Teradata se enfrenta a Snowflake y Databricks con una plataforma nativa en la nube

0
167

El gigante del análisis de bases de datos Teradata anunció una base de datos nativa en la nube y soporte de análisis. Teradata ya contaba con una oferta en la nube que se ejecutaba sobre su infraestructura como servicio (IaaS), lo que permitía a las empresas ejecutar cargas de trabajo en la nube y en servidores locales. El nuevo servicio es compatible con los modelos de despliegue SaaS (Software-as-a-Service) que permiten a Teradata competir con empresas como Snowflake y Databricks.

La compañía está lanzando dos nuevas ofertas nativas de la nube. VantageCloud Lake extiende el lago de datos Teradata Vantage a un modelo de despliegue en la nube más elástico. Teradata ClearScape Analytics ayuda a las empresas a aprovechar las nuevas cargas de trabajo de análisis, aprendizaje automático e inteligencia artificial (IA) en la nube. La combinación de la base de datos nativa en la nube y la analítica promete agilizar los flujos de trabajo de la ciencia de los datos, soportar ModelOps y mejorar la reutilización desde una única plataforma.

Teradata fue uno de los primeros líderes en capacidades de análisis de datos avanzados que surgieron de una colaboración entre el Instituto Tecnológico de California y Citibank a finales de los años 70. La empresa optimizó las técnicas para escalar las cargas de trabajo analíticas en varios servidores que funcionaban en paralelo. El escalado entre servidores ofrecía unas características de coste y rendimiento superiores a las de otros enfoques que requerían servidores más grandes. La empresa lanzó el almacenamiento de datos y la analítica como servicio en 2011 con la introducción de la plataforma de datos multicloud conectada Teradata Vantage.

«Nuestra última oferta es la culminación del viaje de tres años de Teradata para crear un nuevo paradigma para la analítica, uno en el que el rendimiento superior, la flexibilidad y el valor van de la mano para proporcionar información a todos los niveles de una organización», dijo Hillary Ashton directora de producto de Teradata.

Competencia nativa en la nube
La primera oferta en la nube de Teradata se ejecutaba en servidores especialmente configurados en una infraestructura en la nube. Esto permitía a las empresas escalar las aplicaciones y los datos en los servidores locales y en la nube. Sin embargo, los datos y los análisis se escalan a nivel de servidor. Si una empresa necesitaba más potencia de cálculo o almacenamiento, tenía que aprovisionar más servidores.

Esto creó una oportunidad para que nuevas empresas de almacenamiento de datos en la nube, como Snowflake, aprovecharan las nuevas arquitecturas construidas sobre contenedores, mallas y técnicas de orquestación para una infraestructura más dinámica. Las empresas aprovecharon las últimas herramientas de la nube para desplegar nuevos análisis a gran velocidad. Por ejemplo, Capital One puso en marcha 450 nuevos casos de uso de análisis tras su paso a Snowflake.

Aunque estos competidores nativos de la nube mejoraron muchos aspectos de la escalabilidad y la flexibilidad, carecían de algunos aspectos de gobernanza y controles financieros arraigados en las plataformas heredadas. Por ejemplo, después de pasarse a la nube, Capital One necesitó desarrollar una capa de gobierno y gestión interna para aplicar el control de costes. Capital One también creó un marco para agilizar el viaje de análisis de los usuarios incorporando la gestión de contenidos, la gestión de proyectos y las comunicaciones en una única herramienta.

Lo antiguo se une a lo nuevo
Aquí es donde la nueva oferta de Teradata promete brillar. Promete combinar los nuevos tipos de arquitecturas desarrolladas por las startups nativas de la nube con la gobernanza, el control de costes y la simplicidad de una oferta consolidada.

«Snowflake y Databricks ya no son la única respuesta para las cargas de trabajo de datos y análisis más pequeñas, especialmente en las organizaciones más grandes donde los sistemas en la sombra son un problema importante y creciente, y la escala puede jugar un papel en la gestión de las cargas de trabajo», dijo Ashton.

La nueva oferta también aprovecha la diversa I+D de Teradata en materia de escalado inteligente, lo que permite a los usuarios escalar en función del uso real de los recursos en lugar de las simples estadísticas estáticas. La nueva oferta también promete un menor coste total de propiedad y soporte inmediato para más tipos de procesamiento analítico. Por ejemplo, ClearScape Analytics incluye estructura de consulta, gobierno y visibilidad financiera. Esto también promete simplificar el análisis predictivo y prescriptivo.

ClearScape Analytics incluye funciones de series temporales en la base de datos que agilizan todo el ciclo de vida del análisis, desde la transformación de datos y la comprobación de hipótesis estadísticas hasta la ingeniería de características y el modelado de aprendizaje automático. Estas funciones están integradas directamente en la base de datos, lo que mejora el rendimiento y elimina la necesidad de mover los datos. Esto puede ayudar a reducir el coste y la fricción de analizar una gran cantidad de datos procedentes de millones de ventas de productos o de sensores IoT. Los científicos de datos pueden codificar funciones de análisis en componentes listos para usar que pueden ser reutilizados por otras cargas de trabajo de análisis, aprendizaje automático o IA. Por ejemplo, un fabricante podría crear un algoritmo de detección de anomalías para mejorar el mantenimiento predictivo.

ClearScape Analytics incluye funciones de series temporales en la base de datos que agilizan todo el ciclo de vida del análisis, desde la transformación de datos y la comprobación de hipótesis estadísticas hasta la ingeniería de características y el modelado de aprendizaje automático. Estas funciones están integradas directamente en la base de datos, lo que mejora el rendimiento y elimina la necesidad de mover los datos. Esto puede ayudar a reducir el coste y la fricción de analizar una gran cantidad de datos procedentes de millones de ventas de productos o sensores de IoT. Los científicos de datos pueden codificar funciones de análisis en componentes listos para usar que pueden ser reutilizados por otras cargas de trabajo de análisis, aprendizaje automático o IA. Por ejemplo, un fabricante podría crear un algoritmo de detección de anomalías para mejorar el mantenimiento predictivo.

Los modelos predictivos requieren más análisis exploratorios y experimentación. A pesar de la inversión en herramientas y tiempo, la mayoría de los modelos predictivos nunca llegan a la producción, dijo Ashton. Las nuevas funciones de ModelOps incluyen el apoyo a la auditoría de conjuntos de datos, el seguimiento del código, los flujos de trabajo de aprobación de modelos, la supervisión del rendimiento de los modelos y las alertas cuando los modelos dejan de funcionar. Esto puede ayudar a los equipos a planificar el reentrenamiento de los modelos cuando empiezan a perder precisión o a mostrar sesgos.

«Lo que diferencia a Teradata es que puede servir como una ventanilla única para la analítica de nivel empresarial, lo que significa que las empresas no tienen que mover sus datos», dijo Ashton. «Pueden desplegar y operativizar fácilmente la analítica avanzada a escala a través de una única plataforma».

En última instancia, depende del mercado decidir si estas nuevas capacidades permitirán al pionero de los datos heredados mantener el ritmo o incluso ganar ventaja sobre las nuevas empresas de datos en la nube.

Fuente WEB | Editado por CambioDigital OnLine

Custom Text
Artículo anteriorGoogle anuncia nuevo Programa de Recompensa por Vulnerabilidad para el software de código abierto
Artículo siguienteElon Musk presenta una nueva carta de rescisión de acuerdo debido al denunciante de Twitter