Conocimiento de la industria: ibm en búsqueda multicloud y estrategia ai

Con todos los datos que las empresas acumulan, es difícil encontrar un repositorio de almacenamiento en la nube efectivo no solo para mantener y administrar toda esa información, sino también para habilitar las capacidades de búsqueda y seguridad. Afortunadamente, los proveedores de plataformas en la nube, como IBM, que ofrece IBM Cloud para escenarios de Infraestructura como Servicio (IaaS) y Plataforma como Servicio (PaaS), están trabajando activamente en nuevas formas de administrar datos en arquitecturas multinube.

¿Qué es una arquitectura multicloud?

Una arquitectura de varias nubes consta de datos y códigos almacenados en múltiples entornos de nube dentro de una sola arquitectura. Simplemente imagine una aplicación que use código y recursos en varias nubes, como Amazon Web Services (AWS), IBM Cloud y Microsoft Azure. Mediante el uso de estándares de interoperabilidad que todavía están evolucionando, las arquitecturas de varias nubes brindan interoperabilidad a los servicios de software sin importar qué nubes estén usando esos servicios como plataforma. Esto le permite personalizar sus recursos en la nube para que se dirijan más específicamente a sus cargas de trabajo.

Las pequeñas y medianas empresas (PYMES) deberían considerar un proveedor que pueda ayudar a administrar la infraestructura de múltiples servicios en la nube y mantenerlos seguros y organizados en una sola consola. Aún mejor es uno que puede combinar servicios en la nube de terceros, como Microsoft Office 365, con recursos que tiene ejecutados en sus propios servidores virtuales en otra nube. Una nube pública puede ser apropiada para una aplicación y una nube privada para otra. Las pymes se beneficiarán de la rentabilidad y la agilidad que proporciona una arquitectura de varias nubes.

Multicloud e IBM

Desde el punto de vista de varias nubes, ha sido un año muy ocupado para IBM. En mayo, lanzó IBM Cloud Private for Data para permitir a las empresas extraer información oculta de sus datos a través de disciplinas como ingeniería de datos, ciencia de datos y desarrollo, así como sus aplicaciones y bases de datos. Luego, el 10 de septiembre, la compañía anunció que IBM Cloud Private for Data se integraría con Red Hat OpenShift, el contenedor de código abierto y la plataforma de aplicaciones Kubernetes. Kubernetes es una plataforma de código abierto para ejecutar contenedores en grupos de servidores. Esta integración con Red Hat brinda más opciones a las empresas cuando ejecutan cargas de trabajo nativas de la nube para que puedan ejecutarse localmente, en nubes públicas y privadas, y en el entorno de código abierto Red Hat OpenShift. IBM también extenderá su asociación con Hortonworks, un pionero del software Big Data, para integrar servicios en Hortonworks DataPlane con IBM Cloud Private for Data.

Finalmente, el 13 de septiembre, IBM también anunció que permitiría a los usuarios consultar análisis en toda la empresa mediante el uso de una herramienta llamada Queryplex, que es una consola única para buscar en las nubes. Ese mismo día, IBM realizó un evento en la Terminal 5 en la ciudad de Nueva York organizado por Hannah Storm de ESPN para destacar a los clientes que se enfrentan al desafío de la inteligencia artificial (IA). Poco antes del evento, PCMag se encontró con Rob Thomas, Gerente General de IBM Analytics, para conocer cómo funciona la nueva capacidad de búsqueda en la nube, el trabajo de IBM con Red Hat y algunas estrategias ganadoras en IA.

PCMag (PCM): ¿Cómo le permite IBM Cloud Private for Data ver todos sus datos?

Rob Thomas (RT): piense en ello como la consola de cómo un cliente administra los datos en cualquier lugar en cualquier nube. Si los clientes usan eso, pueden ver todos los datos que tienen en las instalaciones, en una arquitectura de contenedor de nube privada, o pueden ver los datos que tienen en AWS, Microsoft Azure, Google Cloud Platform o IBM Cloud. Es una consola única para comprender todos sus datos, dónde están, catalogarlos y organizarlos.

PCM: ¿Qué es Queryplex y cómo pueden las pymes usar algo así para buscar en las nubes?

RT: Queryplex le brinda la capacidad de escribir realmente una consulta de lenguaje de consulta estructurado (SQL) y buscar datos en cualquier parte del mundo y realizar análisis. Con esta capacidad de SQL de gran angular, no tiene que mover los datos. Encontraremos los datos donde sea que estén y los habilitaremos. Podemos usar el poder de procesamiento en el borde y luego proporcionar los análisis de vuelta a un solo lugar. Entonces, esas son las dos caras de la misma moneda. Una es una consola para administrar todos sus datos. La segunda parte es acerca de cómo hacer realmente análisis de datos que están en cualquier lugar sin tener que mover los datos como el Paso 1, porque mover los datos es costoso; es lento. Entonces, básicamente eliminamos la necesidad de movimiento de datos, que es súper poderoso.

PCM: ¿Cuál sería un ejemplo diario de una empresa que utiliza este tipo de capacidad de consulta?

RT: Una buena sería una compañía automotriz que está haciendo telemática para realizar un mantenimiento predictivo en un automóvil o cómo está funcionando. Hoy, el enfoque sería conectarse al automóvil y luego devolver los datos a una ubicación central. Te da la capacidad en tiempo real. Entonces, lo que fue 30 días antes es ahora 30 segundos. Ese es el poder de hacer esto; simplemente cambia totalmente la naturaleza y el proceso de análisis.

