Analisi del settore: IBM sulla ricerca multicloud e la strategia ai

Con tutti i dati che le aziende accumulano, è difficile trovare un repository di archiviazione cloud efficace non solo per conservare e gestire tutte queste informazioni, ma anche per abilitare le funzionalità di ricerca e sicurezza. Fortunatamente, i fornitori di piattaforme cloud come IBM, che offre scenari IBM Cloud for Infrastructure-as-a-Service (IaaS) e Platform-as-a-Service (PaaS), stanno attivamente lavorando su nuovi modi per gestire i dati in architetture multicloud.

Che cos'è un'architettura multicloud?

Un'architettura multicloud è costituita da dati e codice archiviati in più ambienti cloud all'interno di un'unica architettura. Immagina semplicemente un'applicazione che utilizza codice e risorse su più cloud, come Amazon Web Services (AWS), IBM Cloud e Microsoft Azure. Utilizzando gli standard di interoperabilità che sono ancora in evoluzione, le architetture multicloud apportano l'interoperabilità ai servizi software, indipendentemente dalle nuvole che tali servizi utilizzano come piattaforma. Ciò consente di personalizzare le risorse cloud in modo che siano più specificamente indirizzate ai carichi di lavoro.

Le piccole e medie imprese (PMI) dovrebbero considerare un fornitore che può aiutare a gestire l'infrastruttura di più servizi cloud e mantenerli sicuri e organizzati in un'unica console. Ancora meglio è uno che può combinare servizi cloud di terze parti, come Microsoft Office 365, con risorse che hai in esecuzione sui tuoi server virtuali in un altro cloud. Un cloud pubblico può essere appropriato per un'app e un cloud privato per un'altra. Le PMI beneficeranno dell'economicità e dell'agilità offerte da un'architettura multicloud.

Multicloud e IBM

Da un punto di vista multicloud, è stato un anno impegnativo per IBM. A maggio, ha lanciato IBM Cloud Private for Data per consentire alle aziende di estrarre informazioni nascoste dai loro dati attraverso discipline come ingegneria dei dati, scienza dei dati e sviluppo, nonché app e database. Quindi, il 10 settembre, la società ha annunciato che IBM Cloud Private for Data si sarebbe integrata con Red Hat OpenShift, il contenitore open source e la piattaforma di app Kubernetes. Kubernetes è una piattaforma open source per l'esecuzione di container tra cluster di server. Questa integrazione con Red Hat offre più opzioni alle aziende quando eseguono carichi di lavoro nativi del cloud in modo che possano essere eseguite in locale, in cloud pubblici e privati ​​e nell'ambiente open source Red Hat OpenShift. IBM amplierà inoltre la sua partnership con Hortonworks, un pioniere del software Big Data, per integrare i servizi in Hortonworks DataPlane con IBM Cloud Private for Data.

Infine, il 13 settembre, IBM ha anche annunciato che avrebbe consentito agli utenti di eseguire query di analisi in tutta l'azienda utilizzando uno strumento chiamato Queryplex, che è una singola console per la ricerca attraverso i cloud. Lo stesso giorno, IBM ha organizzato un evento al Terminal 5 di New York, ospitato da Hannah Storm di ESPN per mettere in luce i clienti che stanno affrontando la sfida dell'intelligenza artificiale (AI). Poco prima dell'evento, PCMag ha incontrato Rob Thomas, General Manager di IBM Analytics, per capire come funziona la nuova funzionalità di ricerca nel cloud, il lavoro di IBM con Red Hat e alcune strategie vincenti nell'intelligenza artificiale.

PCMag (PCM): in che modo IBM Cloud Private for Data ti consente di visualizzare tutti i tuoi dati?

Rob Thomas (RT): pensalo come la console per come un client gestisce i dati ovunque su qualsiasi cloud. Se i client lo usano, possono vedere tutti i dati che hanno in locale, in un'architettura del contenitore di cloud privato, oppure possono vedere i dati che hanno su AWS, Microsoft Azure, Google Cloud Platform o IBM Cloud. È un'unica console per comprendere tutti i tuoi dati: dove si trovano, catalogarli e organizzarli.

PCM: Cos'è Queryplex e in che modo le PMI possono utilizzare qualcosa del genere per cercare tra le nuvole?

RT: Queryplex ti dà la possibilità di scrivere davvero una query SQL (Structured Query Language) e trovare dati in qualsiasi parte del mondo e fare analisi. Con questa funzionalità SQL grandangolare, non è necessario spostare i dati. Troveremo i dati ovunque si trovino e li abiliteremo. Siamo in grado di utilizzare la potenza di elaborazione sul bordo e quindi fornire l'analisi in un unico posto. Quindi, quelli sono i due lati della stessa medaglia. Uno è una console per la gestione di tutti i tuoi dati. La seconda parte riguarda il modo in cui si eseguono effettivamente analisi sui dati che sono ovunque senza dover spostare i dati come passaggio 1, perché lo spostamento dei dati è costoso; richiede tempo. Quindi, abbiamo sostanzialmente eliminato la necessità di spostare i dati, il che è super potente.

PCM: quale sarebbe un esempio quotidiano di un'azienda che utilizza questo tipo di funzionalità di query?

RT: Una buona sarebbe una società automobilistica che sta facendo telematica per eseguire la manutenzione predittiva di un'automobile o il suo rendimento. Oggi l'approccio sarebbe quello di connettersi all'auto e quindi riportare i dati in una posizione centrale. Ti dà la possibilità in tempo reale. Quindi, ciò che era 30 giorni prima è ora 30 secondi. Questo è il potere di farlo; cambia totalmente totalmente la natura e il processo di analisi.

