複雑なビッグデータの統合

今日の企業は、ビッグデータを処理するための最適な方法を模索しています。毎日、250京バイトのデータが作成されます。2020年までに、専門家は44ゼタバイト(つまり44兆ギガバイト)への10倍もの爆発的増加を予測しています。

ビッグデータはビッグビジネスであると言えますが、多くの企業がデータから必要な価値を引き出せておらず、平均33個ほどもあるデータ・ソースの管理に四苦八苦しています。これらのデータ・ソースは構造や種類が多様であり、多くの場合、データ・サイロに閉じ込められたまま検出やアクセスが難しい状況にあります。

青いアイコン - データ仮想化でコストを削減

データ仮想化とは?

企業は何十年もの間、基幹系、業務系システムから、情報系のデータマートやデータウェアハウス、データレイクなどの中央的なデータ・ストアにデータをコピーしてきてサイロ状態を解消しようとしてきました。しかしこの方法はコストがかかり、エラーも発生しやすくなります。

データ仮想化とは、データをコピーして集めてくることなく、データ・ソース同士が自律的にやりとりを行うことで仮想的にデータを統合するテクノロジーです。多くのシステムをまたいだデータのクエリーがデータをコピーや移動しなくても可能になり、コストを削減できます。また、データ・ソース上の最新のデータが参照されるため、分析もシンプルになり、最新の内容にもとづいた精度の高い分析が可能となります。

IBM Cloud Pak for Dataをお勧めする理由

データ仮想化によりデータ・ソースごとに常に最新の分析

最新データへのアクセス

データセンターの外部にデータを保管する必要がなく、分散しているデータ・ソース全体にわたった最新の分析を行えます。単一のデータ・リポジトリーとしてSQLアプリケーションが接続でき、実行できます。

データ仮想化とは速度が速く複製が少ないこと

かつてない高速性

分散処理のためにデバイスのネットワーク化を活用します。データ・ノードを自動的に協調的ネットワークに自己編成して、計算効率を高めます。大容量のデータ・ソースから小容量のデータ・ソースまでカバーし編成します。

データ仮想化がセキュリティーとプライバシーのレイヤーを提供

セキュリティーとプライバシー

データはクラウドまたはその他のデバイスにキャッシュされません。プライベート・データベースの資格情報はローカル・デバイスで暗号化された上で保管され、そのデバイスにのみ有効になります。

データ仮想化は複数のアプリケーション照会言語をサポート

柔軟性

IBM Cloud™ Pak for Dataは、複数のアプリケーション照会言語(SQL、ストアード・プロシージャー言語、RおよびPython)ならびに、Cloudera Impala、IBM Db2®、Db2 Event Store、IBM Informix®、Oracle、PostgreSQL、Microsoft SQL Server、Teradataなどのデータ・ソースをサポートします。

機械学習とデータ仮想化でデータ管理を単純化

使いやすさ

対話式のインターフェースを持つ単一のWebコンソール上で、データ照会や、ユーザー管理、データ・ノード配置の視覚化を行えます。機械学習や適応アルゴリズムにより、システムは自動的に最適化されます。

データ仮想化の業種別ユースケース

金融機関支店における準拠分析

金融機関では、コンプライアンス上準拠しないトランザクションを素早く検出して停止することが、最終的な収益にプラスの影響を与える可能性があります。データ仮想化により、処理や分析のために中央的なデータセンターやクラウドにデータを移動する必要がなくなり、金融機関の各支店でマイクロ・データセンターを照会することにより、分析をリアルタイムで行うことができます。 

モバイル・データのスリム化

企業が最もインパクトのある広告はどれかを、周辺で発生するノイズを除去しながら素早く判断するにはどのようにしたらよいのでしょうか? データ仮想化とエッジ側での分析により、ビッグデータをスリム化し、必要な情報のみを処理・分析できるようになり、コストと時間を節約することができます。

小売の顧客行動分析

従来型の実店舗をもつ小売業者は、Web専業の小売業者に対する競争優位性を求めています。データ仮想化によって、ほぼ即時のエッジ分析が可能になり、消費者の行動について前例のない洞察がもたらされます。これにより、小売業者は商品やセールス、販促のターゲットを絞ることができ、卓越した顧客体験のための施策をより多く講じることができます。

IoTセンサー・データの監視と分析

IoTセンサーは膨大な量のデータを生み出しています。データを収集するセンサーの数が増加するにつれ、データ・ボリュームも爆発的に増加することになります。バッチ・データとストリーミング・データの両方を分析できるデータ・プラットフォームでデータ分析をエッジ側に移動することにより、分析を高速化すると同時にシンプルにでき、必要な時に必要な所で洞察を提供します。

製造効率の向上

自動化された製造現場では、メタ学習またはメタ・ルールを使用して品質とプロセスの技法を強化することで、各種アラームを優先順位付けしますが、データ仮想化と機械学習の手法により、メーカーはアラームのパターン情報をふるい分け、アクション可能な情報に変換することができます。

石油・ガス事業の遠隔監視と分析

データ仮想化とエッジ・コンピューティングによって、製造業において信頼性の高い運用を実現できます。データが生成される現場でほぼリアルタイムの分析を行うことで、組織が迅速に問題を特定できるようになり、それによって予期しない業務停止や中断を防ぐことができます。