软件吃了世界现在模型正在运行它

数据变得越来越多，越来越复杂。我们将研究数据生成所带来的挑战和需求。

与我们的数据生态系统合作伙伴一起，我们看到了对处理数据时复杂的业务关键挑战的解决方案的前所未有的需求。

考虑一下。知道他们正在进行一场艰苦的战斗，数据工程师每天都会上班。问题的根源 – 或者至少是一个问题 – 是现代数据系统变得不可能复杂。今天在组织中处理的数据量正在急剧增加，其中年度数据增长通常以高两位数百分比来衡量。就在一年前，“福布斯” 道称，世界上90％的数据是在过去两年中创造的。

随着数据的增长，用于摄取，关联和分析数据的应用程序数量迅速增长。数据管道的每个组成部分本质上都是专家，需要许多专家才能使数据提供结果 – 更重要的是，需要洞察力。这个问题几乎触及了商业世界的每个角落。而执行和使数据“工作”的压力是无情的。

在我们自2018年11月开始的研究中，Unravel发现四分之三的企业希望他们的大数据堆栈能够在2019年底之前推动盈利的商业应用程序 – 但当时只有12％的人看到了这个价值。

当数据与人工智能驱动的模型融合时，媒体充斥着预言将要发现的宏伟发现的故事。其中一些发现已经完成，但还有更多的发现。很多时候，这些发现都在眼前或远远超出了地平线，因为数据从业者正在努力应对数据系统，这些数据系统会产生比他们打倒更多的障碍。

旧技术无法解决新问题

数据的模型驱动见解是每个企业所渴望的。对可靠和可扩展的应用程序性能的需求催生了应用程序性能管理（APM）和日志管理工具的开发，这两项创新技术正在逐步理解新的多层Web体系结构。问题是这些技术不足，因为它们不是为现代数据系统设计和构建的。从数据工程师的角度来看，当团队需要实际的建议和每天面临多次问题的答案时，这些技术所提供的指标和图表就会下降。

“很明显，企业仍然在努力处理大量的数据，这些数据助长了他们的业务。传统方法已经失败，他们需要对系统进行现代化改造，否则将面临无关紧要的风险，“Menlo Ventures董事总经理Venky Ganesan说。

处理压倒性的复杂性

虽然它可能是陈腐的，但值得一提的是，每个企业都在成为一个数据业务。这就是大多数企业将Spark，Kafka，Hadoop和NoSQL等数据管理系统视为其关键记录系统的原因。

数据管道非常复杂，以至于它们超出了我们管理它们的能力。那是因为这些系统有很多相互依赖关系，解决方案不仅仅是人类的直觉或演绎。这就是为什么Unravel谈论全栈可见性对于优化数据驱动应用程序性能的重要性。我们痴迷于需要探索，关联和分析大数据环境中的所有内容，搜索依赖关系和问题，了解数据和资源的使用方式，以及如何排除故障并解决问题。

我们相信人工智能的承诺。这就是为什么Unravel集成了一个功能强大的AI引擎来提供可在现代数据应用中提供更可靠性能的建议。

云使一切变得复杂

随着企业将以数据为中心的应用程序及其数据迁移到云中，他们面临的事实是，许多云平台仅提供用于管理这些工作负载的最小孤立工具。

作为回应，我们推出了最新版本的Unravel平台，该平台主要关注在云中托管以数据为中心的应用程序的独特要求。该版本采用了人工智能，机器学习和预测分析作为平台的标志，使用户能够根据客户自己定义的标准评估哪些应用程序是迁移到云的最佳候选者。

该版本还为用户提供了验证云迁移成功与否的工具，并根据其特定的应用程序工作负载预测容量。当时，我注意到许多关于成本，可见性和迁移的未知因素阻止了这种向云的过渡发生得更快。但现在已经没有了。

连续的提高

持续改进：虽然这个术语已经过时，但这个概念仍然像以往一样及时。它是当今许多企业的口头禅，即使拥有最高成就，也永远不会满足。

持续改进也是现代数据系统中最新的增长动力，它建立在模型之上。反过来，这些模型建立在闭环数据上。“当构建正确时，这些模型创造了一个强化循环：他们的产品变得更好，允许他们（企业）收集更多数据，这使他们能够建立更好的模型，使他们的产品更好，更向前，” Steven Cohen和Matthew Granade说道。 Point72 Ventures，Unravel Data的投资者。

如果有任何事情让CIO不能满足他们的OKR，那么该列表中的第一名可能是数据系统的复杂性。那么，复杂性就在这里！在我们的数据驱动的世界中，当我们处理不可避免的复杂性并超越它们时，收益就会增加。在Unravel，我们认为大数据可以做得更好，我们可以通过从根本上简化数据操作的方式，模型的执行方式以及确保大数据符合您的期望 – 无论是现在还是将来 – 来帮助它。