Innholdsfortegnelse:
Video: Experience the power of AI in IBM Watson Marketing Insights (Oktober 2024)
Med alle dataene som selskapene samler inn, er det en kamp for å finne et effektivt lagringslager for skyer som ikke bare holder og administrerer all den informasjonen, men også for å aktivere søke- og sikkerhetsfunksjoner. Heldigvis jobber leverandører av skyplattformer som IBM, som tilbyr IBM Cloud for Infrastructure-as-a-Service (IaaS) og Platform-as-a-Service (PaaS) -scenarier, aktivt på nye måter å administrere data i multicloud-arkitekturer.
Hva er en multicloud-arkitektur?
En multicloud-arkitektur består av data og kode som er lagret i flere skymiljøer i en enkelt arkitektur. Bare tenk deg en applikasjon som bruker kode og ressurser på tvers av flere skyer, for eksempel Amazon Web Services (AWS), IBM Cloud og Microsoft Azure. Ved å bruke interoperabilitetsstandarder som fremdeles er i utvikling, bringer multicloud-arkitekturer interoperabilitet til programvaretjenester uansett hvilke skyer disse tjenestene bruker som plattform. Dette lar deg skreddersy skyressursene dine slik at de mer spesifikt målretter arbeidsmengdene dine.
Små til mellomstore bedrifter (SMB) bør vurdere en leverandør som kan bidra til å administrere infrastrukturen til flere skytjenester og holde dem sikre og organisert i en enkelt konsoll. Enda bedre er det en som kan kombinere tredjeparts skytjenester, for eksempel Microsoft Office 365, med ressurser du har på dine egne virtuelle servere i en annen sky. En offentlig sky kan være passende for en app og en privat sky for en annen. SMB-er vil dra nytte av kostnadseffektiviteten og smidigheten som en multicloud-arkitektur gir.
Multicloud og IBM
Fra et multicloud-synspunkt har det vært et travelt år for IBM. I mai lanserte den IBM Cloud Private for Data for å la selskaper trekke ut skjult innsikt fra dataene sine på tvers av fagområder som datateknikk, datavitenskap og utvikling samt apper og databaser. Da 10. september kunngjorde selskapet at IBM Cloud Private for Data ville integreres med Red Hat OpenShift, open source-containeren og Kubernetes appplattform. Kubernetes er en åpen kildekode-plattform for å kjøre containere på tvers av klynger av servere. Denne integrasjonen med Red Hat gir flere alternativer til selskaper når de kjører skybaserte arbeidsmengder, slik at de kan kjøre på stedet, i offentlige og private skyer, og i Open Source Red Hat OpenShift-miljøet. IBM vil også utvide samarbeidet med Hortonworks, en pioner for Big Data-programvare, for å integrere tjenester i Hortonworks DataPlane med IBM Cloud Private for Data.
Til slutt, 13. september, kunngjorde IBM også at den ville la brukere søke analytics i hele bedriften ved å bruke et verktøy som heter Queryplex, som er en enkelt konsoll for å søke på tvers av skyer. Samme dag holdt IBM et arrangement på Terminal 5 i New York City som ble arrangert av ESPNs Hannah Storm for å sette søkelys på kunder som tar på seg den kunstige intelligensen (AI) -utfordringen. Rett før arrangementet fanget PCMag opp Rob Thomas, daglig leder for IBM Analytics, for å få tak i hvordan den nye skysøkfunksjonen fungerer, IBMs arbeid med Red Hat og noen vinnestrategier i AI.
Rob Thomas (RT): Tenk på det som konsollen for hvordan en klient administrerer data hvor som helst på tvers av hvilken som helst sky. Hvis klienter bruker det, kan de se alle dataene de har på premisset, i en privat skycontainerarkitektur, eller de kan se data de har på AWS, Microsoft Azure, Google Cloud Platform eller IBM Cloud. Det er en enkelt konsoll for å forstå alle dataene dine - hvor de er, katalogisere dataene dine og organisere dem.
PCM: Hva er Queryplex, og hvordan kan SMB-er bruke noe slikt for å søke på tvers av skyer?
RT: Queryplex gir deg muligheten til å virkelig skrive et SQL-spørsmål (Structured Query Language) og finne data hvor som helst i verden og gjøre analyser. Med denne vidvinklede SQL-evnen trenger du ikke å flytte dataene. Vi finner dataene uansett hvor de er, og vi aktiverer dem. Vi kan bruke prosessorkraften på kanten og deretter gi analysene tilbake til et enkelt sted. Så dette er to sider av den samme mynten. Den ene er en konsoll for å administrere alle dataene dine. Den andre delen handler om hvordan du faktisk gjør analyse av data som er hvor som helst uten å måtte flytte dataene som trinn 1, fordi det er kostbart å flytte dataene; det er tidkrevende. Så, i grunn eliminerte vi behovet for databevegelse, som er superkraftig.
PCM: Hva ville være et daglig eksempel på et selskap som bruker denne typen spørringsfunksjoner?
RT: En god ville være et bilfirma som driver med telematikk for å utføre forutsigbart vedlikehold på en bil eller hvordan det fungerer. I dag ville tilnærmingen være å koble til bilen og deretter bringe data tilbake til et sentralt sted. Det gir deg sanntidsevnen. Så det som var 30 dager før er nå 30 sekunder. Det er kraften i å gjøre dette; det endrer bare arten og prosessen med analyse.
PCM: Hva er sikkerhetsmessige konsekvenser av å søke på flere skyer? Hvordan velger du å tillate den typen søk?
