Confluent, Inc, pionir streaming data, hari ini mengumumkan kemajuan signifikan dalam Tableflow, cara termudah untuk mengakses data operasional dari data lake dan warehouses.
Dengan Tableflow, semua data streaming di Confluent Cloud dapat diakses dalam format tabel terbuka yang populer, membuka kemungkinan tak terbatas untuk analitik tingkat lanjut, kecerdasan buatan (AI) real-time dan aplikasi generasi berikutnya. Dukungan untuk Apache Iceberg™ sekarang tersedia secara umum.
Sebagai hasil dari kemitraan yang diperluas dengan Databricks, program akses awal baru untuk Delta Lake kini telah dibuka.
Selain itu, Tableflow kini menawarkan fleksibilitas penyimpanan data yang lebih baik dan integrasi tanpa batas dengan penyedia katalog terkemuka, termasuk AWS Glue Data Catalog dan layanan terkelola Snowflake untuk Apache Polaris™, Snowflake Open Catalog.
“Di Confluent, kami selalu berusaha membuat data Anda bekerja untuk Anda, kapan pun Anda membutuhkannya dan dalam format apa pun yang dibutuhkan,” kata Shaun Clowes, Chief Product Officer di Confluent.
“Dengan Tableflow, kami membawa keahlian kami dalam menghubungkan data operasional ke dunia analitik. Kini, para ilmuwan data dan insinyur data memiliki akses ke satu sumber data real-time di seluruh perusahaan, sehingga memungkinkan untuk membangun dan menskalakan aplikasi berbasis AI generasi berikutnya," ujarnya.
Runtuhnya Proyek AI: Data yang Terputus
“Pada tahun 2027, setelah mengalami beberapa kegagalan proyek AI, 70% tim TI akan kembali ke awal dan fokus pada platform infrastruktur data yang siap untuk AI,” klaim IDC dalam IDC FutureScape: Prediksi Infrastruktur Digital Seluruh Dunia 2025.
Laporan tersebut menambahkan, “Banyak organisasi TI yang mengandalkan sejumlah silo data dan selusin atau lebih salinan data yang berbeda. Silo-silo dan penyimpanan data yang berlebihan ini dapat menjadi penghalang utama bagi pengembangan model AI yang efektif.”
Proyek AI yang gagal terjadi karena metode pengembangan yang lama tidak dapat mengimbangi ekspektasi konsumen yang baru. Aplikasi ini diharapkan dapat mengetahui status bisnis dan pelanggannya saat ini dan mengambil tindakan secara otomatis.
Sebagai contoh, aplikasi AI untuk manajemen inventaris harus dapat mengidentifikasi apakah barang tertentu sedang tren, segera memberi tahu produsen tentang peningkatan permintaan, dan memberikan estimasi pengiriman yang akurat untuk pelanggan. Tingkat efisiensi hands-free ini tidak mungkin dilakukan jika data bisnis tidak masuk ke sistem analitik dan AI secara real-time.
Cara lama pemrosesan batch menghasilkan hasil yang tidak akurat, dan menyalin data secara manual tidak stabil, tidak dapat diskalakan dan memperbanyak masalah silo.
| Penulis | : | Adam Rizal |
| Editor | : | Adam Rizal |
KOMENTAR