Daftar Isi:
Video: Superhuman, with IBM Watson (Desember 2024)
Dengan semua data yang dikumpulkan oleh perusahaan, sulit untuk menemukan repositori penyimpanan cloud yang efektif untuk tidak hanya menyimpan dan mengelola semua informasi itu, tetapi juga memungkinkan kemampuan pencarian dan keamanan. Untungnya, vendor platform cloud seperti IBM, yang menawarkan IBM Cloud untuk Infrastruktur sebagai Layanan (IaaS) dan skenario Platform sebagai Layanan (PaaS), secara aktif bekerja pada cara-cara baru untuk mengelola data dalam arsitektur multicloud.
Apa itu Arsitektur Multicloud?
Arsitektur multicloud terdiri dari data dan kode yang disimpan di beberapa lingkungan cloud dalam satu arsitektur. Bayangkan saja sebuah aplikasi yang menggunakan kode dan sumber daya di banyak cloud, seperti Amazon Web Services (AWS), IBM Cloud, dan Microsoft Azure. Dengan menggunakan standar interoperabilitas yang masih berkembang, arsitektur multicloud membawa interoperabilitas ke layanan perangkat lunak apa pun awan yang digunakan layanan tersebut sebagai platform. Ini memungkinkan Anda menyesuaikan sumber daya cloud Anda sehingga mereka lebih spesifik menargetkan beban kerja Anda.
Usaha kecil dan menengah (UKM) harus mempertimbangkan penyedia yang dapat membantu mengelola infrastruktur beberapa layanan cloud dan menjaganya tetap aman dan terorganisir dalam satu konsol. Yang lebih baik lagi adalah yang dapat menggabungkan layanan cloud pihak ketiga, seperti Microsoft Office 365, dengan sumber daya yang telah Anda jalankan di server virtual Anda sendiri di cloud lain. Cloud publik mungkin sesuai untuk satu aplikasi dan cloud pribadi untuk yang lain. UKM akan mendapat manfaat dari keefektifan dan kelincahan biaya yang disediakan arsitektur multicloud.
Multicloud dan IBM
Dari sudut pandang multicloud, ini merupakan tahun yang sibuk bagi IBM. Pada bulan Mei, IBM meluncurkan IBM Cloud Private for Data untuk memungkinkan perusahaan mengekstraksi wawasan tersembunyi dari data mereka di berbagai disiplin ilmu seperti teknik data, ilmu data, dan pengembangan serta aplikasi dan basis data mereka. Kemudian, pada 10 September, perusahaan mengumumkan bahwa IBM Cloud Private for Data akan berintegrasi dengan Red Hat OpenShift, wadah sumber terbuka dan platform aplikasi Kubernetes. Kubernetes adalah platform sumber terbuka untuk menjalankan kontainer di seluruh kelompok server. Integrasi dengan Red Hat ini memberi lebih banyak opsi kepada perusahaan ketika menjalankan beban kerja asli cloud sehingga mereka dapat berjalan di tempat, di awan publik dan pribadi, dan di lingkungan open source Red Hat OpenShift. IBM juga akan memperluas kemitraannya dengan Hortonworks, pelopor perangkat lunak Big Data, untuk mengintegrasikan layanan dalam Hortonworks DataPlane dengan IBM Cloud Private for Data.
Akhirnya, pada 13 September, IBM juga mengumumkan bahwa mereka akan membiarkan para pengguna menanyakan analitik di seluruh perusahaan dengan menggunakan alat yang disebut Queryplex, yang merupakan konsol tunggal untuk mencari di seluruh awan. Pada hari yang sama, IBM mengadakan acara di Terminal 5 di New York City yang diselenggarakan oleh Hannah Storm ESPN untuk menyoroti pelanggan yang menerima tantangan kecerdasan buatan (AI). Sesaat sebelum acara, PCMag bertemu dengan Rob Thomas, General Manager IBM Analytics, untuk memahami bagaimana kemampuan pencarian cloud yang baru bekerja, kerja IBM dengan Red Hat, dan beberapa strategi pemenang di AI.
Rob Thomas (RT): Pikirkan sebagai konsol untuk bagaimana klien mengelola data di mana saja di cloud mana pun. Jika klien menggunakan itu, maka mereka dapat melihat semua data yang mereka miliki di lokasi, dalam arsitektur wadah cloud pribadi, atau mereka dapat melihat data yang mereka miliki di AWS, Microsoft Azure, Google Cloud Platform, atau IBM Cloud. Ini adalah konsol tunggal untuk memahami semua data Anda - di mana tempatnya, membuat katalog data Anda dan mengaturnya.
