Kapan terakhir kali Anda mempertimbangkan apakah Anda beroperasi di perusahaan yang benar-benar prediktif, lebih jauh lagi, apakah konsumen, model, dan aplikasi data Anda mudah mengakses data yang tepat? Lebih sering daripada tidak, jawabannya adalah "tidak terlalu". Di antara proliferasi jenis dan sumber data serta peraturan yang semakin ketat, data sering kali tertahan, berdiam diri. Secara tradisional, strategi untuk mengatasi tantangan ini bergantung pada konsolidasi data fisik ke dalam satu lokasi, struktur, dan vendor. Sementara strategi ini tampak hebat secara teori, siapa pun yang telah melakukan migrasi sebesar ini dapat memberi tahu Anda bahwa itu lebih mudah diucapkan daripada dilakukan.

Awal tahun ini di THINK, kami meluncurkan rencana kami untuk IBM Cloud Pak for Data generasi berikutnya , alternatif kami untuk membantu pelanggan menghubungkan orang yang tepat ke data yang tepat pada waktu yang tepat. Hari ini, saya bersemangat untuk membagikan lebih banyak detail tentang bagaimana versi platform terbaru, versi 4.0, akan mewujudkan visi tersebut melalui struktur data yang cerdas.

Perjalanan sejauh ini

Sejak peluncuran IBM Cloud Pak for Data pada tahun 2018, tujuan kami selalu membantu pelanggan membuka nilai data mereka dan menanamkan AI di seluruh bisnis mereka. Memahami kebutuhan klien kami, kami meningkatkan dua kali lipat dalam menghadirkan platform kemas pertama dari jenisnya yang memberikan fleksibilitas untuk menyebarkan campuran unik data dan layanan AI yang dibutuhkan klien, di lingkungan cloud pilihan mereka.

IBM Cloud Pak for Data mendukung ekosistem yang dinamis dari layanan berpemilik, pihak ketiga, dan sumber terbuka yang terus kami kembangkan dengan setiap rilis. Dengan versi 4.0 kami membawa upaya kami ke tingkat berikutnya. Kemampuan baru dan otomatisasi cerdas membantu para pemimpin bisnis dan pengguna mengatasi kompleksitas data yang luar biasa yang mereka hadapi untuk lebih mudah menskalakan nilai data mereka.

Menenun benang dari kain data cerdas

Data fabric adalah pola arsitektur yang secara dinamis mengatur sumber data yang berbeda di seluruh lanskap hybrid dan multicloud untuk menyediakan data yang siap bisnis untuk mendukung analitik, AI, dan aplikasi . Sifat modular dan dapat disesuaikan dari IBM Cloud Pak for Data menawarkan lingkungan yang ideal untuk membangun struktur data dari solusi terbaik di kelasnya yang disesuaikan dengan kebutuhan unik Anda. Integrasi yang ketat dari layanan mikro dalam platform memungkinkan penyederhanaan lebih lanjut dari manajemen dan penggunaan data terdistribusi dengan memasukkan otomatisasi cerdas. Dengan versi 4.0 kami menerapkan otomatisasi ini di tiga bidang utama:

1. Akses dan kegunaan data – AutoSQL adalah mesin kueri universal yang mengotomatiskan cara Anda mengakses, memperbarui, dan menyatukan data di semua sumber atau jenis (awan, gudang, danau, dll.) tanpa perlu pemindahan atau replikasi data. Dengan AutoSQL, Anda dapat melakukan kueri data terdistribusi di berbagai lanskap hingga  8x lebih cepat  daripada gudang data standar.
2. Penyerapan dan pembuatan katalog data – AutoCatalog mengotomatiskan penemuan dan klasifikasi data untuk merampingkan pembuatan katalog aset data waktu nyata dan hubungannya di seluruh lanskap data yang berbeda.
3. Privasi dan keamanan data – AutoPrivacy menggunakan AI untuk secara cerdas mengotomatisasi identifikasi, pemantauan, dan penegakan data sensitif di seluruh organisasi untuk membantu meminimalkan risiko dan memastikan kepatuhan .

Daftar ke webinar untuk mempelajari lebih lanjut tentang struktur data cerdas kami dan bagaimana Anda dapat memanfaatkan teknologi baru ini.

Perangkat tambahan tambahan dijalin menjadi 4.0

Peningkatan lebih lanjut otomatisasi cerdas dari kemampuan data fabric kami adalah layanan baru lainnya yang hadir di IBM Cloud Pak for Data, IBM Match 360 with Watson. Match 360 memberikan pengalaman berbasis pembelajaran mesin yang mudah digunakan untuk resolusi entitas layanan mandiri. Non-pengembang sekarang dapat mencocokkan dan menautkan data dari seluruh organisasi mereka, membantu meningkatkan kualitas data secara keseluruhan.

Layanan IBM SPSS Modeler, IBM Decision Optimization, dan Hadoop Execution Engine juga disertakan sebagai bagian dari IBM Cloud Pak for Data 4.0. Kemampuan ini melengkapi layanan IBM Watson Studio yang sudah ada dalam basis dan memungkinkan pengguna seperti analis bisnis dan ilmuwan data warga, untuk berpartisipasi dalam membangun solusi AI.

AutoAI ditingkatkan untuk mendukung sumber data relasional dan menghasilkan kode python yang dapat diekspor, memungkinkan ilmuwan data untuk meninjau dan memperbarui model yang dihasilkan melalui AutoAI. Ini adalah pembeda yang signifikan dibandingkan dengan kemampuan AutoML pesaing, di mana model yang dihasilkan lebih seperti kotak hitam.

Kemampuan pelengkap juga dirilis pada IBM Cloud Pak for Data as a Service, termasuk IBM DataStage dan IBM Data Virtualization. Kini tersedia terkelola sepenuhnya, DataStage membantu memungkinkan pembangunan jalur integrasi data modern, dan kemampuan Virtualisasi Data membantu berbagi data di seluruh organisasi hampir secara real-time, menghubungkan data yang diatur ke alat AI dan ML Anda.

Terakhir, IBM Cloud Pak for Data 4.0 mencakup beberapa peningkatan platform, yang paling menonjol di antaranya. adalah penambahan Red Hat OpenShift Operator. Ini membantu untuk mengotomatiskan penyediaan, penskalaan, patching, dan peningkatan IBM Cloud Pak for Data. Penginstalan pertama kali disederhanakan secara signifikan, mengurangi biaya implementasi, sementara peningkatan yang mulus mengurangi proses peningkatan dari minggu ke jam. Juga dimulai pada 4.0, IBM Cloud Pak for Data dibangun di atas platform IBM Cloud Pak yang umum, memungkinkan Manajemen Identifikasi dan Akses standar dan navigasi tanpa batas di semua IBM Cloud Paks .

Data adalah keunggulan kompetitif yang sangat besar bagi perusahaan dan jika digabungkan dengan AI, memiliki kekuatan untuk mendorong transformasi bisnis. IBM Cloud Pak for Data memungkinkan hal itu, tetapi dengan potensi menjadi 10x lebih cepat karena otomatisasi internal yang baru.

sumber : https://www.ibm.com