[ad_1]
Supposons que vous êtes un Ingénieur Uber passer une excellente journée au travail, et tout d’un coup, vous recevez un rapport indiquant que le Application Uber a fonctionné lentement. Vous commencez à passer au crible Les données complexes d’Uber pile pour essayer de trouver quel est le problème. Souvent, vous ne saurez pas où regarder en premier, et votre belle journée s’évaporera. Des heures interminables d’espionnage technique fastidieux vous attendent.
Shivanth Babu est obsédé depuis des années par l’amélioration de la vie des ingénieurs de données. Babu, diplômé en informatique de l’IIT Madras, qui a ensuite fait un doctorat en plates-formes de données de l’Université de Stanford et enseigné à l’Université Duke pendant 12 ans, a construit au cours des sept dernières années une plate-forme qui peut dire instantanément à un ingénieur non seulement pourquoi une application fonctionne lentement, mais aussi comment y remédier. C’est ce qu’on appelle l’observabilité des données. Et c’est ce que la société américaine de Babu, Unravel Data, qu’il a fondée avec un ami Kunal Agarwal, fait. La plupart de leurs ingénieurs sont basés dans des bureaux à Bengaluru et à Hyderabad.
Aucune entreprise ne peut plus survivre sans données, et la quantité de données qu’elle doit traiter ne cesse d’augmenter de façon exponentielle. Ce qui soulève les questions suivantes : comment surveillez-vous la santé de vos données ? Les données sont-elles fiables ? Si non, pourquoi ? Où exactement dans le pipeline de données alambiqué se situe le problème ?
« Unravel combine l’automatisation, l’intelligence artificielle et l’observabilité pour permettre aux différents membres des équipes de données de faire leur travail plus rapidement et avec plus de précision », déclare Babu.
Tout le travail manuel fastidieux de collecte, de corrélation et d’analyse de millions de points de données pour comprendre ce qui se passe réellement et pourquoi, est effectué automatiquement. « Toutes ces informations sont ensuite visualisées dans une seule fenêtre, à la fois dans un contexte holistique et avec des détails en un clic. C’est l’observabilité », dit Babu. Unravel applique ensuite l’IA pour donner aux équipes de données des recommandations précises et prescriptives.
Des entreprises comme Deutsche Bank et Adobe font partie des clients d’Unravel.
Revenons à notre ingénieur Uber. Tous les ingénieurs de données sont obligés d’utiliser une grande variété d’outils de données, qui doivent tous fonctionner ensemble pour que le système fonctionne. Le problème avec l’application Uber peut être dû à un problème dans l’un de ces outils, ou il peut être sans rapport avec eux, et le problème peut être entièrement ailleurs.
Selon Babu, les ingénieurs d’Unravel ont dû concevoir une plate-forme qui utilise des API natives et des micro-capteurs personnalisés non intrusifs pour découvrir en permanence tout ce qui est en cours d’exécution – chaque plate-forme, système, pipeline, application – sur site, cloud, multi-cloud, hybride et extrayez des millions de détails granulaires des journaux, des traces, des métriques, des événements et d’autres métadonnées sur l’ensemble de la pile de données, de l’application à l’infrastructure et tout le reste.
Shivanth Babu est obsédé depuis des années par l’amélioration de la vie des ingénieurs de données. Babu, diplômé en informatique de l’IIT Madras, qui a ensuite fait un doctorat en plates-formes de données de l’Université de Stanford et enseigné à l’Université Duke pendant 12 ans, a construit au cours des sept dernières années une plate-forme qui peut dire instantanément à un ingénieur non seulement pourquoi une application fonctionne lentement, mais aussi comment y remédier. C’est ce qu’on appelle l’observabilité des données. Et c’est ce que la société américaine de Babu, Unravel Data, qu’il a fondée avec un ami Kunal Agarwal, fait. La plupart de leurs ingénieurs sont basés dans des bureaux à Bengaluru et à Hyderabad.
Aucune entreprise ne peut plus survivre sans données, et la quantité de données qu’elle doit traiter ne cesse d’augmenter de façon exponentielle. Ce qui soulève les questions suivantes : comment surveillez-vous la santé de vos données ? Les données sont-elles fiables ? Si non, pourquoi ? Où exactement dans le pipeline de données alambiqué se situe le problème ?
« Unravel combine l’automatisation, l’intelligence artificielle et l’observabilité pour permettre aux différents membres des équipes de données de faire leur travail plus rapidement et avec plus de précision », déclare Babu.
Tout le travail manuel fastidieux de collecte, de corrélation et d’analyse de millions de points de données pour comprendre ce qui se passe réellement et pourquoi, est effectué automatiquement. « Toutes ces informations sont ensuite visualisées dans une seule fenêtre, à la fois dans un contexte holistique et avec des détails en un clic. C’est l’observabilité », dit Babu. Unravel applique ensuite l’IA pour donner aux équipes de données des recommandations précises et prescriptives.
Des entreprises comme Deutsche Bank et Adobe font partie des clients d’Unravel.
Revenons à notre ingénieur Uber. Tous les ingénieurs de données sont obligés d’utiliser une grande variété d’outils de données, qui doivent tous fonctionner ensemble pour que le système fonctionne. Le problème avec l’application Uber peut être dû à un problème dans l’un de ces outils, ou il peut être sans rapport avec eux, et le problème peut être entièrement ailleurs.
Selon Babu, les ingénieurs d’Unravel ont dû concevoir une plate-forme qui utilise des API natives et des micro-capteurs personnalisés non intrusifs pour découvrir en permanence tout ce qui est en cours d’exécution – chaque plate-forme, système, pipeline, application – sur site, cloud, multi-cloud, hybride et extrayez des millions de détails granulaires des journaux, des traces, des métriques, des événements et d’autres métadonnées sur l’ensemble de la pile de données, de l’application à l’infrastructure et tout le reste.
[ad_2]
Source link -37