Бэзил Фаруки, BMC Software: Как разработать стратегию работы с данными и ИИ

Директор по маркетингу решений BMC Software, Бэзил Фаруки, обсуждает важность DataOps, оркестровки данных и роль ИИ в оптимизации автоматизации сложных рабочих процессов для успеха бизнеса.

Каковы последние разработки в BMC?

В BMC и, в частности, в нашей линейке продуктов Control-M наступили захватывающие времена, поскольку мы продолжаем помогать некоторым из крупнейших компаний по всему миру в автоматизации и оркестровке бизнес-результатов, зависящих от сложных рабочих процессов. Большое внимание в нашей стратегии уделяется DataOps, в частности оркестровке в рамках практики DataOps. За последние двенадцать месяцев мы выполнили более семидесяти интеграций с бессерверными и PaaS-предложениями в AWS, Azure и GCP, что позволяет нашим клиентам быстро внедрять современные облачные сервисы в свои шаблоны оркестровки Control-M. Кроме того, мы создаем прототипы вариантов использования на основе GenAI для ускорения разработки рабочих процессов и оптимизации времени выполнения.

Какие последние тенденции вы заметили в развитии DataOps?

В целом в мире данных мы наблюдаем постоянные инвестиции в программное обеспечение для обработки данных и аналитики. Аналитики подсчитали, что расходы на программное обеспечение для обработки данных и аналитики в прошлом году составили более 100 миллиардов долларов. Если мы посмотрим на Machine Learning, Artificial Intelligence & Data Landscape, который Мэтт Терк из Firstmark публикует каждый год, то увидим, что он более насыщен, чем когда-либо прежде. В нем 2011 логотипов, и с 2023 года было добавлено более пятисот. Учитывая этот быстрый рост инструментов и инвестиций, DataOps теперь занимает центральное место, поскольку компании понимают, что для успешной реализации инициатив в области данных они больше не могут просто добавлять больше инженеров. Практики DataOps теперь становятся планом для масштабирования этих инициатив в производстве. Недавний бум GenAI сделает эту операционную модель еще более важной.

О чем следует помнить компаниям при попытке создания стратегии данных?

Как я уже упоминал ранее, инвестиции в инициативы в области данных со стороны руководителей бизнеса, генеральных директоров, директоров по маркетингу, финансовых директоров и т. д. продолжают оставаться значительными. Эти инвестиции направлены не только на создание дополнительных показателей эффективности, но и на изменение правил игры, трансформационные бизнес-результаты. Это означает, что три вещи становятся очень важными. Во-первых, это четкое соответствие стратегии в области данных бизнес-целям, что позволяет гарантировать, что технологические команды работают над тем, что наиболее важно для бизнеса. Во-вторых, это качество и доступность данных, качество данных имеет решающее значение. Низкое качество данных приведет к неточным выводам. Не менее важно обеспечить доступность данных и сделать нужные данные доступными нужным людям в нужное время. Демократизация доступа к данным при сохранении надлежащего контроля позволяет командам по всей организации принимать решения на основе данных. В-третьих, это достижение масштаба в производстве. Стратегия должна гарантировать, что готовность Ops встроена в практику разработки данных, чтобы ее не рассматривали только после пилотирования.

Насколько важна оркестровка данных как часть общей стратегии компании?

Оркестровка данных, возможно, является важнейшим столпом DataOps. Большинство организаций имеют данные, распределенные по нескольким системам – облако, локальные, устаревшие базы данных и сторонние приложения. Возможность интегрировать и организовывать эти разрозненные источники данных в единую систему имеет решающее значение. Правильная оркестровка данных обеспечивает бесперебойный поток данных между системами, минимизируя дублирование, задержки и узкие места, одновременно поддерживая своевременное принятие решений.

Что ваши клиенты говорят вам о своих самых больших трудностях, когда дело доходит до оркестровки данных?

Организации продолжают сталкиваться с проблемой быстрой поставки продуктов данных и их быстрого масштабирования в производстве. GenAI является хорошим примером этого. Генеральные директора и советы директоров по всему миру просят быстрых результатов, поскольку они чувствуют, что это может серьезно нарушить работу тех, кто не может использовать его возможности. GenAI внедряет такие практики, как быстрое проектирование, быстрое связывание и т. д. Проблема в том, как взять LLM и векторные базы данных, ботов и т. д. и вписать их в более крупный конвейер данных, который проходит через очень гибридную архитектуру от нескольких облаков до локальной среды, включая мэйнфреймы для многих. Это просто подтверждает необходимость стратегического подхода к оркестровке, который позволит сворачивать новые технологии и практики для масштабируемой автоматизации конвейеров данных. Один клиент описал Control-M как сетевой фильтр оркестровки, куда можно подключать новые технологии и шаблоны по мере их появления, не переделывая проводку каждый раз при замене старых технологий на новые.

Каковы ваши главные советы по обеспечению оптимальной оркестровки данных?

