С ускорения темп на дигиталната трансформация, обусловен най-вече от пандемията в последните две години, все по-често бизнесът говори за предизвикателствата, пред които са изправени компаниите, когато работят с големи обеми от данни. Очевидно е, че за да има добри бизнес резултати, внедряването на правилното ИТ решение е от изключителна важност.
Българският пазар не е изолиран от предизвикателствата пред световния бизнес и със сигурност можем да кажем, че данните, които клиентите/потребителите съхраняват, в никакъв случай не стават по-малко. Но това не е най-големият проблем за предприятията не само тук, но и в световен мащаб. Най-сериозният проблем е, че съхраняваните данни не се анализират и използват по правилен начин - ако изобщо се използват. Така че тези данни не генерират реална стойност за организациите, които разполагат с тях. Получава се така, че множество данни се съхраняват някъде като неизползван ресурс. Генерирането на бизнес смисъл от тези данни не e проста задача. Проблемите, с които биха се сблъскали клиентите, могат да бъдат много. Нека изброим най-сериозните от тях:
- На първо място, днешната икономическа ситуация изисква бърза реакция на променящите се бизнес условия. Осъзната е и критичната нужда от методи и средства за предвиждане на евентуални бъдещи проблеми. Това, което имахме в миналото (и все още е валидно за днешните ИТ), са ИТ бизнес инструменти, които се нуждаят от дни, седмици или дори месеци, за да генерират смислен отчет и да докладват за появила се тенденция или затруднение. И следователно всеки такъв доклад се оказва нерелевантен, тъй като междувременно ситуацията може да се е променила драстично. Това е недопустимо и затова клиентите трябва да внедрят нови инструменти, за което пък ще са им нужни значителни инвестиции.
- Вторият голям проблем е, че данните вътре в организациите съществуват в различни формати и на различни места. Достъпът до тези данни може да изисква специфични протоколи, софтуер и т.н.
- Не на последно място - бързите (или онлайн, както го наричаме) анализи на данни изискват не само огромна изчислителна мощност, която е много специфична за различните етапи, но също така познания за технологии като трансформация на данни, автоматизация, Machine Learning, изкуствен интелект и др.
Изминалите 2020 и 2021 г. категорично показаха, освен че можем да работим от вкъщи, но и че всяка организация трябва да подобри гъвкавостта и ефективността си, да използва потенциала на наличните данни и по този начин да улесни и ускори развитието на бизнес иновациите. Това е една от основните причини софтуерът да е един от важните "завръщащи се" компоненти в продуктовото портфолио на Hewlett Packard Enterprise. Новият бранд HPE Ezmeral e cloud-native аналитична lakehouse платформа, предназначена да оптимизира всички процеси по обработка на данни и да помогне на компаниите да увеличат максимално своя изчислителен потенциал, както и да ускорят дигиталната си трансформация.
Платформата може да помогне в решаването на вече изброените проблеми по няколко начина:
- HPE Ezmeral предоставя на клиентите всички необходими средства за провеждане както на традиционни (наричани още batch) анализи, така и на онлайн анализи, без да се налага дублиране на инфраструктурните среди. Платформата е универсален инструмент, който може да работи върху всяка инфраструктура - традиционна (bare metal), виртуализирана, така и облачна - без предпочитания към производителя или доставчика. Тя позволява на потребителите да съхраняват и обработват данните навсякъде - в периферията (т.нар. Edge), в собствени или наети центрове за данни и в публични или частни облачни среди.
- Тази нова платформа включва няколко основни компонента: Data Fabric, Container Runtime и ML Ops. С Data Fabric можете да съхранявате и контролирате достъпа до данните си - независимо дали са в облака, в центъра ви за данни или в переферията. Data Fabric също така позволява на приложенията да използват данните такива, каквито са и където са - няма нужда от копиране или прехвърляне на данни - всичко това в крайна сметка струва време и пари. Промените във вече съществуващи приложения се минимизират от възможността Data Fabric да играе ролята на middleware слой, предоставящ достъп до всички налични в организацията данни през множество протоколи и методи за достъп.
- Ezmeral Container Runtime е инструментът за максимално бързо и лесно внедряване на платформата като цяло, както и за изграждане на гъвкава среда за паралелни обработки посредством microservices архитектура и интегриране с всички най-съвременни аналитични продукти към настоящия момент.
- С ML Ops можете да управлявате и автоматизирате пълния цикъл на създаването, оптимизацията и внедряването на аналитични модели за нуждите на организациите.
Всичко изброено вече отговаря на представите за гъвкавост, отвореност и ефективност, които бизнесът търси.
И не на последно място - в днешни дни потребителите искат да плащат само за онова, което действително използват, и да се възползват от модела "ИТ като услуга" (as-a-service model). Те искат отворени решения, които им дават най-доброто и модерно потребителско изживяване в сферата на облачните изчисления от всяка точка на света. И HPE Ezmeral им позволява да получат точно това.
С ускорения темп на дигиталната трансформация, обусловен най-вече от пандемията в последните две години, все по-често бизнесът говори за предизвикателствата, пред които са изправени компаниите, когато работят с големи обеми от данни. Очевидно е, че за да има добри бизнес резултати, внедряването на правилното ИТ решение е от изключителна важност.
Българският пазар не е изолиран от предизвикателствата пред световния бизнес и със сигурност можем да кажем, че данните, които клиентите/потребителите съхраняват, в никакъв случай не стават по-малко. Но това не е най-големият проблем за предприятията не само тук, но и в световен мащаб. Най-сериозният проблем е, че съхраняваните данни не се анализират и използват по правилен начин - ако изобщо се използват. Така че тези данни не генерират реална стойност за организациите, които разполагат с тях. Получава се така, че множество данни се съхраняват някъде като неизползван ресурс. Генерирането на бизнес смисъл от тези данни не e проста задача. Проблемите, с които биха се сблъскали клиентите, могат да бъдат много. Нека изброим най-сериозните от тях: