生成AIに適したデータ基盤を構築する
データ・アーキテクチャーの設計で生成AIのデータ・レディネスを早期化し、データ・チームの比類なき生産性を解き放ちます。
データ・スタックの断片化、生産性にまつわる圧力、生成AIのデータ・レディネスの欠如により、企業では新しいデータ・ストラテジーが評価されるようになっています。データ・ファブリックは、生成AIの力を持ち込むことで、高品質データの分析と人工知能（AI）に向けて、統合、キュレーション、ガバナンス、デリバリーを合理化するよう設計されています。
次世代データ・ファブリックはハイブリッドを意図したものであり、オンプレミスとクラウドのいずれの環境でも実行できます。また、複数のハイブリッド・データ・プレーンを統合しているので、あらゆる形式のデータ統合がサポートされます。
データ・ファブリックは、新しいデータ・インテリジェンスと統合ツールを導入して生成AI向けデータの準備を整えることで、構造化データでも非構造化データでも、AIイニシアチブでのデータ・レディネスを実現します。データの準備と統合を合理化する組織では、データ・チームの生産性が解き放たれ、ビジネス・イノベーションを推進できます。
マルチクラウド環境にあるさまざまな種類のソースから、バッチ、リアルタイム、変更データ・キャプチャーなど多様な統合方法でデータに接続します。
企業の重要なデータがどこに保存されていても、現在のリスクと新たなリスクから保護します
大規模言語モデル（LLM）を使用してデータの文脈理解を拡張することで、信頼できる情報をデータ消費者が信頼して利用できるようにしましょう。
データ・ファブリック・アーキテクチャーの主な特長
抽象化層で、データ処理に対するビジネス上の共通理解を可能にし、洞察に基づいて行動するための自動化を実現します。
多様な統合スタイルで、非構造化データを抽出、インジェスト、ストリーミング、仮想化、変換。データ・ポリシーに基づいてパフォーマンスを最大化、ストレージとコストは最小化。
セルフサービスによる消費をサポートするマーケットプレイス。高品質データの検索、コラボレーション、アクセスが可能。
データ・ファブリック・アーキテクチャーの様々な機能を構成、ビルド、テスト、最適化、デプロイするエンドツーエンドのライフサイクル管理。
ビジネス対応のデータ・パイプラインに向けて、データ・ポリシー、データ・ガバナンス、データ・セキュリティー、データ・スチュワードシップの定義と適用を統一。
ハイブリッドクラウド環境向けに構築された、AIを組み込んだコンポーザブル・アーキテクチャーを採用しています。
データ・ファブリックを導入することで、データ統合ツールやデータ・インテリジェンス・ツールを使用して高品質データの取得、管理、キュレーション、デリバリーを行うことで、AIに適したデータ・インフラストラクチャーを構築することができます。こうしたデータにアクセスしやすくするために、AI開発者はIBM watsonx.aiとIBM watsonx.dataを活用できます。また、データ統合ではwatsonx.dataのポピュレートを支援します。
データ・ファブリックとは、組織独自のワークフローでデータ・アクセスを簡素化してセルフサービスのデータ消費を促進する設計のアーキテクチャー・アプローチです。エンドツーエンドのデータ・ファブリック機能には、データ・マッチング、オブザーバビリティー、マスター・データ管理、データ品質、リアルタイムのデータ統合などがあり、いずれも既存の技術スタックを置き換えることなく実装できます。
データ作成者の日常業務を簡素化するのにも、データ・エンジニア、データ・サイエンティスト、ビジネス・ユーザーにセルフサービスのデータ・アクセスを提供するのにも、データ・ファブリックは、意思決定に必要な情報とインサイトを準備し提供します。
データとAIプラットフォームを統一したIBM Global Chief Data Officeで、ビジネス・パイプラインが3年で50億ドル増えました。
Luxembourg Institute of Science and Technologyは、企業や研究者を支援するため、データ配信を高速化した先進のプラットフォームを構築しました。
State Bank of Indiaは、高速で安全なデータ統合機能を備えたインテリジェントなプラットフォームを設計することで、顧客体験を変革しました。
よくあるご質問
データ・ファブリックとデータ・メッシュは共存できます。データ・ファブリックでは、データ・メッシュを実装しフル活用するのに必要な機能を実現しています。データ・プロダクトの作成とそのライフサイクル管理に要するタスクの多くは自動化されています。データ・ファブリックの基盤には柔軟性があるので、データ・メッシュを実装しても、ユースケース中心のデータ・アーキテクチャーはこれまでどおり有効活用できます。データの場所はオンプレミスでもクラウドでもよいのです。
詳細はこちら：Three ways a data fabric enables the implementation of a data mesh
データ仮想化は、データ・ファブリックのアプローチを可能にするテクノロジーのひとつです。標準的な抽出、変換、ロード（ETL）プロセスを使用して、さまざまなオンプレミスやクラウドのソースからデータを物理的に移動するのではなく、データ仮想化ツールがさまざまなデータ・ソースに接続し、必要なメタデータのみを統合して、仮想データ層を作成します。これにより、ユーザーはソース・データをリアルタイムで活用できます。
データは複雑化し続け、組織が情報にアクセスすることが困難な場合も多々あります。このようなデータにはまだ見ぬ洞察が含まれており、結果としてナレッジ・ギャップが発生します。
データ・ファブリック・アーキテクチャーのデータ仮想化機能は、このナレッジ・ギャップの解消に役立ちます。企業はソースにあるデータを移動することなくアクセスでき、高速で精度の高いクエリー機能によって価値実現までの時間を短縮できます。
データ管理ツールはデータベースから始まり、ビジネス上の問題が複雑化するにつれて、データウェアハウスやデータレイクへと進化してきました。データ・ファブリックは、これらのツールの進化における次のステップです。このアーキテクチャーにより、データ管理を簡素化しながら、これまで投資してきたさまざまなデータ・ストレージ・リポジトリーを引き続き使用できます。データ・ファブリックは、ストレージ・リポジトリーではできない方法で、データ統合を自動化し、ガバナンスを組み込み、セルフサービスのデータ利用を促進することにより、データの可能性を最適化し、データ共有を促進し、データ・イニシアチブを加速するのに役立ちます。
詳細はこちら：エンタープライズ・データ・アーキテクチャーの進化