BMC సాఫ్ట్వేర్ యొక్క సొల్యూషన్స్ మార్కెటింగ్ డైరెక్టర్, బాసిల్ ఫరూకి, DataOps యొక్క ప్రాముఖ్యత, డేటా ఆర్కెస్ట్రేషన్ మరియు వ్యాపార విజయం కోసం సంక్లిష్టమైన వర్క్ఫ్లో ఆటోమేషన్ను ఆప్టిమైజ్ చేయడంలో AI పాత్ర గురించి చర్చిస్తున్నారు.
BMCలో తాజా పరిణామాలు ఏమిటి?
సంక్లిష్ట వర్క్ఫ్లోలపై ఆధారపడిన వ్యాపార ఫలితాలను ఆటోమేట్ చేయడంలో మరియు ఆర్కెస్ట్రేట్ చేయడంలో ప్రపంచవ్యాప్తంగా ఉన్న కొన్ని అతిపెద్ద కంపెనీలకు మేము సహాయం చేస్తూనే ఉన్నందున BMCలో మరియు ముఖ్యంగా మా కంట్రోల్-M ఉత్పత్తి శ్రేణిలో ఇది ఉత్తేజకరమైన సమయాలు. DataOps ప్రాక్టీస్లో ఆర్కెస్ట్రేషన్పై ప్రత్యేకంగా డేటాఆప్స్పై మా వ్యూహం యొక్క పెద్ద దృష్టి కేంద్రీకరించబడింది. గత పన్నెండు నెలల్లో మేము AWS, Azure మరియు GCP అంతటా సర్వర్లెస్ మరియు PaaS ఆఫరింగ్లకు డెబ్బైకి పైగా ఇంటిగ్రేషన్లను అందించాము, తద్వారా మా కస్టమర్లు ఆధునిక క్లౌడ్ సేవలను వారి కంట్రోల్-M ఆర్కెస్ట్రేషన్ ప్యాటర్న్లలోకి వేగంగా తీసుకురాగలుగుతారు. అదనంగా, మేము వర్క్ఫ్లో అభివృద్ధి మరియు రన్-టైమ్ ఆప్టిమైజేషన్ని వేగవంతం చేయడానికి GenAI ఆధారిత వినియోగ కేసులను ప్రోటోటైప్ చేస్తున్నాము.
DataOpsలో అభివృద్ధి చెందుతున్నట్లు మీరు గమనించిన తాజా ట్రెండ్లు ఏమిటి?
సాధారణంగా డేటా ప్రపంచంలో మనం చూస్తున్నది డేటా మరియు అనలిటిక్స్ సాఫ్ట్వేర్లో నిరంతర పెట్టుబడి. గత సంవత్సరం డేటా మరియు అనలిటిక్స్ సాఫ్ట్వేర్పై ఖర్చు $100 బిలియన్ల ప్లస్ రేంజ్లో ఉందని విశ్లేషకులు అంచనా వేస్తున్నారు. మేము మెషిన్ లెర్నింగ్, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ & డేటా ల్యాండ్స్కేప్ని పరిశీలిస్తే, అది మాట్ టర్క్ మొదటి గుర్తు ప్రతి సంవత్సరం ప్రచురిస్తుంది, ఇది గతంలో కంటే ఎక్కువ రద్దీగా ఉంటుంది. ఇది 2,011 లోగోలను కలిగి ఉంది మరియు 2023 నుండి ఐదు వందలకు పైగా జోడించబడ్డాయి. ఈ వేగవంతమైన సాధనాలు మరియు పెట్టుబడిని దృష్టిలో ఉంచుకుని, డేటా ఇనిషియేటివ్లను విజయవంతంగా నిర్వహించేందుకు కంపెనీలు మరింత ఇంజనీర్లను జోడించలేవని గుర్తించడంతో DataOps ఇప్పుడు ప్రధాన దశను తీసుకుంటోంది. డేటాఆప్స్ పద్ధతులు ఇప్పుడు ఉత్పత్తిలో ఈ కార్యక్రమాలను స్కేలింగ్ చేయడానికి బ్లూప్రింట్గా మారుతున్నాయి. GenAI యొక్క ఇటీవలి బూమ్ ఈ కార్యాచరణ నమూనాను మరింత ముఖ్యమైనదిగా చేస్తుంది.
