Google Cloud Platform (GCP) mira a semplificare le attività di ingegneria dei dati per le aziende con il rilascio di nuovi strumenti e funzionalità che supportano lo sviluppo di applicazioni avanzate di machine learning e forniscono funzionalità di analisi cross-cloud.

Google afferma che i suoi nuovi strumenti di machine learning aiuteranno le aziende a correggere le inefficienze sistemiche dei dati. Secondo uno studio di Accenture, solo il 32% delle aziende intervistate ha dichiarato di poter realizzare e misurare un valore tangibile dai dati. La bassa percentuale è il risultato di fattori come la mancanza di capacità di leadership, dati “lenti” e archivi di dati in silos.

Al fine di ridurre il tempo impiegato per sviluppare modelli avanzati di machine learning per applicazioni complesse di ingegneria dei dati, GCP ha rilasciato un nuovo servizio, ora in anteprima, chiamato Vertex AI Workbench, all’interno della sua piattaforma unificata di operazioni di machine learning Vertex AI, che è stata lanciata a maggio quest’anno.

Gli strumenti GCP accedono ai dati da più servizi

Secondo Google, l’ambiente di sviluppo integrato può accedere ai dati attraverso più servizi come Dataproc, BigQuery, Dataplex e Looker e può aiutare i data scientist a addestrare i modelli di machine learning cinque volte più velocemente di quanto avvenga con gli ambienti attuali. AI Workbench, insieme ad altri nuovi strumenti di dati, è stato lanciato come parte della conferenza annuale di Google Cloud Next la scorsa settimana.

Un grande punto di forza per AI Workbench è il suo supporto per il lavoro collaborativo. “AI Workbench fornisce un ambiente di sviluppo collaborativo per l’intero flusso di lavoro ML, collegando servizi di dati come BigQuery e Spark su Google Cloud, ai servizi Vertex AI e MLOps. Pertanto, i data scientist e gli ingegneri dei dati saranno in grado di distribuire e gestire più modelli, in modo più semplice e rapido, da un’unica interfaccia” ha affermato Ritu Jyoti, vicepresidente della practice AI and Automation di IDC.

Sebbene AI Workbench sia una novità per GCP, i fornitori di servizi cloud rivali come AWS e Microsoft hanno piattaforme simili rispettivamente sotto forma di AWS SageMaker e Azure Machine Learning, ha osservato Henschen.

GCP-Services

GCP migliora l’analisi cross-cloud

Google aveva lanciato BigQuery, il suo servizio di data warehouse serverless e multicloud con funzionalità di machine learning nel maggio 2010. Tuttavia, con sempre più aziende che optano per ambienti cloud ibridi e multicloud, GCP ha visto la necessità di abilitare l’analisi cross-cloud.

La scorsa settimana ha reso disponibile a tutti il suo servizio di anteprima denominato BigQuery Omni, progettato per consentire agli utenti di ottenere informazioni dettagliate sui dati su AWS e sul cloud storage di Azure. Le istanze di BigQuery vengono eseguite su questi spazi di archiviazione cloud e inviano i risultati alla dashboard di GCP.

Inoltre, Google ha lanciato un nuovo servizio che consentirà al motore di analisi open source Apache Spark di funzionare su GCP. In anteprima sin da ora, il nuovo servizio mira a semplificare l’ingegneria dei dati consentendo ai data scientist di utilizzare Spark dalle proprie interfacce preferite senza replica dei dati o integrazioni personalizzate.

Il nuovo servizio di scalabilità automatica è progettato per consentire agli sviluppatori di scrivere applicazioni e pipeline senza alcun provisioning o ottimizzazione manuale dell’infrastruttura. In termini di concorrenza, Henschen ha affermato che mentre tutti i principali cloud offrono servizi Apache Spark, GCP potrebbe averne uno in più poiché il nuovo servizio è un’offerta serverless che si ridimensiona su richiesta ed è quindi particolarmente conveniente e più facile da amministrare quando si ha a che fare con picchi o carichi di lavoro pesanti di data science.

Le nuove integrazioni facilitano la governance dei dati

Come parte delle sue nuove funzionalità, GCP ha anche implementato una nuova integrazione tra la sua piattaforma di business intelligence (BI) Looker e il software di visualizzazione dei dati di Salesforce Tableau.

La nuova integrazione consentirà ai clienti di Tableau di sfruttare il modello semantico di Looker, consentendo nuovi livelli di governance dei dati e democratizzando l’accesso ai dati. Secondo Henschen, l’integrazione è una partnership strategica in cui Google vuole che i suoi clienti aziendali scelgano Looker come fonte affidabile di dati per esigenze analitiche e Tableau come motore di visualizzazione e analisi dei dati.

Altri annunci includono l’integrazione di Looker con Google Contact Center AI e una versione beta chiusa di Looker in esecuzione sull’API Healthcare NLP di GCP, che utilizza modelli di linguaggio naturale per estrarre informazioni sanitarie da un testo medico utilizzando richieste e risposte JSON.