Может быть несколько основных советов, но я сосредоточусь на одном — взаимодействии между рабочими процессами приложений и данных, которое, по моему мнению, имеет решающее значение для достижения масштаба и скорости в производстве. Оркестровка конвейеров данных важна, но крайне важно помнить, что эти конвейеры являются частью более крупной экосистемы на предприятии. Давайте рассмотрим конвейер МО, развернутый для прогнозирования клиентов, которые, скорее всего, перейдут к конкуренту. Данные, которые поступают в такой конвейер, являются результатом рабочих процессов, которые выполнялись в ERP/CRM и комбинации других приложений. Успешное завершение рабочих процессов приложений часто является предпосылкой для запуска рабочих процессов данных. После того, как модель идентифицирует клиентов, которые, скорее всего, перейдут, следующим шагом, возможно, будет отправка им рекламного предложения, что означает, что нам нужно будет вернуться к прикладному уровню в ERP и CRM. Control-M имеет уникальные возможности для решения этой проблемы, поскольку наши клиенты используют его для оркестровки и управления сложными зависимостями между приложением и уровнем данных.

Какие, по вашему мнению, основные возможности и проблемы при развертывании ИИ?

ИИ и, в частности, GenAI быстро расширяют технологии, задействованные в экосистеме данных. Множество новых моделей, векторных баз данных и новых шаблонов автоматизации вокруг цепочки подсказок и т. д. Эта проблема не нова для мира данных, но темпы изменений набирают обороты. С точки зрения оркестровки мы видим огромные возможности для наших клиентов, поскольку мы предлагаем высокоадаптируемую платформу для оркестровки, где они могут встроить эти инструменты и шаблоны в свои существующие рабочие процессы, а не возвращаться к чертежной доске.

Есть ли у вас примеры успешного использования искусственного интеллекта, которыми вы могли бы поделиться с нами?

Domino’s Pizza использует Control-M для организации своих обширных и сложных конвейеров данных. Имея более 20 000 магазинов по всему миру, Domino’s управляет более чем 3000 конвейерами данных, которые направляют данные из различных источников, таких как внутренние системы цепочек поставок, данные о продажах и сторонние интеграции. Эти данные из приложений должны пройти через сложные шаблоны и модели преобразования, прежде чем они станут доступны для принятия решений, связанных с качеством продуктов питания, удовлетворенностью клиентов и операционной эффективностью во всей его сети франшиз.

Control-M играет важную роль в организации этих рабочих процессов обработки данных, обеспечивая бесперебойную интеграцию с широким спектром технологий, таких как MicroStrategy, AMQ, Apache Kafka, Confluent, GreenPlum, Couchbase, Talend, SQL Server и Power BI, и это лишь некоторые из них.</стр> <стр>Помимо простого объединения сложных шаблонов оркестровки, Control-M обеспечивает им сквозную видимость конвейеров, гарантируя, что они соответствуют строгим соглашениям об уровне обслуживания (SLA) при обработке растущих объемов данных. Control-M помогает им быстрее создавать важные отчеты, предоставлять информацию франчайзи и масштабировать развертывание новых бизнес-услуг.

Чего мы можем ожидать от BMC в следующем году?

Наша стратегия для Control-M в BMC будет по-прежнему сосредоточена на нескольких основных принципах:

Продолжать позволять нашим клиентам использовать Control-M в качестве единой точки управления для оркестровки по мере того, как они внедряют современные технологии, особенно в публичном облаке. Это означает, что мы продолжим предоставлять новые интеграции всем основным поставщикам публичных облаков, чтобы гарантировать, что они могут использовать Control-M для оркестровки рабочих процессов в трех основных моделях облачной инфраструктуры IaaS, контейнеров и PaaS (Serverless Cloud Services). Мы планируем продолжать уделять особое внимание бессерверным решениям, и вы увидите больше готовых интеграций от Control-M для поддержки модели PaaS.

Мы признаем, что оркестровка предприятия — это командный вид спорта, который подразумевает координацию между инженерами, операциями и бизнес-пользователями. И, учитывая это, мы планируем предоставить пользовательский опыт и интерфейс, основанные на персоне, чтобы сотрудничество было беспроблемным.

В частности, в DataOps мы рассматриваем пересечение оркестровки и качества данных с особым акцентом на том, чтобы сделать качество данных первоклассным гражданином в рабочих процессах приложений и данных. Оставайтесь с нами, чтобы узнать больше об этом фронте!

Хотите узнать больше об ИИ и больших данных от лидеров отрасли? Ознакомьтесь с выставкой ИИ и больших данных, которая проходит в Амстердаме, Калифорния, и Лондоне. Комплексное мероприятие проводится совместно с другими ведущими мероприятиями, включая Intelligent Automation Conference, BlockX, Digital Transformation Week и Cyber ​​Security & Cloud Expo.

Изучите другие предстоящие мероприятия и вебинары, посвященные корпоративным технологиям, организованные TechForge, здесь.

Теги: автоматизация, BMC, оркестровка данных, DataOps

Источник: www.artificialintelligence-news.com