డేటా వ్యూహాన్ని రూపొందించడానికి ప్రయత్నిస్తున్నప్పుడు కంపెనీలు ఏమి గుర్తుంచుకోవాలి?
వ్యాపార కార్యనిర్వాహకులు, CEO లు, CMOలు, CFOలు మొదలైన వారి నుండి డేటా కార్యక్రమాలలో పెట్టుబడి బలంగా కొనసాగుతుందని నేను ఇంతకు ముందే పేర్కొన్నాను. ఈ పెట్టుబడి పెంపొందించే సామర్థ్యాలను సృష్టించడం కోసం మాత్రమే కాకుండా గేమ్ మారుతున్న, పరివర్తన వ్యాపార ఫలితాల కోసం కూడా. అంటే మూడు విషయాలు చాలా ముఖ్యమైనవి. మొదటిది వ్యాపార లక్ష్యాలతో డేటా వ్యూహం యొక్క స్పష్టమైన అమరిక, వ్యాపారానికి అత్యంత ముఖ్యమైన వాటిపై సాంకేతిక బృందాలు పని చేస్తున్నాయని నిర్ధారించుకోండి. రెండవది, డేటా నాణ్యత మరియు ప్రాప్యత, డేటా నాణ్యత కీలకం. పేలవమైన డేటా నాణ్యత సరికాని అంతర్దృష్టులకు దారి తీస్తుంది. డేటా యాక్సెసిబిలిటీని నిర్ధారించడం కూడా అంతే ముఖ్యమైనది – సరైన సమయంలో సరైన డేటాను సరైన వ్యక్తులకు అందుబాటులో ఉంచడం. డేటా యాక్సెస్ని ప్రజాస్వామ్యీకరించడం, తగిన నియంత్రణలను కొనసాగిస్తూ, డేటా ఆధారిత నిర్ణయాలు తీసుకునేందుకు సంస్థ అంతటా బృందాలకు అధికారం ఇస్తుంది. మూడవది ఉత్పత్తిలో స్థాయిని సాధించడం. డేటా ఇంజనీరింగ్ అభ్యాసాలలో Ops సంసిద్ధత బేక్ చేయబడిందని వ్యూహం నిర్ధారించాలి, కనుక ఇది పైలట్ చేసిన తర్వాత మాత్రమే పరిగణించబడదు.
కంపెనీ మొత్తం వ్యూహంలో భాగంగా డేటా ఆర్కెస్ట్రేషన్ ఎంత ముఖ్యమైనది?
డేటా ఆర్కెస్ట్రేషన్ అనేది DataOps యొక్క అత్యంత ముఖ్యమైన స్తంభం. క్లౌడ్, ఆన్-ప్రాంగణంలో, లెగసీ డేటాబేస్లు మరియు థర్డ్-పార్టీ అప్లికేషన్లు – చాలా సంస్థలు బహుళ సిస్టమ్లలో డేటాను కలిగి ఉన్నాయి. ఈ అసమాన డేటా మూలాధారాలను ఏకీకృత వ్యవస్థలో ఏకీకృతం చేయగల మరియు ఆర్కెస్ట్రేట్ చేయగల సామర్థ్యం చాలా కీలకం. సరైన డేటా ఆర్కెస్ట్రేషన్ సిస్టమ్ల మధ్య అతుకులు లేని డేటా ప్రవాహాన్ని నిర్ధారిస్తుంది, డూప్లికేషన్, జాప్యం మరియు అడ్డంకులను తగ్గిస్తుంది, అదే సమయంలో సకాలంలో నిర్ణయం తీసుకోవడానికి మద్దతు ఇస్తుంది.
డేటా ఆర్కెస్ట్రేషన్ విషయానికి వస్తే మీ కస్టమర్లు వారి అతి పెద్ద ఇబ్బందులను మీకు ఏమి చెబుతారు?
