Brancheneinblick: IBM auf Multicloud-Suche und AI-Strategie

Mit all den Daten, die Unternehmen sammeln, ist es schwierig, ein effektives Cloud-Speicher-Repository zu finden, in dem nicht nur alle diese Informationen gespeichert und verwaltet werden, sondern auch Such- und Sicherheitsfunktionen aktiviert werden. Glücklicherweise arbeiten Cloud-Plattform-Anbieter wie IBM, die IBM Cloud für Infrastructure-as-a-Service- (IaaS) und Platform-as-a-Service- (PaaS) Szenarien anbieten, aktiv an neuen Möglichkeiten zur Datenverwaltung in Multicloud-Architekturen.

Was ist eine Multicloud-Architektur?

Eine Multicloud-Architektur besteht aus Daten und Code, die in mehreren Cloud-Umgebungen in einer einzigen Architektur gespeichert sind. Stellen Sie sich einfach eine Anwendung vor, die Code und Ressourcen in mehreren Clouds verwendet, z. B. Amazon Web Services (AWS), IBM Cloud und Microsoft Azure. Durch die Verwendung von Interoperabilitätsstandards, die sich noch in der Entwicklung befinden, ermöglichen Multicloud-Architekturen die Interoperabilität von Softwarediensten, unabhängig davon, welche Clouds diese Dienste als Plattform verwenden. Auf diese Weise können Sie Ihre Cloud-Ressourcen so anpassen, dass sie spezifischer auf Ihre Workloads ausgerichtet sind.

Kleine bis mittelständische Unternehmen (SMBs) sollten einen Anbieter in Betracht ziehen, der bei der Verwaltung der Infrastruktur mehrerer Cloud-Dienste hilft und diese in einer einzigen Konsole sicher und organisiert hält. Noch besser ist es, Cloud-Dienste von Drittanbietern wie Microsoft Office 365 mit Ressourcen zu kombinieren, die auf Ihren eigenen virtuellen Servern in einer anderen Cloud ausgeführt werden. Eine öffentliche Cloud kann für eine App und eine private Cloud für eine andere geeignet sein. KMU profitieren von der Wirtschaftlichkeit und Flexibilität einer Multicloud-Architektur.

Multicloud und IBM

Aus multicloud-Sicht war es ein arbeitsreiches Jahr für IBM. Im Mai wurde IBM Cloud Private for Data eingeführt, mit dem Unternehmen verborgene Erkenntnisse aus ihren Daten in verschiedenen Disziplinen wie Data Engineering, Data Science und Development sowie ihren Apps und Datenbanken gewinnen können. Am 10. September gab das Unternehmen dann bekannt, dass IBM Cloud Private for Data in Red Hat OpenShift, den Open-Source-Container und die Kubernetes-App-Plattform, integriert wird. Kubernetes ist eine Open-Source-Plattform für die Ausführung von Containern über mehrere Servercluster hinweg. Diese Integration in Red Hat bietet Unternehmen mehr Optionen, wenn sie Cloud-native Workloads ausführen, sodass sie lokal, in öffentlichen und privaten Clouds und in der Open-Source-Red Hat OpenShift-Umgebung ausgeführt werden können. IBM wird auch seine Partnerschaft mit Hortonworks, einem Big-Data-Softwarepionier, verlängern, um Services in Hortonworks DataPlane mit IBM Cloud Private for Data zu integrieren.

Schließlich gab IBM am 13. September bekannt, dass Benutzer mithilfe des Tools Queryplex, einer einzigen Konsole für die Suche über Clouds hinweg, Analysen im gesamten Unternehmen abfragen können. Am selben Tag veranstaltete IBM eine Veranstaltung im Terminal 5 in New York City, die von Hannah Storm von ESPN ausgerichtet wurde, um Kunden vorzustellen, die sich der Herausforderung der künstlichen Intelligenz (KI) stellen. Kurz vor der Veranstaltung sprach PCMag mit Rob Thomas, General Manager von IBM Analytics, über die Funktionsweise der neuen Cloud-Suchfunktion, die Arbeit von IBM mit Red Hat und einige erfolgreiche Strategien im Bereich KI.

PCMag (PCM): Wie können Sie mit IBM Cloud Private for Data alle Ihre Daten anzeigen?