PCM: quali sono le implicazioni di sicurezza della ricerca su più cloud? Come si sceglie di consentire quel tipo di ricerca?

RT: Abbiamo progettato Queryplex come un prodotto aziendale che sfrutterà tutto ciò che un'organizzazione ha stabilito in merito ai protocolli di gestione della sicurezza e dell'identità LDAP (Lightweight Directory Access Protocol) o alle politiche di governance dei dati. Lasciatemi fare un esempio: se la vostra politica aziendale è che ogni volta che fate domande federate che non volete toccare nessuna informazione personale (PII), allora potremmo mascherare quei dati come parte di questa capacità in modo che non fosse " parte di esso. Lo abbiamo progettato per integrarlo nell'architettura di sicurezza di un'azienda.

PCM: cosa dovrebbe fare un'azienda per consentire l'accesso a diversi cloud?

RT: Quando ti trovi in ​​IBM Cloud Private for Data, verrai installato molto rapidamente. In termini di connessione a un altro cloud, sta solo conoscendo l'indirizzo IP. È abbastanza semplice; ce la puoi fare. Quindi il pezzo di connettività non è difficile. Il punto in cui penso che le aziende diventino più difficili è che, man mano che avanzi di più verso i casi d'uso di intelligenza artificiale o dati, devi costruire un modello per questo. Devi addestrare quel modello e siamo in grado di aiutarti a organizzare i dati per farlo.

PCM: Quali sono alcune strategie chiave per le aziende per implementare l'IA o il machine learning (ML)?

RT: Alcune cose diverse. Vedo alcuni clienti che istituiscono Centri di eccellenza per la scienza dei dati (COE). Penso che potrebbe essere un buon modo per stimolare l'organizzazione sull'argomento e far muovere le cose. Penso che sia un buon approccio.

Vediamo altri clienti che assumono un Chief Data Officer (CDO) e danno a quella persona la missione di guidare l'azienda in questa direzione. Penso che sia buono anche questo.

In terzo luogo, vedo che molte aziende che fanno affidamento su questo provengono da una linea di business, ovvero da una linea di business per trovare il caso d'uso, e quindi per l'innovazione tecnologica. Penso che qualcuno di questi possa funzionare.

Penso che il divario più grande e ciò che incoraggio i clienti a fare sia avere una strategia di dati. Parte di una strategia di dati è sapere dove ti trovi oggi. Significato, stai davvero facendo business intelligence (BI) e data warehousing o stai davvero facendo analisi self-service? Comprendi dove sei e quindi capisci il punto finale. Se ottieni chiarezza su questi due punti, puoi avviare esperimenti attraverso COE di scienza dei dati, un CDO o una linea di business, sapendo che otterrai un livello di ripetibilità da quelli, il che è importante.

PCM: Cosa ha portato IBM a lavorare con Red Hat?

RT: Se torni al 2000, IBM è stata una grande sostenitrice di Linux. Direi che Linux probabilmente non sarebbe dove si trova oggi senza il supporto di IBM. Per questo motivo, abbiamo sempre avuto un dialogo continuo con Red Hat sull'innovazione e su come sosteniamo l'ecosistema. Abbiamo osservato cosa ha fatto Red Hat con OpenShift.

Crediamo fortemente nei container e Kubernetes ha un modo per aiutare i clienti a modernizzare le app e gli stati dei dati. Se guardi Red Hat con OpenShift, hanno creato un'ottima piattaforma container incentrata sulla modernizzazione. Ma non hanno nulla per i dati ed è difficile modernizzare le app senza modernizzare i dati allo stesso tempo.

Dove possiamo portare ciò che abbiamo fatto in termini di modernizzazione dei servizi dati con IBM Cloud Private for Data è quello di eseguire nativamente proprio su OpenShift, in modo che quei clienti che sono in viaggio per la modernizzazione delle applicazioni possano fare la stessa cosa con i dati, e loro può trasformare quel progetto in risultati per l'IA.

Hadoop non è ancora passato a un'architettura di microservizi, quindi questo è l'altro pezzo del puzzle. Lavorare con Hortonworks per aiutare a modernizzare e creare microservizi di Hadoop che potrebbero suonare insieme a IBM Cloud Private for Data e OpenShift.

PCM: In che modo le aziende utilizzano questo tipo di architettura di microservizi?

RT: Penso che tutto ritorni all'IA e alla scienza dei dati. Qualunque cosa tu stia facendo con i dati è in genere guidata da un risultato aziendale. Stai cercando qualche vantaggio in termini di come stai utilizzando l'analisi.

Quindi, se hai molti dati in Hadoop, se non sei in grado di usarli per analisi predittive, ML o scienza dei dati, allora non ha molto valore per l'organizzazione. Ecco come collego i punti. Hadoop è un microservizio; è molto più compostabile, molto più flessibile. È più facile lavorare con i dati ed è più facile renderli disponibili per un grande team di data science. E ciò ti consente di ottenere più valore dalla tua implementazione Hadoop.

PCM: Dove vedi le cose in futuro per quanto riguarda AI e ML?

RT: Entreremo lentamente nel mainstream. Un anno fa, la discussione era "Potrei fare qualcosa?" Direi che questo è stato l'anno della maggiore sperimentazione. Penso che il prossimo anno entreremo nella sperimentazione di massa e, si spera, entro la fine del prossimo anno, siamo a un punto in cui questo diventa più mainstream. Le persone usano l'intelligenza artificiale e i modelli per automatizzare molti processi aziendali di base, per automatizzare molti processi decisionali. Quindi, siamo chiaramente in quel viaggio. Puoi vedere la progressione. Sento che ci stiamo avvicinando a un punto di non ritorno, se vuoi, ma non siamo ancora del tutto lì.