Data Virtualization permite el acceso a datos físicos de varios orígenes de forma virtual, de forma que se puede acceder a los datos, manipularlos y analizarlos desde una ubicación central, sin necesidad de conocer su formato físico o ubicación, y sin tener que moverlos o copiarlos.
Data Virtualization está totalmente integrado en Cloud Pak for Data as a Service en IBM Cloud como parte del entramado de datos. Data Virtualization proporciona las prestaciones de virtualización de la arquitectura de entramado de datos.
Para empezar, cree una instancia de servicio de Data Virtualization e iníciela en Cloud Pak for Data as a Service. A continuación, cree conexiones con los orígenes de datos para que pueda crear rápidamente vistas en todos los datos de la organización.
Con Data Virtualization, su empresa puede lograr estos objetivos:
Simplifique su analítica y haga que sea más precisa porque está consultando los datos más recientes en su origen.
Utilizar la analítica en tiempo real de forma eficiente y obtener análisis actuales para los orígenes de datos distribuidos, sin necesidad de almacenar datos fuera del centro de datos.
Acelere los tiempos de proceso organizando automáticamente los nodos de datos en una red colaborativa de eficacia computacional.
Aprovechar el SQL estándar a través de interfaces comunes como R, Spark, Python y cuadernos de Jupyter en un único repositorio de datos en el que las aplicaciones SQL puedan conectarse y ejecutarse.
Centralice la autenticación y la autorización de los orígenes de datos en un entorno de confianza donde las credenciales de las bases de datos privadas se almacenen y cifren en el dispositivo local y sean privadas para ese dispositivo.
Este servicio añade un espacio de trabajo a Cloud Pak for Data as a Service.
Casos de uso
Copy link to section
La tabla siguiente describe cómo Data Virtualization aborda las necesidades críticas de una organización:
Declaración de problema
Qué habilita Data Virtualization
Valor
Hacer uso de una gran cantidad de datos en diferentes ubicaciones y formatos es un reto y conduce a una compleja interconexión de datos.
Capa semántica que se encuentra en la parte superior de la expansión de datos que permite a los usuarios consultar diferentes orígenes de datos y formatos en tiempo real.
Capacite a los consumidores de datos para el autoservicio.
Almacenamiento de datos en distintas ubicaciones de cloud y en local con software y sistemas que no funcionan conjuntamente para crear interconexiones de datos de extremo a extremo.
Los ingenieros de datos pueden satisfacer rápidamente las solicitudes de integración de datos ad hoc para validar hipótesis o escenarios hipotéticos con seguridad y gobierno.
Acelere el ciclo de vida de los datos y reduzca el tiempo de generación de valor para abordar las preguntas de negocio.
Incapacidad para gestionar el gobierno y aplicar las normativas de privacidad a escala.
Abstraer el gobierno de datos y aplicar políticas de datos en todos los orígenes de datos a través de una única capa.
Incremente el cumplimiento de las normativas de protección de datos, reduciendo al mismo tiempo la sobrecarga de gestionar el control de acceso a escala.
Cree catálogos de activos organizados con esta plataforma segura de gestión de catálogos de empresa que está soportada por la infraestructura de gobernabilidad de datos.
Servicios integrados
Copy link to section
Tabla 2. Servicios relacionados. Los siguientes servicios relacionados se utilizan a menudo con este servicio y proporcionan características complementarias, pero no son necesarios.
Prepare, analice y modele datos en un entorno de colaboración con herramientas para científicos de datos, desarrolladores y expertos del dominio.
¿Fue útil el tema?
Sí
No
Falta información
Información incorrecta
Información confusa
Enlace roto
Otros
Atrás
0/1000
Enviar comentario
Atrás
Focus sentinel
Focus sentinel
Focus sentinel
Focus sentinel
Focus sentinel
Cloud Pak for Data relationship map
Use this interactive map to learn about the relationships between your tasks, the tools you need, the services that provide the tools, and where you use the tools.
Select any task, tool, service, or workspace
You'll learn what you need, how to get it, and where to use it.
Some tools perform the same tasks but have different features and levels of automation.