Rob Thomas (RT): Betrachten Sie es als Konsole für die Verwaltung von Daten durch einen Client in jeder Cloud. Wenn Clients dies verwenden, können sie alle vor Ort vorhandenen Daten in einer privaten Cloud-Container-Architektur oder Daten in AWS, Microsoft Azure, Google Cloud Platform oder IBM Cloud anzeigen. Es ist eine einzige Konsole, um alle Ihre Daten zu verstehen - wo sie sich befinden, um Ihre Daten zu katalogisieren und zu organisieren.

PCM: Was ist Queryplex und wie können SMBs so etwas verwenden, um über Clouds zu suchen?

RT: Queryplex bietet Ihnen die Möglichkeit, eine SQL-Abfrage (Structured Query Language) zu schreiben, Daten an jedem Ort der Welt zu finden und Analysen durchzuführen. Mit dieser Weitwinkel-SQL-Funktion müssen Sie die Daten nicht verschieben. Wir finden die Daten dort, wo sie sind, und aktivieren sie. Wir können die Rechenleistung am Rande nutzen und dann die Analysen an einem einzigen Ort zurückliefern. Das sind also zwei Seiten einer Medaille. Eine ist eine Konsole zur Verwaltung all Ihrer Daten. Im zweiten Teil geht es darum, wie Sie tatsächlich Daten analysieren, ohne die Daten wie in Schritt 1 verschieben zu müssen, da das Verschieben der Daten kostspielig ist. es ist zeitaufwändig. So haben wir im Grunde genommen die Notwendigkeit einer Datenverschiebung beseitigt, die überaus leistungsstark ist.

PCM: Was wäre ein alltägliches Beispiel für ein Unternehmen, das diese Art von Abfragefunktion verwendet?

RT: Ein gutes Unternehmen wäre ein Automobilunternehmen, das Telematik zur vorausschauenden Wartung eines Automobils oder seiner Leistung einsetzt. Heutzutage besteht der Ansatz darin, eine Verbindung zum Auto herzustellen und die Daten dann an einen zentralen Ort zurückzubringen. Es gibt Ihnen die Echtzeitfähigkeit. Was 30 Tage zuvor war, ist jetzt 30 Sekunden. Das ist die Kraft, dies zu tun. Es verändert die Art und den Prozess der Analytik total.

PCM: Welche Auswirkungen hat die Suche in mehreren Clouds auf die Sicherheit? Wie können Sie diese Art der Suche zulassen?

RT: Wir haben Queryplex als ein Unternehmensprodukt konzipiert, das die Vorteile der Sicherheits- und Identitätsverwaltungsprotokolle oder Datenverwaltungsrichtlinien von Lightweight Directory Access Protocol (LDAP) nutzt. Lassen Sie mich ein Beispiel geben: Wenn Ihre Unternehmensrichtlinie lautet, dass Sie bei allen Verbundabfragen, bei denen Sie keine personenbezogenen Daten (PII) berühren möchten, diese Daten im Rahmen dieser Funktion maskieren können, um sie nicht zu ändern. Es ist ein Teil davon. Wir haben es wirklich entworfen, um es in die Sicherheitsarchitektur eines Unternehmens zu integrieren.

PCM: Was muss ein Unternehmen tun, um Zugriff auf verschiedene Clouds zu erhalten?

RT: Wenn Sie sich in IBM Cloud Private for Data befinden, werden Sie sehr schnell installiert. Wenn Sie eine Verbindung zu einer anderen Cloud herstellen, müssen Sie lediglich die IP-Adresse kennen. Das ist ziemlich einfach; du kannst das. Das Konnektivitätsstück ist also nicht schwer. Ich denke, dass es für Unternehmen schwieriger wird, ein Modell dafür zu erstellen, wenn Sie sich mehr auf KI- oder datenwissenschaftliche Anwendungsfälle konzentrieren. Sie müssen dieses Modell trainieren, und wir können Ihnen dabei helfen, die Daten zu organisieren.

PCM: Was sind einige Schlüsselstrategien für Unternehmen, um KI oder maschinelles Lernen (ML) zu implementieren?

RT: Ein paar verschiedene Dinge. Ich sehe einige Kunden, die Data Science Centers of Excellence (COE) einrichten. Ich denke, das könnte eine gute Möglichkeit sein, die Organisation für das Thema zu begeistern und die Dinge in Bewegung zu bringen. Ich denke, das ist ein guter Ansatz.

Wir sehen andere Kunden, die einen Chief Data Officer (CDO) einstellen und dieser Person den Auftrag geben, das Unternehmen in diese Richtung zu lenken. Ich finde das auch gut.