డేటా ఉత్పత్తులను వేగంగా డెలివరీ చేయడం మరియు ఉత్పత్తిలో త్వరగా స్కేలింగ్ చేయడం అనే సవాలును సంస్థలు ఎదుర్కొంటూనే ఉన్నాయి. GenAI దీనికి మంచి ఉదాహరణ. ప్రపంచవ్యాప్తంగా ఉన్న CEO లు మరియు బోర్డులు దాని శక్తిని ఉపయోగించుకోలేని వారికి ఇది చాలా అంతరాయం కలిగిస్తుందని వారు భావించినందున శీఘ్ర ఫలితాలను కోరుతున్నారు. GenAI అనేది ప్రాంప్ట్ ఇంజినీరింగ్, ప్రాంప్ట్ చైనింగ్ మొదలైన మెయిన్ స్ట్రీమింగ్ ప్రాక్టీస్లు. మనం LLMలు మరియు వెక్టార్ డేటాబేస్లు, బాట్లు మొదలైనవాటిని ఎలా తీసుకుంటాము మరియు వాటిని బహుళ-క్లౌడ్ల నుండి ఆన్-ప్రేమ్తో సహా చాలా హైబ్రిడ్ ఆర్కిటెక్చర్లో ప్రయాణించే పెద్ద డేటా పైప్లైన్లో ఎలా అమర్చాలి అనేది సవాలు. చాలా మందికి మెయిన్ఫ్రేమ్లు. డేటా పైప్లైన్ల స్కేలబుల్ ఆటోమేషన్ కోసం కొత్త సాంకేతికతలు మరియు అభ్యాసాలను మడతపెట్టడానికి అనుమతించే ఆర్కెస్ట్రేషన్కు వ్యూహాత్మక విధానం యొక్క అవసరాన్ని ఇది పునరుద్ఘాటిస్తుంది. ఒక కస్టమర్ కంట్రోల్-ఎమ్ని ఆర్కెస్ట్రేషన్ యొక్క పవర్ స్ట్రిప్గా అభివర్ణించారు, ఇక్కడ వారు కొత్త సాంకేతికతలను మరియు నమూనాలను ప్లగ్ ఇన్ చేయగలరు, వారు ప్రతిసారీ పాత సాంకేతికతలను కొత్త వాటి కోసం రీవైర్ చేయాల్సిన అవసరం లేదు.
వాంఛనీయ డేటా ఆర్కెస్ట్రేషన్ను నిర్ధారించడానికి మీ అగ్ర చిట్కాలు ఏమిటి?
అనేక అగ్ర చిట్కాలు ఉండవచ్చు కానీ నేను ఒకదానిపై దృష్టి పెడతాను, అప్లికేషన్ మరియు డేటా వర్క్ఫ్లోల మధ్య ఇంటర్ఆపరేబిలిటీ, ఉత్పత్తిలో స్థాయి మరియు వేగాన్ని సాధించడంలో కీలకమని నేను నమ్ముతున్నాను. డేటా పైప్లైన్లను ఆర్కెస్ట్రేట్ చేయడం ముఖ్యం, అయితే ఈ పైప్లైన్లు ఎంటర్ప్రైజ్లోని పెద్ద పర్యావరణ వ్యవస్థలో భాగమని గుర్తుంచుకోవడం చాలా ముఖ్యం. పోటీదారుగా మారే అవకాశం ఉన్న కస్టమర్లను అంచనా వేయడానికి ఒక ML పైప్లైన్ని అమలు చేయడాన్ని పరిశీలిద్దాం. అటువంటి పైప్లైన్లోకి వచ్చే డేటా ERP/CRM మరియు ఇతర అప్లికేషన్ల కలయికలో అమలు చేయబడిన వర్క్ఫ్లోల ఫలితంగా ఉంటుంది. అప్లికేషన్ వర్క్ఫ్లోలను విజయవంతంగా పూర్తి చేయడం తరచుగా డేటా వర్క్ఫ్లోలను ట్రిగ్గర్ చేయడానికి ముందస్తు అవసరం. మోడల్ మారే అవకాశం ఉన్న కస్టమర్లను గుర్తించిన తర్వాత, తదుపరి దశ బహుశా వారికి ప్రమోషనల్ ఆఫర్ను పంపడం, అంటే మేము ERP మరియు CRMలోని అప్లికేషన్ లేయర్కి తిరిగి వెళ్లవలసి ఉంటుంది. అప్లికేషన్ మరియు డేటా లేయర్ మధ్య సంక్లిష్టమైన డిపెండెన్సీలను ఆర్కెస్ట్రేట్ చేయడానికి మరియు నిర్వహించడానికి మా కస్టమర్లు దీనిని ఉపయోగిస్తున్నందున ఈ సవాలును పరిష్కరించడానికి కంట్రోల్-M ప్రత్యేకంగా ఉంచబడింది.
