0 / 0
Belgelerin İngilizce sürümü ' ne geri dönün.
Multicloud data integration kullanım senaryosu
Multicloud data integration kullanım senaryosu

Multicloud data integration kullanım senaryosu

Birimlerin akınına ve farklı veri kaynaklarının üstesinden gelebilmek için, kuruluşların veri bütünleştirme süreçlerine otomasyon ve istihbarat oluşturmaları gerekir. Cloud Pak for Data as a Service , veri tüketicilerine yönelik anında kullanılabilir bilgi sağlayan yüksek performanslı bir ağ oluşturmak üzere, dağıtılmış bir yatay ortamda verileri dinamik ve akıllı bir şekilde koordine etmek için platform ve araçlar sağlar.

Watch this video to see the data fabric use case for implementing a Multicloud data integration solution in Cloud Pak for Data.

Bu videoda, bu belgelerdeki yazılı adımların izlenmesine alternatif olarak bir görsel yöntem sağlanmaktadır.

Zorluklar

Veri tipleri ve birimler büyüdükçe, işletmeler aşağıdaki veri bütünleştirme zorluklarına karşı karşılar:

Kuruluş genelinde elde edilen verilerin alınması
Süreçlerin tesislerde, bulutta ya da bir karma ortamda bulunup bulunmamasından bağımsız olarak, verileri herhangi bir uygulamadan ya da sistemden akıtma olanağı sağlar.

Birden çok kaynaktan alınan verilerin bütünleştirilmesi
Kuruluşların, verilerin toplu inleme, temizleme ve karmaşık dönüşümlerini otomatikleştirebilmeleri gerekir.

Kullanıcıların verileri kullanılabilir duruma getirme
Veri mühendislerinin her bir tümleşik verileri tek bir katalogda yayınlayabilmesi ve veri tüketmesi gereken tüm kullanıcıların, kendi kendine hizmet erişimine sahip olması gerekir.

Cloud Pak for Data as a Service' ta veri yöneltme yapısı ile çok yüksek sesli veri bütünleştirmenizi uygulayarak bu zorlukları çözebilirsiniz.

Örnek: Altın Bankasının zorlukları

Veri mühendisliği ekibi çok sesli veri bütünleştirmesini gerçekleştirdiği için Altın Bankası 'nın öykülerini takip edin. Altın Bankası, üç harici veri kaynağında depolanmış büyük miktarda müşteri ve ipotek veriye sahiptir. Kredi verenler, bu bilgileri ipotek başvurularını onaylayıp onaylamamaları ya da reddetmeleri konusunda karar vermelerine yardımcı olmak için kullanır. Banka, verileri farklı kaynaklardan entegre etmek ve sonra dönüştürülen verileri paylaşılabilen tek bir çıkış dosyasına teslim etmek istiyor.

Süreç

Kuruluşunuz için çok yüksek sesli bir veri bütünleştirme çözümü uygulamak üzere, kuruluşunuz bu süreci takip edebilir:

  1. Verileri bütünleştirin
  2. Verileri paylaş

Cloud Pak for Data as a Service içindeki DataStage, Watson Queryve Watson Knowledge Catalog hizmetleri, kuruluşunuzun çok yüksek sesli bir veri bütünleştirme çözümünü uygulamak için gereksinim duyduğu tüm araçları ve süreçleri sağlar.

Çok yüksek sesli veri bütünleştirme kullanım senaryosının akışını gösteren resim

1. Verileri bütünleştirin

Veri mühendisleri, Cloud Pak for Data as a Servicekullanan bir veri yöneltme yapısı mimarisiyle, verileri verimli bir şekilde erişebilmek ve verilerle çalışmak ve sanallaştırılmış verileri farklı kaynaklardan, tiplerden ve bulutlardan tek bir veri kaynağından kaynaklandığı gibi birleştirmek için iş yüklerini ve veri ilkelerini kullanarak veri bütünleştirmesini en iyi duruma getirebilirler. Sürecin bu adımında işlenmemiş veriler çıkarılır, sindirilir, sanallaştırılır ve tüketilebilir, yüksek kaliteli veriler haline dönüştürülebilir ve yapay zeka yaşam çevriminizde daha sonra düzenlenecektir.

Kullanabileniniz Yapabildiğiniz şey Aşağıdaki durumlarda kullanmak için en iyi
Watson Query Birçok veri kaynağını bir sorgu olarak sorgulayın. Veri mühendisleri, çeşitli ilişkisel veri kaynaklarındaki verileri birleştirebilen, birleştirebilen ya da süzgeçten geçirebilen sanal veri tabloları oluşturabilir.

Data mühendisleri daha sonra, elde edilen birleştirilmiş verileri kataloglarda veri varlıkları olarak kullanılabilir kılabilir. Örneğin, verilerin araştırılabilmesi için gösterge panolarını, defterleri ve akışları beslemek için birleştirilmiş verileri kullanabilirsiniz.
Görünümler oluşturmak için verileri birden çok kaynaktan birleştirmeniz gerekir.