Drittens sehe ich viele Unternehmen, die sich darauf verlassen, dass sie aus einem Geschäftsbereich stammen, dh aus einem Geschäftsbereich, in dem der Anwendungsfall gefunden wird, und das ist dann die technologische Innovation. Ich denke, dass jeder von denen arbeiten kann.

Ich denke, die größte Lücke, zu der ich Kunden ermutige, ist eine Datenstrategie. Teil einer Datenstrategie ist es, zu wissen, wo Sie sich heute befinden. Das heißt, machen Sie wirklich nur Business Intelligence (BI) und Data Warehousing oder machen Sie tatsächlich Self-Service-Analysen? Verstehe wo du bist und dann verstehe den Endpunkt. Wenn Sie Klarheit über diese beiden Punkte erhalten, können Sie Experimente über Data Science-COEs, ein CDO oder über einen Geschäftszweig starten, in dem Wissen, dass Sie einen Grad an Wiederholbarkeit aus diesen erhalten, was wichtig ist.

PCM: Was hat IBM dazu gebracht, mit Red Hat zu arbeiten?

RT: Wenn Sie zurück zu 2000 gehen, war IBM ein ziemlich großer Befürworter von Linux. Ich würde argumentieren, dass Linux ohne die Unterstützung von IBM wahrscheinlich nicht dort wäre, wo es heute ist. Aus diesem Grund haben wir immer einen ständigen Dialog mit Red Hat über Innovation und wie wir das Ökosystem unterstützen. Wir haben beobachtet, was Red Hat mit OpenShift gemacht hat.

Wir glauben fest an Container, und Kubernetes kann Kunden bei der Modernisierung von Apps und Datenzuständen unterstützen. Wenn Sie sich Red Hat mit OpenShift ansehen, dann haben sie eine großartige Containerplattform geschaffen, die sich auf die Modernisierung konzentriert. Sie haben jedoch nichts für Daten und es ist schwierig, Apps zu modernisieren, ohne gleichzeitig Daten zu modernisieren.

Was wir bei der Modernisierung von Datenservices mit IBM Cloud Private for Data tun können, ist, dies direkt auf OpenShift auszuführen. Kunden, die sich auf dem Weg zur Anwendungsmodernisierung befinden, können dasselbe mit Daten tun kann dieses Projekt in Ergebnisse für AI verwandeln.

Hadoop ist noch nicht zu einer Microservice-Architektur übergegangen, das ist also der andere Teil des Puzzles. Arbeiten Sie mit Hortonworks zusammen, um die Modernisierung und Erstellung von Microservices von Hadoop zu unterstützen, die mit IBM Cloud Private for Data und OpenShift kompatibel sind.

PCM: Wie nutzen Unternehmen diese Art von Microservice-Architektur?

RT: Ich denke, alles hängt mit der KI und der Datenwissenschaft zusammen. Was auch immer Sie mit Daten tun, hängt in der Regel vom Geschäftsergebnis ab. Sie suchen nach einem Vorteil in Bezug auf die Verwendung von Analysen.

Wenn Sie also viele Ihrer Daten in Hadoop haben und diese nicht für Predictive Analytics, ML oder Data Science verwenden können, ist dies für das Unternehmen nicht sehr wertvoll. So verbinde ich die Punkte. Hadoop ist ein Microservice; Es ist viel komponierbarer, viel flexibler. Es ist einfacher, mit den Daten zu arbeiten und sie einem großen Data-Science-Team zur Verfügung zu stellen. Auf diese Weise können Sie Ihre Hadoop-Implementierung effizienter nutzen.

PCM: Wo sehen Sie die Dinge in der Zukunft in Bezug auf KI und ML?

RT: Wir werden langsam in den Mainstream eintreten. Vor einem Jahr lautete die Diskussion: "Kann ich etwas tun?" Ich würde sagen, dies war das Jahr des Experimentierens. Ich denke, nächstes Jahr beginnen wir mit Massenexperimenten und hoffentlich sind wir Ende nächsten Jahres an einem Punkt angelangt, an dem dies mehr zum Mainstream wird. Menschen verwenden KI und Modelle, um viele grundlegende Geschäftsprozesse zu automatisieren und viele Entscheidungen zu treffen. Wir sind also klar auf diesem Weg. Sie können den Fortschritt sehen. Ich habe das Gefühl, wir nähern uns einem Wendepunkt, wenn Sie so wollen, aber wir sind noch nicht ganz da.