AIని అమలు చేసేటప్పుడు మీరు ప్రధాన అవకాశాలు మరియు సవాళ్లుగా ఏమి చూస్తున్నారు?
AI మరియు ప్రత్యేకంగా GenAI డేటా పర్యావరణ వ్యవస్థలో ఉన్న సాంకేతికతలను వేగంగా పెంచుతోంది. చాలా కొత్త మోడల్లు, వెక్టార్ డేటాబేస్లు మరియు ప్రాంప్ట్ చైనింగ్ చుట్టూ కొత్త ఆటోమేషన్ నమూనాలు మొదలైనవి. ఈ సవాలు డేటా ప్రపంచానికి కొత్త కాదు, కానీ మార్పుల వేగం పుంజుకుంది. ఆర్కెస్ట్రేషన్ దృక్కోణం నుండి మేము మా కస్టమర్లతో అద్భుతమైన అవకాశాలను చూస్తాము ఎందుకంటే మేము ఆర్కెస్ట్రేషన్ కోసం అత్యంత అనుకూలమైన ప్లాట్ఫారమ్ను అందిస్తాము, అక్కడ వారు ఈ సాధనాలు మరియు నమూనాలను వారి ప్రస్తుత వర్క్ఫ్లోలలోకి మడవవచ్చు మరియు డ్రాయింగ్ బోర్డ్కు తిరిగి వెళ్లవచ్చు.
AIని విజయవంతంగా ఉపయోగిస్తున్న కంపెనీల గురించి మీరు మాతో పంచుకోగలిగే కేస్ స్టడీస్ ఏమైనా ఉన్నాయా?
డొమినోస్ పిజ్జా దాని విస్తారమైన మరియు సంక్లిష్టమైన డేటా పైప్లైన్లను ఆర్కెస్ట్రేట్ చేయడం కోసం కంట్రోల్-ఎమ్ని ప్రభావితం చేస్తుంది. ప్రపంచవ్యాప్తంగా 20,000 స్టోర్లతో, అంతర్గత సరఫరా గొలుసు వ్యవస్థలు, విక్రయాల డేటా మరియు థర్డ్-పార్టీ ఇంటిగ్రేషన్ల వంటి విభిన్న వనరుల నుండి డేటాను అందించే 3,000 కంటే ఎక్కువ డేటా పైప్లైన్లను డొమినోస్ నిర్వహిస్తోంది. అప్లికేషన్ల నుండి ఈ డేటా దాని ఫ్రాంచైజ్ నెట్వర్క్లో ఆహార నాణ్యత, కస్టమర్ సంతృప్తి మరియు కార్యాచరణ సామర్థ్యానికి సంబంధించిన డ్రైవింగ్ నిర్ణయాల కోసం అందుబాటులోకి రావడానికి ముందు సంక్లిష్ట పరివర్తన నమూనాలు మరియు నమూనాల ద్వారా వెళ్లాలి.
మైక్రోస్ట్రాటజీ, AMQ, Apache Kafka, Confluent, GreenPlum, Couchbase, Talend, SQL సర్వర్ మరియు పవర్ BI వంటి అనేక రకాల సాంకేతిక పరిజ్ఞానాలలో అతుకులు లేని ఏకీకరణను నిర్ధారిస్తూ, ఈ డేటా వర్క్ఫ్లోలను ఆర్కెస్ట్రేట్ చేయడంలో Control-M కీలక పాత్ర పోషిస్తుంది.
