o tem, kako podpiramo ekosistem. Opazovali smo, kaj je Red Hat storil z OpenShiftom.

Ogromno verjamemo v zabojnike in Kubernetes lahko strankam pomaga posodobiti aplikacije in stanja podatkov. Če si ogledate Red Hat z OpenShiftom, so zgradili odlično kontejnersko platformo, ki je osredotočena na posodobitev. Vendar nimajo ničesar za podatke in težko je posodobiti aplikacije, ne da bi hkrati posodabljali podatke.

Kjer lahko dosežemo, kar smo storili v zvezi s posodobitvijo podatkovnih storitev z IBM Cloud Private for Data, je to, da se izvirno izvaja na OpenShift-u, zato lahko tisti odjemalci, ki so na poti posodobitve aplikacij, naredijo isto s podatki, in lahko ta projekt spremeni v rezultate za AI.

Hadoop se še ni premaknil v mikroservisno arhitekturo, tako da je to drugi del sestavljanke. Sodelovanje z Hortonworksom za pomoč pri modernizaciji in ustvarjanju Hadoopovih mikroservisov, ki bi se lahko igrale skupaj z IBM Cloud Private za Data in OpenShift.

PCM: Kako podjetja uporabljajo to vrsto mikroservisne arhitekture?

RT: Mislim, da se vse vrne k AI in znanosti o podatkih. Ne glede na to, kaj počnete s podatki, se običajno izvaja okoli poslovnega rezultata. Iščete določeno prednost v smislu uporabe analitike.

Če imate v Hadoopu veliko svojih podatkov, če tega ne morete uporabiti za prediktivno analitiko, ML ali podatkovno znanost, potem to za organizacijo ni zelo dragoceno. Tako povežem pike. Hadoop je mikroservis; je veliko bolj sestavljiv, veliko bolj prilagodljiv. Lažje je delati s podatki in lažje jih dati na razpolago veliki skupini za znanost podatkov. In to vam omogoča, da dobite večjo vrednost od vaše Hadoop implementacije.

PCM: Kje vidite, da se bodo stvari v prihodnosti nanašale na AI in ML?

RT: Počasi bomo vstopili v glavni tok. Pred letom dni je bila razprava: "Ali lahko kaj naredim?" Rekel bi, da je to leto povečanega eksperimentiranja. Mislim, da se bomo naslednje leto lotili množičnega eksperimentiranja in upamo, da bomo do konca prihodnjega leta na poti, ko to postane bolj mainstream. Ljudje uporabljajo AI in modele za avtomatizacijo veliko osnovnih poslovnih procesov, za avtomatizacijo veliko odločanja. Torej, očitno smo na tej poti. Vidite lahko napredovanje. Mislim, da se že približujemo prelomni točki, če hočete, vendar še nismo čisto tam.