首页 > 经济 > > 正文
2019-11-22 10:46:40

Redshift上合作 当数据进入云时 云数据进入分析

导读 商业智能和分析的关键参与者之一GoodData 宣布与Amazon Redshift数据仓库解决方案集成,并宣布与Amazon建立合作关系。这些不仅对GoodData

商业智能和分析的关键参与者之一GoodData 宣布与Amazon Redshift数据仓库解决方案集成,并宣布与Amazon建立合作关系。这些不仅对GoodData或Amazon都具有重要意义,而且对于不断变化的格局中的难题也是至关重要的,即商业智能和分析。

ZDNet与GoodData联合创始人兼平台副总裁Zdenek Svoboda进行了联系,并讨论了从数据连接器到语义模型以及从业务策略到Kubernetes如何实现可预测定价的所有内容。

敏捷商务智能与云

自2007年以来,GoodData就已经存在。对于像GoodData这样的快速发展领域来说,这是很长的时间。从那以后,许多玩家开始大起大落,转手和命运。举例来说,Salesforce最近收购了Tableau,Google收购了Looker。因此,让我们开始使用时间机器快速回到2013年。

那一年,我们引入了术语“ 敏捷商业智能”(BI),作为Gigaom的研究报告的一部分。此后发生了很大变化,包括Gigaom,以及该报告中介绍的大多数供应商。但不是敏捷BI的关键前提,也不是GoodData在此前提下执行的关键前提。

GoodData是第一个意识到您所有数据都属于云的公司之一 并对此采取了行动。怎么样?通过SaaS模型提供其软件,以及通过连接器从尽可能多的源获取数据,包括显着的云存储和其他SaaS解决方案。

嵌入式数据分析是GoodData开拓者的另一个方向:使客户能够将基于GoodData的分析纳入其解决方案中。这些事情今天看起来像赌注,但是在那时还是早期采用者并始终如一地执行,这就是为什么GoodData仍然存在并且定位良好的原因。

正如Svoboda所解释的那样,今天,GoodData客户之间向云的迁移已成为一个庞大的过程。Svoboda引用了IDC的研究,根据该研究,云正以每年20%的速度增长,而内部部署的数据中心却以每年5%的速度缩减。因此,GoodData正在跟踪数据,并通过Redshift(Amazon的Data Warehouse)将其云化:

“我们看到许多客户和潜在客户使用[Redshift]作为内部报告和分析的记录系统。但是,当他们需要将组织之外的分析共享给客户或业务合作伙伴时,他们必须使用不同的体系结构。GoodData正是为此用例场景而设计的。”

当数据进入云时,云数据进入分析

这个想法似乎很明确:Redshift很棒,但是并不是在所有用例上都可以理想地工作。GoodData可让您扩展其功能。双赢吧?让我们考虑数据仓库市场趋势。根据Svoboda分享的研究,Snowflake在支出意向方面处于领先地位,AWS,Microsoft和Google紧随其后,其他所有人都落后。

正如Svoboda所说,亚马逊拥有最大的市场份额(> 50%),Microsoft Azure是增长最快的,而Google Cloud正在投资以追赶-参见Looker的收购。因此,考虑到GoodData已经支持Snowflake和Google Big Query,与Amazon合作是有意义的。Svoboda解释说,围绕Redshift集成,亚马逊计划开展一系列联合活动。

集成将如何工作?从某种意义上讲,这对于GoodData来说是一成不变的。GoodData已经拥有广泛的连接器产品线,使其能够从150多个源中提取数据。因此,它只是增加了一个来源。数据集成是可以在其上构建其他所有内容的简单的层,Svoboda强调了“其他所有”部分。

现代组织中的数据是一项核心资产,来自许多不同的来源,包括不同的软件,云存储,数据中心等。通过使用对数据的分析,GoodData将其SaaS定位为连接客户,合作伙伴,特许经营和分布式员工的枢纽。

我们花了一些时间与Svoboda讨论这一问题,Svoboda强调了一个事实,即对于GoodData,使其他人能够将分析驱动的见解中继到他们的渠道是嵌入式分析的全部目的。他接着补充说,这代表了大约50%的用例和80%的收入,为大约30.000个客户提供服务。

GoodData价值主张的另一个重要部分是所谓的语义层。简而言之,随着共享访问基础数据并与基础数据交互的人数的增长,必须具有公共的抽象层和统一层,才能拥有共享的数据视图。

将关于数据的概念的潜在广阔领域分解为子域(例如市场营销或运营),可确保在同一领域工作的人们可以共享,可管理地查看他们在工作区中需要了解的内容。然后,他们可以使用它来定义指标并得出见解。

接下来出现:肯定是KUBERNETES,也许是知识图

对我们来说,这种方法是完全合理的。要获得见解,您不仅需要在技术层面上集成数据(例如,将所有内容转储到数据湖中),而且最重要的是在语义上进行集成。尽管没有讨论GoodData用于此目的的技术,但Svoboda同意从概念上讲,这听起来像是一种知识图方法。

我们不知道GoodData是否会沿着其语义层的知识图路径走,尽管我们确实认为这是有道理的。我们所知道的是,在2020年代的定义趋势中,采用容器和Kubernetes 也在GoodData的路线图中。

正如Svoboda解释的那样,GoodData将全力投入Kubernetes上,在明年提供容器化版本的解决方案。Svoboda说,其原因并不是在趋势列表中打勾,主要是因为客户要求它,并且在当今的情况下这很有意义。

因此,GoodData将超越SaaS,使客户能够在任何环境(他们自己的数据中心或任何云提供商)中部署和使用它。欢迎使用多云。Svoboda认为,除了可用性和对客户的响应之外,还有另一个原因:可预测的价格。

Svoboda认为,利用容器可以在技术层提供的弹性,通过对资源进行更动态的管理,可以一路攀升到为客户提供的价格。GoodData希望与每个新客户的客户一起成长-“实现”方面。

如果您可以避免因不可预测的CPU负载,网络带宽等而收费,则可以为ISV客户提供更好的成本可预测性。根据Svoboda的说法,容器和Kubernetes是实现此目标的关键。听起来可能并不花哨,而且肯定会很困难,但是推理是有道理的。

在过去和未来的时间机器中来回走动,在我们看来,GoodData的核心仍然保持不变。与2013年相同,2019年的GoodData似乎正处在当时的定义趋势上,并且正在执行中。我们希望看到它们也能在2020年代取得成功。