Qlik разрабатывает курс на «Big data», облака и инновации «AI»
Масштабируемость «Big data», гибкость гибридных облаков и умный «расширенный» интеллект. Это три ключевых направления, которые Qlik официально включил в свою дорожную карту на конференции 15–18 июня в Орландо, штат Флорида.
Qlik также выделил шесть важных обновлений, появившихся в выпуске Qlik Sense в июне 2017 года — одно из пяти ежегодных обновлений, которые теперь запланированы для флагманского продукта компании. К июньским обновлениям относятся:
- Возможности подготовки данных для самообслуживания
- Новые возможности визуализации данных и гибкость выбора цвета
- Географическая аналитика Qlik GeoAnalytics добавлена благодаря приобретению компании Idevio
- Улучшенное мобильное приложение QlikSense, поддерживающее автономный анализ
- Поддержка расширенных возможностей аналитики на основе R и Python
- Простое преобразование приложений QlikView в Qlik Sense.
Большинство из этих обновлений заработали сердечные аплодисменты у более чем 3200 участников на открытии общего собрания Qonnections, но самые интересные и самые дальновидные объявления были показаны в дорожной карте. Вот краткое изложение того, чего нам ожидать.
Анализ BigData
Ключевым отличием Qlik является его ассоциативный механизм анализа данных QIX, который лежит в основе платформы компании и используется его приложениями Qlik Sense и QlikView. QIX сохраняет весь набор данных и подробную информацию о деталях, даже если вы фокусируетесь на выбранных измерениях данных. Например, если вы выбираете клиентов, которые покупают продукт X, вы также увидите, какие клиенты не покупают этот продукт. Это преимущество перед анализом детализации, когда вы отфильтровываете информацию по мере изучения.
Тем не менее, существуют ограничения в том, сколько данных вы можете проанализировать в 64-битном QIX-модуле в памяти. Qlik имеет обходное решение, благодаря которому вы начинаете с агрегированных представлений больших наборов данных. Используя возможность создания приложений по требованию, вы можете перейти к подробным данным в интересующих областях. Но недостатком этого подхода является то, что вы теряете мощный ассоциативный взгляд на не выбранные данные.
Подход Ассоциативного индекса больших данных (BigData), объявленный в Qonnections, будет создавать сводки индексов больших наборов данных, взятых из таких источников, как Hadoop или масштабируемых распределенных баз данных. Затем распределенная версия движка QIX позволит пользователям исследовать мелкозернистые детали в срезах данных, не теряя из виду индекс суммарного уровня всего набора данных.
Возможности анализ больших данных (BigData) в Qlik
Что нам нравится в Associative Big Data Index, так это то, что он оставит данные на своем месте, независимо от того, находятся ли они в облаке или в локальном крупном источнике данных. Он приносит мощность запроса к данным, устраняя трудоемкие и дорогостоящие перемещения данных. Распределенная архитектура также обещает производительность. В демонстрации Qlik продемонстрировал почти мгновенный запрос набора данных в 4,5 терабайта. Конечно, это был проверенный, прототипный тест, поэтому нам придется подождать и посмотреть на реальную производительность.
Говоря о ожиданиях: по большим данным, гибридным облакам и искусственному интеллекту, старший вице-президент Qlik и технический директор Энтони Дейтон установил консервативные ожидания, заявив клиентам, что они могут увидеть прогресс в событии Qonnections в следующем году. Он не исключил возможности более раннего выпуска, но и не обещал, что любой из новых возможностей будет в целом доступным к событию следующего года.
Подготовка к гибридному облаку
Рынок бизнес-аналитики заставил делать выбор: либо локальное, либо облачное развертывание, сказал Дейтон. Он пообещал, что Qlik изменит его на выбор «и / или», создав гибкость с помощью микросервисов, API и контейнерного развертывания. Этот подход также потребует сложного, интегрированного управления идентификацией, который Qlik разработал для поддержки европейских требований по обеспечению безопасности и конфиденциальности данных по GDPG, устанавливаемых в будущем году.