PCM: Apa itu Queryplex dan bagaimana SMB dapat menggunakan sesuatu seperti itu untuk mencari di awan?
RT: Queryplex memberi Anda kemampuan untuk benar-benar menulis kueri Bahasa Structured Query Language (SQL) dan menemukan data di mana saja di dunia dan melakukan analisis. Dengan kemampuan SQL sudut lebar ini, Anda tidak perlu memindahkan data. Kami akan menemukan data di mana pun itu berada dan kami akan mengaktifkannya. Kita dapat menggunakan kekuatan pemrosesan di tepi dan kemudian memberikan analitik kembali ke satu tempat. Jadi, itu adalah dua sisi dari koin yang sama. Salah satunya adalah konsol untuk mengelola semua data Anda. Bagian kedua adalah tentang bagaimana Anda benar-benar melakukan analisis pada data yang ada di mana saja tanpa harus memindahkan data sebagai Langkah 1, karena memindahkan data itu mahal; itu menghabiskan waktu. Jadi, pada dasarnya kami menghilangkan kebutuhan untuk pergerakan data, yang sangat kuat.
PCM: Apa yang akan menjadi contoh sehari-hari dari sebuah perusahaan yang menggunakan jenis permintaan ini?
RT: Yang bagus adalah perusahaan otomotif yang melakukan telematika untuk melakukan perawatan prediktif pada mobil atau bagaimana kinerjanya. Hari ini, pendekatannya adalah menghubungkan ke mobil dan kemudian membawa data kembali ke lokasi pusat. Ini memberi Anda kemampuan waktu nyata. Jadi, apa yang 30 hari sebelumnya sekarang adalah 30 detik. Itulah kekuatan melakukan ini; itu benar-benar mengubah sifat dan proses analitik.
PCM: Apa implikasi keamanan pencarian di banyak awan? Bagaimana Anda memilih untuk mengizinkan jenis pencarian itu?
RT: Kami merancang Queryplex sebagai produk perusahaan yang akan mengambil keuntungan dari apa pun yang telah dibuat oleh organisasi di sekitar protokol keamanan dan identitas protokol akses ringan (LDAP) atau kebijakan tata kelola data. Biarkan saya memberi Anda sebuah contoh: Jika kebijakan perusahaan Anda adalah kapan pun Anda melakukan permintaan gabungan yang tidak ingin Anda sentuh Informasi Identifikasi Pribadi (PII), maka kami dapat menutupi data itu sebagai bagian dari kemampuan ini sehingga tidak t bagian dari itu. Kami benar-benar dirancang untuk diintegrasikan ke dalam arsitektur keamanan perusahaan.
PCM: Apa yang perlu dilakukan perusahaan untuk memungkinkan akses ke cloud yang berbeda?
RT: Ketika Anda berada di IBM Cloud Private for Data, Anda menginstal dengan sangat cepat. Dalam hal menghubungkan ke cloud yang berbeda, itu hanya mengetahui alamat IP. Itu cukup mudah; kamu bisa melakukannya. Jadi bagian konektivitas tidak sulit. Di mana saya pikir semakin sulit bagi perusahaan adalah bahwa, karena Anda lebih maju ke AI atau kasus penggunaan tipe sains data, Anda perlu membuat model untuk itu. Anda perlu melatih model itu, dan kami dapat membantu Anda mengatur data untuk melakukannya.
PCM: Apa beberapa strategi utama bagi perusahaan untuk mengimplementasikan AI atau pembelajaran mesin (ML)?
RT: Beberapa hal berbeda. Saya melihat beberapa klien yang membangun data centre of Excellence (COE) sains data. Saya pikir itu bisa menjadi cara yang baik untuk memberi energi organisasi pada topik dan membuat segalanya bergerak. Saya pikir itu satu pendekatan yang baik.
Kami melihat klien lain yang mempekerjakan Chief Data Officer (CDO) dan memberikan orang itu misi untuk mengarahkan perusahaan ke arah ini. Saya pikir itu bagus juga.
