München, Starnberg, 24. Sept. 2020 - Optimierte Zusammenarbeit bei datenwissenschaftlichen Arbeitsabläufen über Teams hinweg mittels neuer Analysefunktionen und Tools…
Zum Hintergrund: Teradata hat seine Cloud-basierte Datenanalyse-Plattform „Vantage“ erweitert, um Datenanalysen kollaborativer und reibungsloser zu gestalten. Durch diese Erweiterungen soll die Zusammenarbeit zwischen Data Scientists, Business-Analysten, Data Engineers, Sachbearbeitern und Abteilungsleitern, die unterschiedliche Tools und Programmiersprachen verwenden, verbessert werden können. Ziele sind eine schnellere Wertschöpfung, Kostenreduzierung und ein effizientes Datenmanagement bei hoher Datensicherheit. Die wichtigsten Verbesserungen (laut Anbieter kostenlos und für Teradata Vantage-Kunden automatisch mit Ausnahme der Analytics-Bibliothek, die Ende Q4 2020 verfügbar sein wird) umfassen:
-
Erweiterte native Unterstützung für R und Python, mit der Möglichkeit, mehr Vantage-native analytische Funktionen aufzurufen, sowie die Fähigkeit, eine breite Palette von Open-Source-Analysealgorithmen / -Paketen zu verwenden;
-
Automatische Generierung von SQL aus R- und Python-Code – so können Data Scientists und Business-Analysten leichter, schneller und nahtloser zusammenarbeiten, um neue Erkenntnisse schnell im Unternehmen zu nutzen;
-
Unterstützung für JupyterHub für Python, R und SQL zusätzlich zu der bestehenden Unterstützung für gängige Entwicklungsumgebungen wie JupyterLab und RStudio.
Zusätzlich bietet das Vintage-Update laut Entwickler folgende Vorteile: geringere Kosten in Form von weniger oder gar keinen Fehlstarts, ungeeigneter Nutzung von Analysefunktionen oder die Bindung an eine bestimmte Form der Implementierung (z. B. On-Premise oder in der Cloud) sowie schnellere Iterationen zur Erreichung spezifischer Geschäftsziele. Die starke Unterstützung von Data Governance und Sicherheit durch Vantage gewährleistet zudem ein Höchstmaß an Zusammenarbeit, ohne die Risiken von unbefugten Zugriffen und Performance-Engpässen. Eine vollständige Liste der neuen Funktionen und der Unterstützung für Data Science auf der Vantage-Plattform enthält:
-
Erweiterte Auswahl an Analysefunktionen: Bietet Data Scientists und Business-Analysten eine größere Auswahl an leistungsstarken Analysefunktionen, die sie für eine bessere Zusammenarbeit nutzen können:
-
Weitere Vantage-Funktionen verfügbar durch R und Python: Bietet eine erweiterte Auswahl von nativen Vantage-Analysealgorithmen (z.B. für maschinelles Lernen), die von R und Python zusätzlich zu SQL aufgerufen werden.
-
Zugang zu mehr R- und Python-Analysefunktionen: Erweitert die Auswahl von Open-Source-R- und Python-Analysealgorithmen (z.B. Scikit-Learning), die mit Vantage verwendet werden können. Vantage lässt sich nicht nur in Open-Source-Sprachen und -Tools integrieren, sondern bietet auch eine große Bandbreite an nativen und Open-Source-Algorithmen, um praktisch jede Herausforderung im Geschäftsbetrieb zu meistern.
-
Verfügbarkeit einer neuen Analytics-Bibliothek: Ergänzt einen neuen Satz skalierbarer, erweiterter Analysefunktionen, die direkt in Vantage erstellt wurden, einschließlich einer Reihe von Datenaufbereitungs- und Modellierungsfunktionen, mit deren Hilfe Datenwissenschaftler weniger Zeit mit der Datenaufbereitung verbringen und mehr Zeit haben, um Erkenntnisse zu liefern.
-
Automatische Generierung von SQL-Statements zur Erleichterung der Kommunikation zwischen mehreren Benutzergruppen: Erleichtert Data Scientists, Business-Analysten und Entwicklern die Zusammenarbeit durch eine einzige Standard-Datenverwaltungssprache (SQL) bei gleichzeitiger Verwendung einer Sprache ihrer Wahl (z.B. R und Python):
-
SQL generiert aus R und Python: Ermöglicht es R- und Python-Programmierern, die von Vantage verwendeten SQL-Statements mit der Funktion show_query() zu zeigen. Auf diese Weise können auch Programmierer, die nicht mit Python/R vertraut sind, komplexe analytische Workflows verbessern und ausführen.
-
Von Vantage Analyst generiertes SQL: Ermöglicht es Geschäftsanwendern und Business-Analysten, grundlegende Erkenntnisse aus der grafischen Oberfläche von Vantage Analyst zu gewinnen und auch das zugrunde liegende SQL-Skript automatisch zu generieren, ohne eine einzige Zeile Code schreiben zu müssen. Die Skripts können dann für fortgeschrittenere Implementierungen an Entwickler weitergegeben werden.
-
Kollaborative Entwicklungsumgebung: Während R-, Python- und SQL-Skripts von Analysten durch die Wahl einer integrierten Entwicklungsumgebung (z. B. RStudio, JupyterLab, Teradata Studio) ausgeführt werden können, erleichtert die Unterstützung von Teradata für JupyterHub – das die Ausführung von R- und SQL-Skripts zusätzlich zu Python ermöglicht –eine bessere Zusammenarbeit auf Code-Ebene und den Austausch bewährter Verfahren.
Fazit: Diese neuen Fähigkeiten unterstützen die „Analytics 1-2-3“-Strategie von Teradata, die besagt, dass Organisationen ihre Initiativen im Bereich des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) nur dann erfolgreich skalieren können, wenn sie sich an schnellen Experimenten und einer agilen Modellbildung beteiligen. Dazu müssen sie kuratierte Funktionen mit hohem Vorhersagewert verwenden. Dies gewährleistet eine Umsetzung auch in größerem Maßstab und eine schnellere Bereitstellung der Modelle.
Kommentarauszug Sri Raghavan, Director of Data Science and Advanced Analytics Product Marketing bei Teradata: „Da Unternehmen zunehmend auf virtuelle Vernetzung angewiesen sind, um den Geschäftsbetrieb aufrechtzuerhalten, hat sich eine gute Zusammenarbeit als Schlüsselfaktor für den Erfolg in vielen Bereichen, insbesondere Analytics, herauskristallisiert... Und angesichts der umfassenden Bereitstellungsoptionen für Vantage – Public Clouds einschließlich AWS, Azure und später in diesem Jahr auch Google Cloud Platform sowie Hybrid- und Multi-Cloud – erhalten Kunden die Flexibilität, die erweiterten Data Science-Funktionen der Plattform in der Umgebung ihrer Wahl zu nutzen.“
Querverweis: