Возврат к списку

В стадию запуска инноваций вошли три технологии управления данными

24.09.2018     

Аналитики по изучению новейших технологий и тенденций компании Gartner выделили три технологии, которые перешагнули этап инновационного триггера в 2018 году: DataOps, платформа частных облачных баз данных dbPaaS и технологии управления машинным обучением. 

Преодоление этапа инновационного триггера означает, что новая технология начала обретать публичность и привлекать значительный интерес со стороны прессы и промышленности. Исследование призвано помочь ИТ-директорам и аналитикам разбираться в зрелости технологий управления данных, необходимыми для обеспечения целостной экосистемы управления данными в своих организациях.

На первом этапе цикла развития

Результаты исследований специалисты Gartner представили на конференции Gartner Data & Analytics-2018 во Франкфурте с помощью фирменной презентации, которую используют для определения готовности общества применять конкретные информационные технологии.

«Мы наблюдаем только три технологии, входящие в фазу инновационного триггера», – сказал Дональд Фейнберг, вице-президент и аналитик Gartner. Все больше поставщиков информационных услуг переключаются на облачную модель работы, которая быстро ускоряет развитие нескольких технологий, например dbPaaS и iPaaS. 

DbPaaS – платформа частных облачных баз данных как сервис. IPaaS – интеграционная платформа как сервис.

DbPaaS должна выйти на уровень принятия бизнеса в течение ближайших двух лет.

 

DataOps

DataOps – это автоматизированная, ориентированная на процесс методология, используемая для улучшения качества и сокращения времени цикла аналитики данных. Как и DevOps, DataOps является не жесткой догмой, а основанной на принципах практикой, влияющей на то, как данные могут быть предоставлены и обновлены для удовлетворения потребностей потребителей.

DevOps – набор практик, нацеленных на активное взаимодействие специалистов по разработке со специалистами по информационно-технологическому обслуживанию и взаимную интеграцию их рабочих процессов друг в друга.

«DataOps – это новая практика без каких-либо стандартов или рамок. В настоящее время все большее число поставщиков технологий начали использовать этот термин, когда говорят о своих предложениях, и мы также видим, как команды и аналитики спрашивают о концепции DataOps. Возникает шумиха, и DataOps быстро продвигается вверх (преодолевая очередной этап развития – прим.ред)», – сказал Ник Хедеккер, вице-президент по исследованиям в Gartner.

dbPaaS

Частные облачные предложения dbPaaS (Database-platform-as-a-service) объединяют изолированные частные платформы облачных баз данных с самообслуживанием и масштабируемостью публичного облака. Недавно они начали появляться в кейсах известных компаний-поставщиков облачных решений. Аналитики Gartner заявили, что частное облако dbPaaS может играть роль технологии перехода, поскольку организации разрабатывают свою долгосрочную облачную стратегию.

«Частное облако dbPaaS – вариант для организаций, которые не могут или не готовы перейти на публичные предложения облаков из-за проблем безопасности, регулирования или других проблем», – сказал Адам Ронтал, директор по исследованиям в Gartner. Часто эти организации используют существующую внутреннюю инфраструктуру для dbPaaS, что в результате упрощает адаптацию новой технологии.

Машинное обучение

Машинное обучение ML (machine learning) использовалось в продуктах управления данными с 1970-х годов. Сегодня, с увеличением доступности библиотек ML и доли искусственного интеллекта, поставщики услуг используют современные разновидности машинного обучения для многих операций по самоконтролю в программном обеспечении. Эти решения настраивают и оптимизируют использование продуктов и предлагают новые проекты, схемы и запросы.

«Мы разместили управление данными с поддержкой ML в предпиковой секции цикла развития, потому что многие из современных случаев использования находятся в зачаточном состоянии», – пояснил Дональд Фейнберг.

Тем не менее технология будет развиваться быстро. Многие из продуктов, использующих ML, сегодня доступны только на облачных платформах и, вероятно, будут обучены огромным объемам данных. Улучшения, связанные с этими учебными занятиями, распространятся на локальное ПО, и в течение следующих нескольких лет произойдет усиление внедрения управления данными с поддержкой машинного обучения.

Применение

Несмотря на осторожные формулировки Gartner, все три технологии уже используются в отдельных нишах бизнеса. Стратегия DataOps хоть и не является распространенной, но отдельные ее принципы применимы в крупном бизнесе, например:

  • автоматизация закупки рекламы, которая будет транслироваться исключительно заинтересованным клиентам, данные о которых собраны из открытых источников  и соцсетей;
  • создание виртуальных помощников и консультантов, способных анализировать ответы своих собеседников, давать более информативные сообщения и предоставлять больше сведений о заказчиках;
  • изучение активности сотрудников и внедрение автоматизированных систем, которые смогут упростить работу и ускорить бизнес-процессы.

Частные и гибридные облака пользуются большим спросом в связи с проблемами безопасности и стабильности платформ. А использование машинного обучения для прикладных целей можно назвать главной тенденцией 2018 года.


Автор:
Сергей Кравченко Обозреватель


Избранное Подписка Сортировка: Древо
В этой теме еще нет сообщений.
Оставьте свое сообщение

См. также