Informatica通过人工智能重新定义数据管理助力数据驱动型数字化转型

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
简介:

Informatica 10.2版现已发布,为企业云数据管理和智能化颠覆提供动力

• 提供CLAIRE引擎所支撑的、业界最全面的、由人工智能驱动的企业数据目录

• 提供独一无二的端到端、并由人工智能驱动的企业数据治理及合规解决方案

• 提供大数据摄入、处理、流式接收和数据湖功能,支持最新、最优秀的开源技术,包括Spark、Spark streaming、Kafka 和Apache Zeppelin。

• 通过一体化解决方案,发现及保护整个企业范围的关键数据

• 可以跨主要云生态系统支持企业级可扩展的混合云及多云部署方式,包括Salesforce,AWS和微软Azure。

对企业来说,利用数据使自身变得更为敏捷,同时引领智能化颠覆,这种需求比以往任何时候都更为迫切。为了加快企业自身的数字化转型步伐,组织机构需要使用战略方式而不是战术方式来管理数据。为了释放数据的所有颠覆性力量,Informatica依托元数据驱动人工智能所提供的支撑,对数据管理进行了重新定义。

企业云数据管理领导者Informatica日前宣布,包括诸多核心组件的最新版本Informatica智能数据平台 (Intelligent Data Platform)10.2版正式发布。该平台是一个智能、可扩展的集成化平台,用于数据管理,旨在加速数据驱动型数字化转型步伐。作为10.2版的支撑,CLAIRE?引擎具有企业范围的、由元数据驱动的人工智能,并能将有用信息通知Informatica智能数据平台,从数据编目、数据探查、数据治理到大数据及数据湖管理。它所带来的商业成果包括:

• 业界最具综合性的人工智能驱动型企业数据目录用于发现和管理全部企业数据,从而增加投资回报率(ROI)

• 通过协同驱动的合作、文档编制、实施以及对政策和合规要求的遵从,实现更为快捷、有效的数据治理,这些政策如:通用数据保护条例(GDPR)、巴塞尔银行监管委员会239号条例(BCBS 239)和中国民用航空规章(CCAR)等。

• 利用可扩展的、灵活的智能数据平台,实现更快速、完整的商业洞察,该平台的构建是为了利用最优秀的大数据技术对任何容量、速度和复杂度的数据进行管理。

• 跨越不同生态系支持更快捷的混合云和多云数据管理环境部署,能够产生更高的投资回报,并降低云迁移的风险。

Informatica执行副总裁兼首席产品官Amit Walia表示:“成功的数字化转型是由数据驱动的,需要一种数据管理的战略方法,该方法能对所有重要数据进行编目和治理、保障所有需要得到保护的数据的安全、确保可信数据的质量,它能随着大数据负载量的变化而拓展,并对跨混合架构进行实时处理,并将所有的组织机构数据进行整合,从而形成可操作的、全方位的视图。只有作为企业云数据管理领导者的Informatica才能通过基于CLAIRE之上的业界独一无二的智能数据平台,提供所有这些功能。”

重新定义元数据管理和数据编目

凭借10.2版本,Informatica提供业界领先的人工智能驱动的企业数据目录。基于CLAIRE,Informatica企业信息目录通过人工智能驱动的元数据管理功能探查企业范围内所有的数据类型和数据关系,并对数据进行编目,这样就不会有任何的相关联数据或有用数据处于隐藏或混沌状态。这些功能包括:

• 从结构化和非结构化数据中发现业务实体。

• 在亚马逊AWS和Azure上通过一键部署方式实现云端的快速部署。

• 在元数据生态系统之间实现更广泛的连通,包括:Apache Atlas、Azure SQL数据库以及SQL数据仓库集成。

• API框架,包括:用于分析的开放的REST(表述性状态转移)应用程序接口、可扩展的自定义扫描框架以及安全的开放元数据接入及扩展。

重新定义数据治理及合规性管理,包括GDPR, BCBS 239 和CCAR

凭借10.2版本,只有Informatica能提供开箱即用的端到端智能数据治理解决方案,将人、流程和系统通过整体的协同方法整合在一起,从而实现战略商业成果的交付。使用智能数据平台的模块化和集成化组件,帮助组织机构以独特方式利用业务、技术、运营和使用情况元数据获得一张关于数据治理及合规性的完整视图,这些组件包括:Informatica Axon?、Informatica企业信息目录、Informatica数据质量工具和Informatica Secure@Source。这次发布的版本功能包括:

Axon与企业信息目录相集成,提升了业务和IT部门协同进行定义、实施、跟踪及获取成果的能力。

Axon与Informatica数据质量工具相集成,使用户实现其策略及数据质量和规则的可视化和协调化,在适当的情况为IT用户及非技术业务用户提供整体数据质量的可视化功能。

将人工智能驱动的数据与Axon的数据协同一致,使非技术业务用户可以自动生成数据资产业务谱系图。

重新定义大数据和数据湖管理

只有Informatica能管理所有类型的数据,包括支持实时流、所有用户类型以及大规模用户——在实施运行状态的先进数据转换和数据质量规则时使用协同的、管控下的自助数据准备工具。10.2版本的新功能包括:

• 先进的数据转换和预建的数据质量规则,附加先进的数据准备编辑功能,包括“回溯”探查能力。

• 为提高协同及分析工作的效率,使用Apache Zeppelin和智能/智慧图表推荐功能,以实现数据验证的可视化。

• 下一代的流数据及变更数据捕获(CDC)功能,支持大规模的复杂数据处理,以进行所有类型流数据的可视化,业界第一次支持将主机和基于关系型数据库管理系统日志的变化数据捕获功能取得的数据作为流数据源。