Ketiga, saya melihat banyak perusahaan yang mengandalkan ini berasal dari lini bisnis, yang berarti lini bisnis untuk menemukan use case, dan kemudian itu untuk inovasi teknologi. Saya pikir semua itu bisa bekerja.
Saya pikir kesenjangan terbesar dan apa yang saya mendorong klien lakukan adalah memiliki strategi data. Bagian dari strategi data adalah mengetahui di mana Anda berada hari ini. Artinya, apakah Anda benar-benar hanya melakukan intelijen bisnis (BI) dan penyimpanan data atau apakah Anda benar-benar melakukan analisis swalayan? Pahami di mana Anda berada dan kemudian pahami titik akhirnya. Jika Anda mendapatkan kejelasan tentang dua poin tersebut, maka Anda dapat meluncurkan percobaan melalui COE ilmu data, CDO, atau melalui lini bisnis, mengetahui bahwa Anda akan mendapatkan tingkat pengulangan dari itu, yang penting.
PCM: Apa yang membuat IBM bekerja dengan Red Hat?
RT: Jika Anda kembali ke tahun 2000, IBM telah menjadi pendukung Linux yang cukup besar. Saya berpendapat bahwa Linux mungkin tidak akan seperti sekarang ini tanpa dukungan IBM. Karena itu, kami selalu melakukan dialog berkelanjutan dengan Red Hat seputar inovasi dan bagaimana kami mendukung ekosistem. Kami telah menyaksikan apa yang telah dilakukan Red Hat dengan OpenShift.
Kami sangat percaya pada wadah, dan Kubernetes memiliki cara untuk membantu klien memodernisasi aplikasi dan status data. Jika Anda melihat Red Hat dengan OpenShift, mereka membangun platform wadah besar yang berfokus pada modernisasi. Tetapi mereka tidak memiliki apa pun untuk data, dan sulit untuk memodernisasi aplikasi tanpa memodernisasi data pada saat yang sama.
Di mana kita dapat membawa apa yang telah kita lakukan dalam hal memodernisasi layanan data dengan IBM Cloud Private for Data adalah menjalankannya secara native di OpenShift, sehingga klien yang sedang dalam perjalanan modernisasi aplikasi dapat melakukan hal yang sama dengan data, dan mereka dapat mengubah proyek itu menjadi hasil untuk AI.
Hadoop belum pindah ke arsitektur layanan mikro, jadi itu bagian lain dari teka-teki. Bekerja dengan Hortonworks untuk membantu memodernisasi dan menciptakan layanan microser Hadoop yang dapat dimainkan bersama dengan IBM Cloud Private untuk Data dan OpenShift.
PCM: Bagaimana perusahaan menggunakan jenis arsitektur layanan mikro itu?
RT: Saya pikir itu semua kembali ke AI dan ilmu data. Apa pun yang Anda lakukan dengan data biasanya didorong di sekitar hasil bisnis. Anda mencari beberapa keuntungan dalam hal bagaimana Anda menggunakan analitik.
Jadi, jika Anda mendapatkan banyak data di Hadoop, jika Anda tidak dapat menggunakannya untuk analisis prediktif, ML, atau ilmu data, maka itu tidak terlalu berharga bagi organisasi. Begitulah cara saya menghubungkan titik-titik. Hadoop adalah layanan mikro; itu jauh lebih mudah disusun, jauh lebih fleksibel. Lebih mudah untuk bekerja dengan data, dan lebih mudah untuk membuatnya tersedia untuk tim ilmu data yang besar. Dan itu memungkinkan Anda untuk mendapatkan nilai lebih dari implementasi Hadoop Anda.
PCM: Di mana Anda melihat hal-hal yang terjadi di masa depan sejauh AI dan ML?
RT: Kita akan perlahan memasuki arus utama. Setahun yang lalu, diskusi adalah, "Bisakah saya melakukan sesuatu?" Saya akan mengatakan ini adalah tahun peningkatan eksperimen. Saya pikir tahun depan kita masuk ke eksperimen massal dan mudah-mudahan, pada akhir tahun depan, kita berada pada titik di mana ini menjadi lebih utama. Orang-orang menggunakan AI dan model untuk mengotomatisasi banyak proses bisnis dasar, untuk mengotomatisasi banyak pengambilan keputusan. Jadi, kami jelas dalam perjalanan itu. Anda dapat melihat perkembangannya. Saya merasa kita semakin dekat ke titik kritis, jika Anda mau, tapi kami belum sampai di sana.
