Las empresas ahora acumulan enormes cantidades de datos, tanto de sus propias herramientas y aplicaciones, como de las aplicaciones SaaS que utilizan. Durante mucho tiempo, esos datos fueron básicamente exhaustivos. Tal vez se almacenó por un tiempo para cumplir con algunos requisitos legales, pero luego se descartó. Ahora, los datos son lo que impulsa los modelos de aprendizaje automático, y cuantos más datos tenga, mejor. Tal vez no sea una sorpresa, entonces, que los grandes proveedores de la nube comenzaron a invertir en almacenes de datos y lagos desde el principio. Pero eso es sólo un primer paso. Después de eso, también necesita las herramientas de análisis para que todos estos datos sean útiles.
Hoy es Microsoft Gire para destacar los servicios de análisis de datos. La noticia actual aquí es bastante sencilla. Dos de estos son servicios que se están moviendo hacia la disponibilidad general: la segunda generación de Azure Data Lake Storage para cargas de trabajo de análisis de big data y Azure Data Explorer, un servicio administrado que facilita el análisis ad-hoc de grandes volúmenes de datos. Microsoft también está previsualizando una nueva característica en Azure Data Factory, su servicio gráfico sin código para la transformación de datos de edificios. Data Factory ahora cuenta con la capacidad de mapear flujos de datos.
Esos artículos de noticias individuales son interesantes si usted es un usuario o está considerando Azure para sus cargas de trabajo de big data, pero lo más importante aquí es que Microsoft está intentando ofrecer un conjunto completo de herramientas para administrar y almacenar esta información, y luego usarla. para la analítica de edificios y servicios de inteligencia artificial.
(Crédito de la foto: Josh Edelson / AFP / Getty Images)
"AI es una prioridad para todas las empresas del mundo", Julia White, El vicepresidente corporativo de Microsoft para Azure, me dijo. "Y mientras trabajamos con nuestros clientes en IA, queda claro que sus analíticas a menudo no son lo suficientemente buenas para construir una plataforma de AI". Estas empresas están generando una gran cantidad de datos, que luego deben ser incorporados a los sistemas de análisis. Destacó que no podía recordar una conversación con un cliente en los últimos meses que no se centrara en la inteligencia artificial. "Hay una urgencia para alcanzar el sueño de la IA", dijo White, pero el crecimiento y la variedad de datos presentan un gran desafío para muchas empresas. "Pensaron que esta era una tecnología que estaba separada de sus sistemas centrales. Ahora se espera tanto para las aplicaciones orientadas al cliente como para las de línea de negocios ".
Data Lake Storage ayuda a administrar esta variedad de datos, ya que puede manejar datos tanto estructurados como no estructurados (y está optimizado para los motores de análisis Spark y Hadoop). El servicio puede ingerir cualquier tipo de datos, sin embargo, Microsoft todavía promete que será muy rápido. "El mundo de la analítica tendía a definirse teniendo que decidir por adelantado y luego construir estructuras rígidas a su alrededor para obtener el rendimiento que deseaba", explicó White. Data Lake Storage, por otro lado, quiere ofrecer lo mejor de ambos mundos.
Del mismo modo, White argumentó que si bien muchas empresas solían mantener estos servicios en sus servidores locales, muchas de ellas aún están basadas en dispositivos. Pero ella cree que la nube ahora ha llegado al punto en que los cálculos de precio / rendimiento están a su favor. Sin embargo, tomó un tiempo llegar a este punto y convencer a las empresas. White observó que durante mucho tiempo, las empresas que observaron sus proyectos de análisis pensaron que los proyectos de $ 300 millones tardaron una eternidad, ataron a muchas personas y francamente dieron un poco de miedo. "Pero también, lo que teníamos que ofrecer en la nube no ha sido sorprendente hasta algunos de los trabajos recientes", dijo. "Hemos emprendido un viaje, al igual que los otros proveedores de servicios en la nube, y el rendimiento de los precios ahora es convincente". Y es seguro que si las empresas desean cumplir sus objetivos de AI, ahora tendrán que abordar estas cargas de trabajo, también.
Source link