PCM: ¿Cuáles son las implicaciones de seguridad de buscar en varias nubes? ¿Cómo se habilita para permitir ese tipo de búsqueda?

RT: Diseñamos Queryplex como un producto empresarial que aprovechará lo que una organización haya establecido en torno a los protocolos de administración de identidad y seguridad de Lightweight Directory Access Protocol (LDAP) o las políticas de gobierno de datos. Permítame darle un ejemplo: si la política de su empresa es que cada vez que realiza consultas federadas no desea tocar ninguna información de identificación personal (PII), podríamos enmascarar esos datos como parte de esta capacidad para que no t parte de ello. Realmente lo diseñamos para integrarse en la arquitectura de seguridad de una empresa.

PCM: ¿Qué necesitaría hacer una empresa para permitir el acceso a diferentes nubes?

RT: Cuando está en IBM Cloud Private for Data, se instala muy rápidamente. En términos de conectarse a una nube diferente, es solo conocer la dirección IP. Eso es bastante sencillo; usted puede hacer eso. Entonces la pieza de conectividad no es difícil. Donde creo que se vuelve más difícil para las compañías es que, a medida que avanza más hacia la IA o los casos de uso del tipo de ciencia de datos, necesita construir un modelo para eso. Necesita entrenar ese modelo, y podemos ayudarlo a organizar los datos para hacerlo.

PCM: ¿Cuáles son algunas estrategias clave para que las empresas implementen IA o aprendizaje automático (ML)?

RT: Algunas cosas diferentes. Veo algunos clientes que establecen Centros de excelencia de ciencia de datos (COE). Creo que podría ser una buena manera de dinamizar a la organización sobre el tema y hacer que las cosas avancen. Creo que ese es un buen enfoque.

Vemos a otros clientes que contratan a un Director de datos (CDO) y le dan a esa persona la misión de conducir a la empresa en esta dirección. Creo que eso también es bueno.

En tercer lugar, veo que muchas compañías que confían en esto provienen de una línea de negocios, es decir, una línea de negocios para encontrar el caso de uso, y luego eso es para la innovación tecnológica. Creo que cualquiera de esos puede funcionar.

Creo que la brecha más grande y lo que animo a los clientes a hacer es tener una estrategia de datos. Parte de una estrategia de datos es saber dónde estás hoy. Es decir, ¿realmente solo está haciendo inteligencia de negocios (BI) y almacenamiento de datos o realmente está haciendo análisis de autoservicio? Comprende dónde estás y luego comprende el punto final. Si obtiene claridad sobre esos dos puntos, puede iniciar experimentos a través de COE de ciencia de datos, un CDO o una línea de negocios, sabiendo que obtendrá un nivel de repetibilidad de ellos, lo cual es importante.

PCM: ¿Qué llevó a IBM a trabajar con Red Hat?

RT: Si regresas al 2000, IBM ha sido un gran defensor de Linux. Yo diría que Linux probablemente no estaría donde está hoy sin el soporte de IBM. Por eso, siempre hemos tenido un diálogo continuo con Red Hat sobre la innovación y cómo apoyamos el ecosistema. Hemos estado observando lo que Red Hat ha hecho con OpenShift.

Creemos mucho en los contenedores, y Kubernetes tiene una manera de ayudar a los clientes a modernizar las aplicaciones y los estados de datos. Si nos fijamos en Red Hat con OpenShift, crearon una gran plataforma de contenedores centrada en la modernización. Pero no tienen nada de datos, y es difícil modernizar las aplicaciones sin modernizar los datos al mismo tiempo.

Donde podemos aportar lo que hemos hecho en términos de modernización de servicios de datos con IBM Cloud Private for Data es ejecutarlo de forma nativa en OpenShift, para que aquellos clientes que están en un viaje de modernización de aplicaciones puedan hacer lo mismo con los datos, y puede convertir ese proyecto en resultados para la IA.

Hadoop aún no se ha movido a una arquitectura de microservicio, por lo que esa es la otra pieza del rompecabezas. Trabajando con Hortonworks para ayudar a modernizar y crear microservicios de Hadoop que podrían funcionar junto con IBM Cloud Private for Data y OpenShift.

PCM: ¿Cómo utilizan las empresas ese tipo de arquitectura de microservicios?

RT: Creo que todo vuelve a la inteligencia artificial y la ciencia de datos. Lo que sea que esté haciendo con los datos generalmente se basa en un resultado comercial. Estás buscando alguna ventaja en términos de cómo estás usando el análisis.

Entonces, si tiene una gran cantidad de sus datos en Hadoop, si no puede usarlos para análisis predictivo, ML o ciencia de datos, entonces no es muy valioso para la organización. Así es como conecto los puntos. Hadoop es un microservicio; es mucho más composable, mucho más flexible. Es más fácil trabajar con los datos, y es más fácil ponerlos a disposición de un gran equipo de ciencia de datos. Y eso le permite obtener más valor de su implementación de Hadoop.

PCM: ¿Dónde ves las cosas en el futuro en cuanto a IA y ML?

RT: Vamos a entrar lentamente en la corriente principal. Hace un año, la discusión fue: "¿Podría hacer algo?" Diría que este ha sido el año de mayor experimentación. Creo que el próximo año entramos en la experimentación masiva y, con suerte, para fines del próximo año, estamos en un punto en el que esto se vuelve más convencional. La gente está usando IA y modelos para automatizar muchos procesos comerciales básicos, para automatizar muchas decisiones. Entonces, claramente estamos en ese viaje. Puedes ver la progresión. Siento que nos estamos acercando a un punto de inflexión, por así decirlo, pero todavía no estamos allí.