Data Virtualization abilita l'accesso ai dati fisici da varie origini in modo virtuale, in modo che i dati possano essere acceduti, manipolati e analizzati da un'unica ubicazione centrale, senza la necessità di conoscerne il formato fisico o l'ubicazione e senza doverli spostare o copiare.
Data Virtualization è completamente integrato in Cloud Pak for Data as a Service su IBM Cloud come parte del data fabric. Data Virtualization fornisce le funzionalità di virtualizzazione dell'architettura del data fabric.
Per iniziare, crea un'istanza del servizio di Data Virtualization e avvialo in Cloud Pak for Data as a Service. Quindi, creare connessioni alle origini dati in modo da poter creare rapidamente viste in tutti i dati della propria organizzazione.
Con Data Virtualization, la tua azienda può raggiungere questi obiettivi:
Semplifica le tue analisi e rendile più accurate perché stai interrogando i dati più recenti alla loro origine.
Utilizzare l'analytics in tempo reale in modo efficiente e ottenere l'analytics corrente per le origini dati distribuite, senza la necessità di archiviare i dati al di fuori del data center.
Accelerare i tempi di elaborazione organizzando automaticamente i nodi di dati in una rete collaborativa per l'efficienza computazionale.
Sfruttate l'SQL standard attraverso interfacce comuni come R, Spark, Python e Jupyter Notebook in un unico repository di dati dove le vostre applicazioni SQL possono connettersi ed essere eseguite.
Centralizza l'autenticazione e l'autorizzazione per le origini dati in un ambiente attendibile in cui le credenziali per i tuoi database privati sono memorizzate crittografate sul dispositivo locale e sono private per tale dispositivo.
Questo servizio aggiunge uno spazio di lavoro a Cloud Pak for Data as a Service.
Casi di utilizzo
Copy link to section
La seguente tabella descrive come Data Virtualization risponde alle esigenze critiche di un'organizzazione:
Istruzione problema
Cosa Data Virtualization abilita
Valore
Utilizzare molti dati in diverse ubicazioni e formati è impegnativo e porta a una pipeline di dati complessa.
Un livello semantico che si sovrappone alla proliferazione dei dati che consente agli utenti di eseguire query in diverse origini e formati di dati in tempo reale.
Consentire ai consumatori di dati di essere self - service.
Archiviazione dei dati in diverse ubicazioni cloud e on - premise con software e sistemi che non lavorano insieme per creare pipeline di dati end - to - end.
Gli ingegneri dei dati possono soddisfare rapidamente le richieste di integrazione dei dati ad hoc per convalidare ipotesi o scenari "what-if" con sicurezza e governance.
Accelera il ciclo di vita dei dati e riduci il time to value per rispondere alle domande di business.
Incapacità di gestire la governance e applicare le normative sulla privacy su larga scala.
Astrazione della governance dei dati e applicazione delle policy dei dati in tutte le origini dati tramite un unico livello.
Aumentare la conformità con le normative di protezione dei dati, riducendo il sovraccarico di gestione del controllo degli accessi su larga scala.
Crea cataloghi di asset curati con questa piattaforma di gestione del catalogo aziendale sicura supportata da un framework di governance dei dati.
Servizi integrati
Copy link to section
Tabella 2. Servizi correlati. I seguenti servizi correlati sono spesso utilizzati con questo servizio e forniscono funzioni complementari, ma non sono richiesti.
Prepara, analizza e modella i dati in un ambiente collaborativo con strumenti per data scientist, sviluppatori ed esperti di dominio.
L'argomento è stato utile?
Sì
No
Informazioni mancanti
Informazioni errate
Informazioni poco chiare
Link interrotto
Altro
Indietro
0/1000
Invia commento
Indietro
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.