0 / 0
Wróć do wersji angielskiej dokumentacji
Przegląd rozwiązania dla sieci Fabric
Przegląd rozwiązania dla sieci Fabric

Przegląd rozwiązania dla sieci Fabric

Po zaimplementowaniu rozwiązania dotyczącego sieci Fabric w produkcie Cloud Pak for Datamożna rozwiązać problemy związane z dostępem do danych, jakością danych, zarządzaniem danymi oraz zarządzaniem danymi i cyklami życia danych i sztucznej inteligencji.

Rozwiązanie do zarządzania danymi w chmurze Cloud Pak for Data udostępnia następujące główne możliwości zarządzania i automatyzowania danych i cykli życia AI:

Dostęp do danych
Dostęp do danych w wielu chmurach i w siedzibie w istniejącej architekturze danych.

Konsumpcja samoobsługowa
Udostępnij i wykorzystaj dane i inne zasoby aplikacyjne z całego przedsiębiorstwa w katalogach.

Zgromadzona wiedza
Podkreśla swoje dane za pośrednictwem wspólnego słownika biznesowego. Zaufaj swoim danymi przez historię, pochodzenie i analizę jakości.

Collaborative innovation
Współpraca z innymi osobami w celu wykrycia spostrzeżeń. Przygotowanie danych, analiza danych i budowanie modeli za pomocą zestawu zintegrowanych narzędzi dla wszystkich poziomów doświadczenia.

Zarządzanie danymi, bezpieczeństwo i zgodność
Automatycznie wymuszaj jednolitą prywatność danych na całej platformie.

Ujednolicony cykl życia
Automatyzacja budowania, testowania, wdrażania i monitorowania rurociągów danych i modeli AI.

Wartość aktywów

Za pomocą struktury danych można transformować dane do zasobów, które gromadzą znaczenie i wartość. Zasoby są czymś więcej niż tylko danymi. Podczas pierwszego tworzenia połączenia ze źródłem danych dostępne są podstawowe informacje na temat uzyskiwania dostępu do danych, tabel, schematów i wartości danych. Użytkownik rozpoczyna dodawanie wartości podczas przyjmowania danych przez wirtualizowanie, transformowanie lub replikowanie w obszarach roboczych nazywanych projektami.

Podczas kuratowania danych należy dodać metadane do zasobów danych. Należy profilować dane w celu sklasyfikowania go i skompilowania statystyk dotyczących wartości. Zasoby są wzbogacane terminami biznesowymi, które opisują semantyczne znaczenie danych dla organizacji. Analizujesz jakość danych. Po opublikowaniu zasobów aplikacyjnych w katalogu w celu udostępnienia ich do współużytkowania dla organizacji zasoby są automatycznie chronione przez reguły utworzone w celu kontroli, którzy mogą uzyskać dostęp do tych danych.

Ponieważ użytkownicy znajdują zasoby danych w katalogach i używają zasobów aplikacyjnych w projektach, tworzą trzeci poziom znaczenia, który opisuje historię sposobu wykorzystania zasobu, pochodzenie danych oraz relacje między zasobami. Użytkownicy mogą syntetyzować dane w widoku 360 klientów, analizować dane w notebookach lub panelach kontrolnych, lub trenować modele uczenia maszynowego.

Na poniższym obrazku przedstawiono, w jaki sposób zasoby danych zwiększają wartość w sieci światłowodowej.

Obraz przedstawiający sposób, w jaki zasób danych gromadzi wartość

Modele są również zasobami. Istnieje możliwość śledzenia wdrożeń i danych wejściowych dla modelu, porównań między modelami oraz zgodności z protokołami korporacyjnymi.

Przypadki użycia

Cloud Pak for Data as a Service udostępnia cztery przypadki użycia jako części rozwiązania dla sieci Fabric danych. Sieć Fabric danych jest implementowana w sposób przedstawiony w każdym przypadku użycia przez utworzenie jednej lub większej liczby instancji usług, które udostępniają funkcje i narzędzia. Niektóre usługi są uwzględniane w wielu przypadkach użycia.

Obraz przedstawiający cztery przypadki użycia sieci Fabric danych

Przypadki użycia reprezentują sposoby implementowania części rozwiązania w sieci Fabric, dzięki czemu zespoły mogą rozpocząć pracę w trakcie budowania innych części. Możesz zacząć od dowolnego przypadku użycia i dodać innych, tak jak ich potrzebujesz:

  • Jeśli istnieje bardziej dojrzały model zarządzania, należy rozpocząć od zbudowania fundamentu zarządzania, zgodnie z opisem w sprawie zarządzania danymi i korzystania z prywatności.
  • Jeśli wymagana jest szybsza wartość czasu, należy rozpocząć od wirtualizacji danych lub nauki o danych, zgodnie z opisem w integracji danych z wieloma chmurami oraz w przypadkach użycia MLOps and trustworthy AI .
  • Jeśli koncentrujesz się na transformacji zorientowanych na klienta, rozpocznij konsolidację danych klienta zgodnie z opisem w przypadku użycia klienta 360.

Zapoznaj się z każdym z przypadków użycia, aby dowiedzieć się, co można osiągnąć oraz narzędzi, których można użyć.

Multicloud data integration

Upraszcza i automatyzuje dostęp do wszystkich danych, bez przenoszenia. Harmonizowanie danych w rozproszonym krajobrazie w celu utworzenia sieci natychmiastowych informacji dla konsumentów danych.

Usługi dla tego przypadku użycia: Watson Query, DataStagei Watson Knowledge Catalog.

Patrz Multicloud data integration.

Data governance and privacy

Implementowanie zarządzania opartego na metadanych, które zapewnia wiedzę biznesową i definiuje ochronę danych. Udostępnianie wysokiej jakości zasobów danych w katalogach samoobsługowych. Zautomatyzowanie wymuszania zarządzania danymi w celu zapewnienia zgodności z przepisami.

Usługa dla tego przypadku użycia: Watson Knowledge Catalog.

Patrz Data governance and privacy.

Customer 360

Aby umożliwić inteligentniejsze interakcje z klientami, należy utworzyć kompleksowy widok swoich klientów, który jest rozszerzany przez spostrzeżenia oparte na sztuce AI.

Usługi dla tego przypadku użycia: IBM Match 360 with Watson i Watson Knowledge Catalog.

Patrz Customer 360.

MLOps and trustworthy AI

Zbuduj i operacjonalizuj AI ze zautomatyzowanym i regulowanym przepływem pracy, który wymusza uczciwość, jakość i wytłumaczalność w modelach.

Usługi dla tego przypadku użycia: Watson Studio, Watson Machine Learning, Watson OpenScalei Watson Knowledge Catalog.

Więcej informacji na ten temat zawiera sekcja MLOps and trustworthy AI.

Dodatkowe informacje

Temat nadrzędny: Cloud Pak for Data as a Service