Bir katalogdaki veri varlıkları olarak birleştirilmiş verileri kullanılabilir hale getirmeniz gerekir.
DataStage Veri mühendisleri, verileri hareket ettiren ve dönüştüren karmaşık veri akışlarını tasarlayabilir ve çalıştırabilir. Büyük hacimlerdeki verileri işleyen ve geniş bir veri kaynağı yelpazesinde bağlantı kurmak, verileri bütünleştirmek ve dönüştürmek ve bunu toplu ya da gerçek zamanlı olarak hedef sisteminize sağlamak için karmaşık veri akışlarını tasarlayıp çalıştırmanız gerekir.
Data Refinery Çeşitli veri kaynağı bağlantılarından veri erişimi ve verileri daraltır.

Sonuçtaki veri kümelerini, veri bilimcilerin analiz etmesi ve keşfetmesini sağlamak amacıyla verileri birleştirecek, birleştirebilir, süzebilir ya da maskeleyebilir.

Sonuçtaki veri kümelerini kataloglarda kullanılabilir hale getirin.
Verileri, üzerinde değişiklik yapmak istediğinizde görselleştirmeniz gerekir.

Çözümlemek üzere büyük miktarlarda işlenmemiş veri hazırlama işlemini basitleştirmek istiyorsunuz.


Örnek: Golden Bank 'ın veri bütünleştirmesi

Altın Bankadaki risk analistleri, her bir kredi puan aralığı için borçlulara önerdikleri günlük faiz oranını hesaplıyor. Veri mühendisleri, anonim konut kredisi başvuru verilerini ipotek başvuranların kişisel olarak tanımlanabilen bilgileri ile toplamak için DataStage ' i kullanır. DataStage , her bir başvuru sahibinin, başvuru sahibinin toplam borcunun ve faiz oranı arama tablosunun da dahil olduğu kredi puan bilgileri dahil olmak üzere bu bilgileri bütünleştirir. Daha sonra veri mühendisleri verileri bir katalogda yayınlanabilen ve kredi verenler ve analistler tarafından kullanılmak üzere paylaşılabilen bir hedef çıkış .csv dosyasına yükler.


2. Verileri paylaşın

Katalog, ekiplerinizin müşteri verilerinizi anlamasına ve doğru kullanım için doğru verileri sağlanmasına yardımcı olur. Veri bilimcileri ve diğer kullanıcı tipleri, kurumsal erişim ve veri koruma ilkeleriyle uyumlu kalmaya devam ederken gereksinim dudukları tümleşik verilere kendilerine yardımcı olabilir. Bir katalogdan, verileri hazırlamak, analiz etmek ve modellemek için işbirliği yapmaları gereken bir projeye veri varlıkları ekleyebilirler.

Kullanabileniniz Yapabildiğiniz şey Aşağıdaki durumlarda kullanmak için en iyi
Kataloglar Kuruluşunuzdaki işbirlikçileri arasında paylaşmak üzere varlıklarınızı düzenlemek için Watson Knowledge Catalog ' da katalogları kullanın.

Kullanıcıların neye gereksinim duduklarını bulmalarına yardımcı olmak için AI destekli semantik aramaktan ve önerilerden yararlanın.
Kullanıcılarınızın, yüksek kaliteli verileri kolayca anlamanız, işbirliği yapmak, zenginleştirmek ve bunlara erişmek için gereksinim duymanız gerekir.

İş kullanıcıları arasında veri ve işbirliği görünürlüğünü artırmak istiyorsunuz.

Kullanıcıların, fiziksel biçimini ya da konumunu anlamadan ve bu verileri taşımadan veya kopyalamadan görüntülemesi, erişmeleri, işlemeleri ve analiz etmesi gerekir.

Kullanıcıların, varlıkları derecelendirerek ve gözden geçirerek varlıkları geliştirmesini istiyorsunuz.


Örnek: Golden Bank 'ın kataloğu

Golden Bank 'ta yönetim ekibi lideri bir katalog, "Mortgage Onay Kataloğu" oluşturur ve veri steadlerini ve veri bilimcisini katalog işbirlikçileri olarak ekler. Veri Stewardları, katalogda oluşturdukları veri varlıklarını yayınlarlar. Veri bilimciler veri varlıklarını buluyor, veri varlıklarına ait verileri katalogda buluyor ve bu varlıkları bir projeye kopyalıyor. Bu projede, veri bilimciler, bir modeli eğitim almak için hazırlayacak verileri iyileştirebilir.


Çok sesli veri bütünleştirmesi için eğitmen

Eğitici Program Açıklama Eğitmen için uzmanlık
Verileri bütünleştirme Verilerinizi çıkarın, süzer, birleştirin ve dönüştürün. Verileri dönüştürmek için DataStage sürükleme ve bırakma arabirimini kullanın.
Dış verileri sanallaştır Dış kaynaklardaki veri tablolarını sanallaştırır ve birleştirin. Verileri sanallaştırmak için Watson Query arabirimini kullanın.


Ek bilgi

Üst konu: Veri yöneltme yapısı çözümlerine genel bakış