Jupyter notebook editor
Prepare data
Visualize data
Build models
Deploy assets
Create a notebook in which you run Python, R, or Scala code to prepare, visualize, and analyze data, or build a model.
AutoAI
Build models
Automatically analyze your tabular data and generate candidate model pipelines customized for your predictive modeling problem.
SPSS Modeler
Prepare data
Visualize data
Build models
Create a visual flow that uses modeling algorithms to prepare data and build and train a model, using a guided approach to machine learning that doesn’t require coding.
Decision Optimization
Build models
Visualize data
Deploy assets
Create and manage scenarios to find the best solution to your optimization problem by comparing different combinations of your model, data, and solutions.
Data Refinery
Prepare data
Visualize data
Create a flow of ordered operations to cleanse and shape data. Visualize data to identify problems and discover insights.
Orchestration Pipelines
Prepare data
Build models
Deploy assets
Automate the model lifecycle, including preparing data, training models, and creating deployments.
RStudio
Prepare data
Build models
Deploy assets
Work with R notebooks and scripts in an integrated development environment.
Federated learning
Build models
Create a federated learning experiment to train a common model on a set of remote data sources. Share training results without sharing data.
Deployments
Deploy assets
Monitor models
Deploy and run your data science and AI solutions in a test or production environment.
Catalogs
Catalog data
Governance
Find and share your data and other assets.
Metadata import
Prepare data
Catalog data
Governance
Import asset metadata from a connection into a project or a catalog.
Metadata enrichment
Prepare data
Catalog data
Governance
Enrich imported asset metadata with business context, data profiling, and quality assessment.
Data quality rules
Prepare data
Governance
Measure and monitor the quality of your data.
Masking flow
Prepare data
Create and run masking flows to prepare copies of data assets that are masked by advanced data protection rules.
Governance
Governance
Create your business vocabulary to enrich assets and rules to protect data.
Data lineage
Governance
Track data movement and usage for transparency and determining data accuracy.
AI factsheet
Governance
Monitor models
Track AI models from request to production.
DataStage flow
Prepare data
Create a flow with a set of connectors and stages to transform and integrate data. Provide enriched and tailored information for your enterprise.
Data virtualization
Prepare data
Create a virtual table to segment or combine data from one or more tables.
OpenScale
Monitor models
Measure outcomes from your AI models and help ensure the fairness, explainability, and compliance of all your models.
Data replication
Prepare data
Replicate data to target systems with low latency, transactional integrity and optimized data capture.
Master data
Prepare data
Consolidate data from the disparate sources that fuel your business and establish a single, trusted, 360-degree view of your customers.
Services you can use
Services add features and tools to the platform.
watsonx.ai Studio
Develop powerful AI solutions with an integrated collaborative studio and industry-standard APIs and SDKs. Formerly known as Watson Studio.
watsonx.ai Runtime
Quickly build, run and manage generative AI and machine learning applications with built-in performance and scalability. Formerly known as Watson Machine Learning.
IBM Knowledge Catalog
Discover, profile, catalog, and share trusted data in your organization.
DataStage
Create ETL and data pipeline services for real-time, micro-batch, and batch data orchestration.
Data Virtualization
View, access, manipulate, and analyze your data without moving it.
Watson OpenScale
Monitor your AI models for bias, fairness, and trust with added transparency on how your AI models make decisions.
Data Replication
Provide efficient change data capture and near real-time data delivery with transactional integrity.
Match360 with Watson
Improve trust in AI pipelines by identifying duplicate records and providing reliable data about your customers, suppliers, or partners.
Manta Data Lineage
Increase data pipeline transparency so you can determine data accuracy throughout your models and systems.
Where you'll work
Collaborative workspaces contain tools for specific tasks.
Project
Where you work with data.
> Projects > View all projects
Catalog
Where you find and share assets.
> Catalogs > View all catalogs
Space
Where you deploy and run assets that are ready for testing or production.
> Deployments
Categories
Where you manage governance artifacts.
> Governance > Categories
Data virtualization
Where you virtualize data.
> Data > Data virtualization
Master data
Where you consolidate data into a 360 degree view.