• 在有效处理实时大数据方面,完全支持流模式下的亚马逊Kinesis流、Kinesis Firehose和EMR。

• 与云生态系统之间更广泛的连通性,可针对亚马逊AWS及微软Azure进行部署。

为包括GDPR在内的业务规范重新定义数据安全

凭借10.2版本,Informatica通过最全面的以数据为中心的安全解决方案,对企业范围内的关键数据进行发现和保护,包括:数据探查、分类、用户行为分析、风险评分及自动保护。该版本的功能包括:

• 针对某些法规(如通用数据保护条例),通过分类及安全策略推进合规性初创计划。

• 支持非结构化数据,包括:Office、PDF、文本、XML、CSV及JSON(基于JavaScript语言的轻量级数据交换格式)文件。

• 扩展的平台支持包括:亚马逊Redshift、Azure及SAP。

• 为进行安全修复,对一系列广泛的安全控件进行组合,包括:巡查、警戒、数据脱敏及加密。

• 向云端和数据湖的数据、非结构化数据和传统数据环境提供保护。

重新定义混合数据管理

凭借10.2版本,只有Informatica能通过对Hadoop生态系统(包括:亚马逊EMR、亚马逊S3、Redshift、微软HDI、Azure DW、MapR、Cloudera、Hortonworks、ADLS及BLOB)的全面支持,实现对企业范围内可拓展的混合环境及多云部署环境的管理。其他功能包括:

• 快速的一键式和“零脚本”云部署,实现从PowerCenter 到大数据的迅速转换。

• 针对企业内所有数据集成处理过程的一体化、全局视图浏览及分析。

• 对所有数据流程的集中式编排功能——跨越云、大数据环境及传统系统。



原文发布时间为:2017年10月17日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
18天前
|
存储 数据采集 机器学习/深度学习
利用人工智能改变数据管理
企业在寻求利用AI的新途径,但数据准备不足成为AI项目的主要障碍。组织需要扩展数据管理能力以应对海量数据,AI成为助力数据科学团队理解信息的关键。AI在数据管理中的应用包括:数据清洗、分类标注、存储检索优化、安全隐私保护、分析洞察、流程自动化和智能推荐。实时数据摄取、统一数据视图和高效数据处理是AI在数据管理中的三大需求,它能提升决策效率,加强治理并降低成本。
|
4月前
|
人工智能 测试技术 Linux
软件测试/人工智能|使用 Pip 管理 Python 包
软件测试/人工智能|使用 Pip 管理 Python 包
36 1
|
4月前
|
人工智能 监控 Java
Java数字化智慧工地管理云平台源码(人工智能、物联网、大数据)
Java数字化智慧工地管理云平台源码(人工智能、物联网、大数据)
82 0
|
8月前
|
机器学习/深度学习 人工智能 监控
人工智能在金融风险管理中的应用
人工智能在金融风险管理中的应用已经取得了显著的进展,并在提高风险管理效率和准确性方面发挥了重要作用。通过信用评估、欺诈检测、投资组合管理等应用,人工智能为金融行业带来了新的机遇和挑战。然而,我们也要认识到人工智能在风险管理中可能面临的隐私、解释性和偏差等问题。未来,随着技术的发展,人工智能将在金融领域持续发挥重要作用,为金融行业创造更加安全和稳健的环境。
374 1
|
11月前
|
存储 人工智能 搜索推荐
ChatGPT和生成式人工智能在数字化转型中的意义
ChatGPT和生成式人工智能在数字化转型中的意义
|
机器学习/深度学习 人工智能 运维
如何管理人工智能风险和安全?
在大多数组织中,人工智能模型是“黑匣子”,只有数据科学家知道人工智能到底做什么。这可能会给组织带来重大风险。
如何管理人工智能风险和安全?
|
机器学习/深度学习 人工智能 自然语言处理
企业如何利用基于人工智能工具管理漏洞
人工智能(特别是机器学习)可以实时分析数据,根据风险级别对漏洞进行优先级排序。人工智能驱动的解决方案包括威胁和漏洞管理功能,可以扫描和预测数千种攻击媒介和威胁的风险。
289 0
|
机器学习/深度学习 数据采集 人工智能
人工智能如何解决数据中心的工作负载管理难题
随着数据中心工作负载量呈螺旋式增长,越来越多的企业开始寻求采用人工智能技术帮助他们减轻IT团队的管理负担,同时提高效率,并削减开支。
295 0
|
机器学习/深度学习 人工智能 算法
人工智能如何改变贷款和贷款管理
贷款行业无疑可以采用人工智能和机器学习进行引导和支配。这些方法改变了处理各种任务的方式,并且提供了更高的准确率,这是由于在提高消费者满意度的同时,修改了从降低成本到简化运营的抵押贷款和贷款流程。因此,只有将人工智能技术应用在贷款管理流程时,才能预期获得有益的结果。
299 0
|
存储 机器学习/深度学习 人工智能
CIO如何管理人工智能中的风险
在我们开始存储和传输有价值的数据(通常是个人和财务方面的数据)时,我们会造成数据泄露的风险。在人工智能和自动化技术时代,偏见是新的漏洞。人工智能和自动化技术对你的公司战略至关重要。但随之而来的是首席信息官和其他领导者必须应对的新风险和问题。
129 0
CIO如何管理人工智能中的风险

热门文章

最新文章