RT: Vi designet Queryplex som et bedriftsprodukt som vil dra nytte av hva en organisasjon har etablert rundt LDAP-sikkerhets- og identitetsadministrasjonsprotokoller (Lightweight Directory Access Protocol) eller policyer for styring av data. La meg gi deg et eksempel: Hvis firmapolitikken din er at når som helst du foretar forbundne spørsmål som du ikke vil berøre noen personlig identifiserbar informasjon (PII), kan vi maskere disse dataene som en del av denne muligheten, slik at de ikke var t en del av det. Vi designet den for å integreres i sikkerhetsarkitekturen til et selskap.
PCM: Hva vil et selskap måtte gjøre for å gi tilgang til forskjellige skyer?
RT: Når du er i IBM Cloud Private for Data, blir du installert veldig raskt. Når det gjelder tilkobling til en annen sky, er det bare å vite IP-adressen. Det er ganske greit; du kan gjøre det. Så tilkoblingsstykket er ikke vanskelig. Der jeg tror det blir vanskeligere for selskaper er at når du går mer mot AI eller bruk av saker innen data science, må du bygge en modell for det. Du må trene den modellen, og vi kan hjelpe deg med å organisere dataene for å gjøre det.
PCM: Hva er et par sentrale strategier for selskaper å implementere AI eller maskinlæring (ML)?
RT: Noen få forskjellige ting. Jeg ser noen kunder som etablerer data science Centers of Excellence (COE). Jeg tror det kan være en god måte å gi organisasjonen energi til temaet og få ting til å bevege seg. Jeg tror det er en god tilnærming.
Vi ser andre kunder som ansetter en Chief Data Officer (CDO) og gir den personen oppdraget med å drive selskapet i denne retningen. Det synes jeg også er bra.
For det tredje ser jeg mange selskaper som er avhengige av at dette kommer fra en rekke virksomheter, noe som betyr at virksomheten skal finne brukssaken, og da er det for teknologiinnovasjonen. Jeg tror noen av disse kan fungere.
Jeg tror det største gapet og det jeg oppfordrer klienter til å gjøre er å ha en datastrategi. En del av en datastrategi er å vite hvor du er i dag. Betydning, gjør du egentlig bare business intelligence (BI) og datavarehus, eller gjør du faktisk selvbetjent analyse? Forstå hvor du er og forstå deretter sluttpunktet. Hvis du får klarhet i de to punktene, kan du starte eksperimenter gjennom data science COE, en CDO eller gjennom en virksomhetsgrense, og vite at du får et nivå av repeterbarhet ut av disse, noe som er viktig.
PCM: Hva fikk IBM til å jobbe med Red Hat?
RT: Hvis du går tilbake til 2000, har IBM vært en ganske stor talsmann for Linux. Jeg vil hevde at Linux sannsynligvis ikke ville være der det er i dag uten IBMs støtte. På grunn av det har vi alltid hatt en kontinuerlig dialog med Red Hat rundt innovasjon og hvordan vi støtter økosystemet. Vi har sett hva Red Hat har gjort med OpenShift.
Vi er enorme troende på containere, og Kubernetes har en måte å hjelpe kunder med å modernisere apper og datatilstander. Hvis du ser på Red Hat med OpenShift, bygde de en flott containerplattform som er fokusert på modernisering. Men de har ikke noe for data, og det er vanskelig å modernisere apper uten å modernisere data samtidig.
Hvor vi kan ta med oss det vi har gjort med tanke på modernisering av datatjenester med IBM Cloud Private for Data, er å kjøre det naturlig på OpenShift, slik at de klientene som er på en søknads moderniseringsreise kan gjøre det samme med data, og de kan gjøre det prosjektet til utfall for AI.
Hadoop har ennå ikke flyttet til en mikroservice-arkitektur, så det er den andre delen av puslespillet. Arbeider med Hortonworks for å modernisere og lage mikroservices av Hadoop som kan spille sammen med IBM Cloud Private for Data og OpenShift.
PCM: Hvordan bruker selskaper den typen mikroservicearkitektur?
RT: Jeg tror det hele kommer tilbake til AI og datavitenskap. Uansett hva du gjør med data, blir vanligvis drevet rundt et forretningsresultat. Du leter etter en viss fordel når det gjelder hvordan du bruker analyser.
Så hvis du har mye av dataene dine i Hadoop, hvis du ikke er i stand til å bruke det til forutsigbar analyse, ML eller datavitenskap, er det ikke veldig verdifullt for organisasjonen. Slik kobler jeg prikkene. Hadoop er en mikroservice; det er mye mer komponerbart, mye mer fleksibelt. Det er lettere å jobbe med dataene, og det er lettere å gjøre det tilgjengelig for et stort datavitenskapsteam. Og det gjør det mulig for deg å få mer utbytte av Hadoop-implementeringen.
PCM: Hvor ser du ting gå fremover så langt som AI og ML?
RT: Vi kommer sakte inn i mainstream. For et år siden var diskusjonen: "Kunne jeg gjøre noe?" Jeg vil si at dette har vært året med økt eksperimentering. Jeg tror at neste år får vi masseeksperimentering, og forhåpentligvis, innen slutten av neste år, er vi på et punkt hvor dette blir mer mainstream. Folk bruker AI og modeller for å automatisere mange grunnleggende forretningsprosesser, for å automatisere mye beslutninger. Så vi er tydeligvis på den reisen. Du kan se progresjonen. Jeg føler at vi kommer nær et tippepunkt, hvis du vil, men vi er ikke helt der ennå.
