Data Virtualization permet d'accéder aux données physiques de différentes sources de manière virtuelle, de sorte que les données soient accessibles, manipulées et analysées à partir d'un seul emplacement central, sans qu'il soit nécessaire de connaître son format physique ou son emplacement, et sans avoir à les déplacer ou à les copier.
Data Virtualization est entièrement intégré à Cloud Pak for Data as a Service on IBM Cloud dans le cadre de la matrice de données. Data Virtualization fournit les fonctions de virtualisation de l'architecture de matrice de données.
Pour commencer, créez une instance de service de Data Virtualization et lancez-la dans Cloud Pak for Data as a Service. Ensuite, créez des connexions à vos sources de données afin de pouvoir créer rapidement des vues dans toutes les données de votre organisation.
Avec Data Virtualization, votre entreprise peut atteindre les objectifs suivants :
Simplifiez vos analyses et rendez celles-ci plus précises car vous interrogez les données les plus récentes à la source.
Utilisez l'analyse en temps réel de manière efficace et obtenez les analyses en cours pour les sources de données réparties, sans qu'il soit nécessaire de stocker des données à l'extérieur de votre centre de données.
Accélérer le traitement en organisant automatiquement vos noeuds de données en un réseau collaboratif pour une meilleure efficacité de calcul.
Profitez du SQL standard via des interfaces courantes telles que R, Spark, Pythonet Jupyter Notebooks dans un référentiel de données unique où vos applications SQL peuvent se connecter et s'exécuter.
Centraliser les mécanismes d'authentification et d'autorisation pour l'accès aux sources de données dans un environnement sûr, où les données d'identification d'accès à vos bases de données
privées sont stockées sous forme chiffrée sur l'équipement local et sont réservées à cet équipement.
Ce service ajoute un espace de travail à Cloud Pak for Data as a Service.
Cas d'utilisation
Copy link to section
Le tableau suivant décrit comment Data Virtualization répond aux besoins critiques d'une organisation:
Expression du problème
Ce que Data Virtualization active
Valeur
L'utilisation d'un grand nombre de données dans différents emplacements et formats est difficile et conduit à un pipeline de données complexe.
Couche sémantique qui se trouve au-dessus de l'étalement des données et qui permet aux utilisateurs de lancer des requêtes sur différentes sources de données et différents formats en temps réel.
Autorisez les consommateurs de données à utiliser le libre-service.
Le stockage de données sur différents emplacements cloud et sur site avec des logiciels et des systèmes qui ne fonctionnent pas ensemble de manière transparente pour créer des pipelines de données de bout en bout.
Les ingénieurs de données peuvent rapidement répondre à des demandes d'intégration de données ad hoc pour valider des hypothèses ou des scénarios de simulation avec la sécurité et la gouvernance.
Accélérez le cycle de vie des données et réduisez le délai de rentabilisation pour répondre aux questions métier.
Incapacité à gérer la gouvernance et à appliquer les réglementations en matière de confidentialité à l'échelle.
Résumé de la gouvernance des données et application des règles de données dans toutes vos sources de données via une seule couche.
Augmentez la conformité aux réglementations en matière de protection des données tout en réduisant les frais généraux liés à la gestion du contrôle d'accès à grande échelle.
Créez des catalogues d'actifs sélectionnés avec cette plateforme de gestion de catalogue d'entreprise sécurisée qui est prise en charge par une infrastructure de gouvernance des données.
Services intégrés
Copy link to section
Tableau 2. Services connexes. Les services connexes suivants sont souvent utilisés avec ce service et fournissent des fonctions complémentaires, mais ils ne sont pas requis.
Préparez, analysez et modélisez des données dans un environnement collaboratif avec des outils destinés aux scientifiques des données, aux développeurs et aux experts du domaine.
La rubrique a-t-elle été utile ?
Oui
Non
Informations manquantes
Informations incorrectes
Informations confuses
Lien rompu
Autre
Précédent
0/1000
Envoyer un commentaire
Précédent
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.