సంక్లిష్టమైన ఆర్కెస్ట్రేషన్ నమూనాలను కలిపి కనెక్ట్ చేయడంతో పాటుగా, కంట్రోల్-M వాటికి పైప్లైన్ల యొక్క ఎండ్-టు-ఎండ్ విజిబిలిటీని అందిస్తుంది, పెరుగుతున్న డేటా వాల్యూమ్లను హ్యాండిల్ చేస్తున్నప్పుడు అవి కఠినమైన సేవా-స్థాయి ఒప్పందాలను (SLAలు) కలిగి ఉన్నాయని నిర్ధారిస్తుంది. Control-M వారికి క్లిష్టమైన నివేదికలను వేగంగా రూపొందించడంలో, ఫ్రాంఛైజీలకు అంతర్దృష్టులను అందించడంలో మరియు కొత్త వ్యాపార సేవలను విస్తరించడంలో వారికి సహాయపడుతోంది.
రాబోయే సంవత్సరంలో BMC నుండి మనం ఏమి ఆశించవచ్చు?
BMC వద్ద కంట్రోల్-M కోసం మా వ్యూహం రెండు ప్రాథమిక సూత్రాలపై దృష్టి సారిస్తుంది:
మా కస్టమర్లు ఆధునిక సాంకేతికతలను, ప్రత్యేకించి పబ్లిక్ క్లౌడ్లో ఆన్బోర్డ్ చేస్తున్నప్పుడు ఆర్కెస్ట్రేషన్ కోసం కంట్రోల్-Mను ఒకే పాయింట్గా ఉపయోగించడానికి అనుమతించడాన్ని కొనసాగించండి. IaaS, కంటైనర్లు మరియు PaaS (సర్వర్లెస్ క్లౌడ్ సర్వీసెస్) యొక్క మూడు ప్రధాన క్లౌడ్ ఇన్ఫ్రాస్ట్రక్చర్ మోడల్లలో వర్క్ఫ్లోలను ఆర్కెస్ట్రేట్ చేయడానికి కంట్రోల్-Mని ఉపయోగించవచ్చని నిర్ధారించుకోవడానికి మేము అన్ని ప్రధాన పబ్లిక్ క్లౌడ్ ప్రొవైడర్లకు కొత్త ఇంటిగ్రేషన్లను అందించడాన్ని కొనసాగిస్తాము. సర్వర్లెస్పై మా బలమైన దృష్టిని కొనసాగించాలని మేము ప్లాన్ చేస్తున్నాము మరియు PaaS మోడల్కు మద్దతు ఇవ్వడానికి మీరు కంట్రోల్-M నుండి మరిన్ని అవుట్-ఆఫ్-ది-బాక్స్ ఇంటిగ్రేషన్లను చూస్తారు.
ఎంటర్ప్రైజ్ ఆర్కెస్ట్రేషన్ అనేది టీమ్ స్పోర్ట్ అని మేము గుర్తించాము, ఇందులో ఇంజనీరింగ్, కార్యకలాపాలు మరియు వ్యాపార వినియోగదారుల మధ్య సమన్వయం ఉంటుంది. మరియు, దీన్ని దృష్టిలో ఉంచుకుని, మేము వ్యక్తిగత ఆధారిత వినియోగదారు అనుభవాన్ని మరియు ఇంటర్ఫేస్ను తీసుకురావాలని ప్లాన్ చేస్తున్నాము, తద్వారా సహకారం ఘర్షణ లేకుండా ఉంటుంది.
ప్రత్యేకించి, DataOpsలో మేము అప్లికేషన్ మరియు డేటా వర్క్ఫ్లోలలో డేటా నాణ్యతను ఫస్ట్-క్లాస్ పౌరుడిగా మార్చడంపై నిర్దిష్ట దృష్టితో ఆర్కెస్ట్రేషన్ మరియు డేటా నాణ్యత యొక్క విభజనను చూస్తున్నాము. ఈ ఫ్రంట్లో మరిన్నింటి కోసం వేచి ఉండండి!
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర ఈవెంట్తో సహా ఇతర ప్రముఖ ఈవెంట్లతో కలిసి ఉంది ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్, బ్లాక్ ఎక్స్, డిజిటల్ ట్రాన్స్ఫర్మేషన్ వీక్మరియు సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో.
TechForge ద్వారా అందించబడే ఇతర రాబోయే ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
