Services wie Big Query von Google , IoT Gateway von AWS und Analysis Services von Azure beschleunigen die Arbeit der Entwickler enorm . Denn die komplexe IT-Klempnerei wird nur bei Bedarf ausgeführt und skaliert . Diese Services sind ebenfalls vollständig in die Plattform integriert und reduzieren damit Integrationsalbträume wie den Versuch , ein Dutzend verschiedener Punktlösungen miteinander zu kombinieren und zu verwalten , um den gleichen Job vor Ort zu erledigen .
Drei beliebte Stichwörter : Big Data , maschinelles Lernen & künstliche Intelligenz
Alle großen Public Cloud-Anbieter ( Amazon , Google , Microsoft ) haben hervorragende Arbeit geleistet , indem sie Entwicklern einfache APIs zur Verfügung gestellt haben , die die Komplexität bei der Installation und Integration aller zugrunde liegenden Technologie-Stacks abstrahieren . Sehen Sie sich die Komplexität bei der Implementierung einer Big Data-Lösung an .
Abbildung 1 : Beispiel für eine Big Data-Architektur auf AWS
Dies ist eine sehr komplexe Architektur , die erforderlich ist , um alle Unternehmens- , Sicherheits- und regulatorischen Compliance-Anforderungen eines typischen Großunternehmens zu erfüllen . Was Ihnen dabei vielleicht jedoch nicht auffällt , ist , dass jedes Symbol in diesem Diagramm ein Managed Service ist . Jeder Managed Service ist eine Abstraktion vieler zugrunde liegender Technologien . Ein Unternehmen , das versucht , diese Lösung in ein DIY-Modell zu implementieren , würde damit Wochen oder sogar Monate verbringen . Von dem kleinen Vermögen , das dies kosten würde , ganz zu schweigen . Addieren Sie alle Symbole und Sie werden schnell erkennen , dass ein Unternehmen leicht 12 bis 18 Monate lang ohne sichtbaren Nutzen nur damit beschäftigt ist , die Produkte des Infrastrukturanbieters einzurichten und einsatzbereit zu machen , um die erste Anwendungszeile zu schreiben .
Stand der Dinge , ehe wir zum maschinellen Lernen und zur künstlichen Intelligenz kommen . Früher hätte ein Unternehmen eine Armee von Doktoranden einstellen müssen , um die zugrunde liegenden Technologien zu implementieren und die Modelle zu trainieren , die erforderlich sind , um die Systeme zu lehren , Muster zu erkennen und Informationen zu entdecken . Um es noch einmal zu betonen : Die Cloud-Anbieter abstrahieren all diese Komplexitäten und ermöglichen es Normalsterblichen , maschinelles Lernen und APIs mit künstlicher Intelligenz zu nutzen , um geschäftlichen Nutzen zu erzielen . Vor zwei
52 | THE DOPPLER | SOMMER 2017