В прототипе предварительного просмотра в Qonnections Qlik продемонстрировал, что рабочие нагрузки генерируются и назначаются автоматически через узлы Qlik, работающие на Amazon, в облаке Qlik и Локально. Идея заключается в гибкой отправке рабочих нагрузок в наиболее подходящие ресурсы. Это может означать появление нерегулярных облачных объектов на лету, когда требуется масштаб. Или это может означать проведение анализа на месте, когда речь идет о регулируемых данных. Qlik работает с крупными банками и больницами, в числе прочих клиентов, для управления микросервисами с оркестровкой через локальные, частные облачные и публичные облачные экземпляры.
Анализ облачных планов Qlik
Как уже отмечалось выше, Qlik не дал никаких обещаний относительно того, когда это будет реализовано в полном объеме, кроме как сказал, что мы услышим больше на Qonnections 2018. Предложения облака Qlik нуждаются в этих функциях управления нагрузкой, особенно там, где Qlik Sense Enterprise работает в облаке. Клиентам нужна более высокая производительность, а также гранулированные сервисы и API, с которыми они привыкли работать у ведущих поставщиков SaaS. Мы считаем, что для Qlik более важно быстро продвигаться на этом фронте, чем на любом другом, поэтому давайте надеяться, что что-то появилось уже до Qonnections 2018.
Усиление интеллекта
В этом году было много заявлений об «умных» возможностях. Некоторые из возможностей действительно запущены, но большинство из них находятся в процессе разработки. Некоторые из них консервативно описываются как автоматическая интеллектуальная аналитика или машинное обучение, а другие — как «искусственный интеллект».
За прошедший год Дейтон и другие руководители Qlik заявляли, что конкурентоспособные AI и когнитивные предложения, как правило, устраняют людей от принятия решений. В соответствии с этой темой компания объявила о том, что она работает над «усиленным интеллектом», который «сочетает в себе лучшее» из того, что машины могут делать с человеческим вкладом и взаимодействием. Этот подход позволит избежать автоматизации в пользу взаимодействия между машинами и людьми, что приведет к контексту к данным и будет способствовать более информированному компьютерному обучению, сказал Дейтон.
Общая идея заключается в том, чтобы люди взаимодействовали с краткими списками созданных компьютером предложений. Это произойдет через интерфейсы, дополненные компьютером, на разных этапах жизненного цикла анализа данных. Когда пользователи объединяют данные, например, алгоритмы анализа данных будут применяться, чтобы предложить, как данные могут быть скоррелированы. На этапе анализа алгоритмы будут предлагать лучшие аналитические подходы. И как только результаты будут сгенерированы, алгоритмы визуализации данных будут применены к предлагаемым визуализационным представлениям. Люди будут взаимодействовать с предложениями и делать окончательный выбор на каждом этапе. Дейтон пообещал, что не свалит слишком много возможностей на пользователей, с одной стороны, и не создаст «бреши доверия», автоматизируя и удаляя человеческий вклад от принятия решения.
Анализ расширенного интеллекта Qlik
Основываясь на заявлениях руководителей Qlik, можно сказать, что мы находимся на ранних этапах расширенной инициативы интеллекта Qlik. Все звучит хорошо, но детали были отрывочными. Я немного слышал об аналитических библиотеках и потенциальных партнерских связях в области машинного обучения и фронта нейронной сети. Но руководители не были готовы назвать партнеров или предсказать сроки доступности эти решений. Короче говоря, мы можем увидеть начало расширенных возможностей интеллекта Qlik в Qonnections 2018, но руководители Qlik были впереди, описывая инициативу как нечто, что может занять несколько лет.
Наиболее прямые конкуренты Qlik, включая Tableau, Microsoft, SAP и IBM, все работают над интеллектуальными исследованиями данных, базовыми прогнозами и «умными» рекомендациями. IBM фактически находится на втором поколении облачной службы IBM Watson Analytics. Тем не менее, мы все еще находимся на самых ранних этапах внедрения передовой аналитики, машинного обучения и искусственного интеллекта на широкий рынок бизнес-аналитики. Я думаю, что 2018 год может означать конец начала. К 2019 году и далее мы начнем рассматривать выбор поставщиков на основе интеллектуальных функций, а не по тенденциям созревания к возможностям самообслуживания.
Москва