Раскройте силу аналитики данных: Как сделать её столь же преобразующей, как генеративный ИИ

Быстрое развитие ИИ приносит множество вызовов, включая подготовку данных, управление большими массивами данных, обеспечение качества данных и борьбу с неэффективностью долгих запросов и пакетных процессов. В этом VB Spotlight Уильям Бентон, главный архитектор продукта в NVIDIA, вместе с другими экспертами делится тем, как организации могут оптимизировать свои аналитические процессы уже сегодня.

Преобразовательный потенциал ИИ часто сдерживается сложностями анализа и долгим ожиданием инсайтов из запросов. «Каждый сталкивался с панелями мониторинга с некоторой задержкой», отмечает Дебора Лефф, главный коммерческий директор SQream, «но с комплексными запросами вы можете ждать часы, а то и дни, чтобы получить ключевые инсайты».

На недавнем мероприятии VB Spotlight Лефф присоединилась к Бентону и ученому-данным Тианьхую «Майклу» Ли, чтобы обсудить, как организации могут преодолеть барьеры в корпоративной аналитике. Они подчеркнули критическую необходимость инвестиций в мощные GPU для повышения скорости, эффективности и возможностей аналитических процессов, прокладывая путь к новому подходу к принятию решений на основе данных.

Ускорение корпоративной аналитики

Несмотря на волнение вокруг генеративного ИИ, в корпоративной аналитике наблюдаются отставания в развитии. «Многие по-прежнему подходят к проблемам аналитики с устаревшей архитектурой», объясняет Бентон. «Хотя базы данных получили некоторые обновления, мы не стали свидетелями революционных изменений, которые значительно бы коснулись практиков, аналитиков и ученых-данных».

Эта постоянная проблема возникает из-за значительного времени, необходимого для аналитики, что удерживает эффективные решения вне досягаемости. В то время как добавление更多 облачных ресурсов затратное и сложное, эффективное сочетание мощности CPU и GPU может значительно улучшить производительность аналитики.

Сегодняшние GPU были бы признаны необычными в прошлом, утверждает Бентон. «Хотя суперкомпьютеры используются для решения огромных научных задач, эта невероятная вычислительная мощь теперь может принести пользу различным случаям использования».

Организациям больше не нужно довольствоваться незначительными оптимизациями запросов. Вместо этого они могут существенно сократить весь временной промежуток аналитики, повышая скорость загрузки данных, выполнения запросов и представления информации. «SQream и аналогичные технологии используют объединенную мощь GPU и CPU, революционизируя традиционные процессы аналитики и оказывая беспрецедентное влияние», добавляет Бентон.

Революция в экосистеме науки о данных

Неструктурированные дата-озера, часто сосредоточенные вокруг Hadoop, предлагают гибкость для обработки больших объемов полуструктурированных и неструктурированных данных, но требуют значительной подготовки перед развертыванием моделей. SQream использует GPU для ускоренной обработки данных, значительно упрощая рабочий процесс от подготовки данных до получения действенных инсайтов. «Возможности GPU позволяют организациям эффективно анализировать огромные наборы данных», утверждает Лефф. «Ранее нам часто приходилось ограничивать размеры данных, но GPU позволяют нам раскрыть большие объемы информации».

RAPIDS от NVIDIA, набор библиотек с ускоренной GPU производительностью, дополнительно улучшает работу в масштабах по всей цепочке данных. Он использует мощность параллельной обработки, повышая эффективность в экосистемах Python и SQL для науки о данных.

Получение более глубоких инсайтов

Бентон подчеркивает, что улучшение аналитики — это не только скорость. «Медленные процессы часто возникают из-за задержек в коммуникации между командами или даже между рабочими местами. Оптимизируя эти взаимодействия, мы наблюдаем значительное повышение производительности».

Достижение времени отклика менее одной секунды позволяет получить мгновенные ответы, поддерживая ученых-данных в продуктивном состоянии потока. Расширение этой эффективности на различных бизнес-лидеров улучшает процессы принятия решений, которые напрямую влияют на доходы, управление затратами и снижение рисков.

Использование полного потенциала данных становится возможным благодаря мощности CPU и GPU, позволяя выполнять ранее невозможные запросы. «Для меня это демократия ускорения», замечает Лефф. «Множество руководителей вынуждены полагаться на устаревшие предположения. Когда им говорят, что запрос займет восемь часов, они принимают это, не подозревая, что он может быть обработан за менее чем восемь минут».

Бентон добавляет: «Многие организации продолжают придерживаться старых парадигм, установленных десятилетиями. Благодаря достижениям технологий, таких как SQream, мы можем оспаривать эти предположения. Когда запрос, для выполнения которого ранее понадобилось две недели, теперь заканчивается за полчаса, это открывает двери для новых бизнес-возможностей».