Несмотря на иррациональное изобилие сомнительных инноваций, таких как невзаимозаменяемые токены и метавселенная, в корпоративных информационных технологиях остаются области устойчивых инноваций.
Наблюдаемость — особенно на основе стандарта OpenTelemetry — пожалуй, самая важная тема. Машинное обучение занимает второе место. Данные, однако, являются общей нитью, которая сближает эти инновационные компании, даже несмотря на то, что все они применяют дифференцированный подход к своим предложениям.
Вот семь компаний, которые вошли в этот список:
Инновации в безопасности и управлении
Privacera Inc .: Баланс между удобством использования данных и контролем доступа «необходимо знать»
Privacera является одним из пионеров на относительно новом рынке управления доступом к данным. Компания выделяет контроль доступа из более широкой области управления данными, сосредоточив внимание на обнаружении данных, применении распределенных политик, аудите и отчетности по нескольким облачным источникам данных, а также на детальном контроле доступа.
Компания помогает своим клиентам реализовать распределенную безопасность и применение политик для хранения, вычислений и объединения запросов для всех основных поставщиков облачных услуг, а также облачных хранилищ данных. Учитывая преобладание конфиденциальных данных в современных организациях, способность Privacera устанавливать контроль доступа по принципу «необходимо знать», не мешая повседневной работе пользователей, является существенным преимуществом этого инструмента.
Что делает Privacera интригующей : Для более зрелых клиентов Privacera расширяет свою функциональность за пределы традиционного централизованного применения политик до модели делегированного применения, которая поддерживает несколько отделов с отдельными доменами данных.
Deepfence Inc .: облачная система наблюдения за безопасностью
Облачные вычисления выходят далеко за рамки контейнерных развертываний Kubernetes и включают в себя виртуальные машины, бессерверные и даже серверы без ПО. Защита такого смешения сред представляет собой современную проблему, которую Deepfence решает.
Компания предлагает инструменты наблюдения на основе телеметрии, которые предоставляют специалистам по безопасности данные и информацию, необходимые им для защиты современных динамических облачных сред как во время разработки, так и в процессе эксплуатации.
Что делает Deepfence интригующим : Базовая технология Deepfence — это расширенный Berkeley Packet Filter, технология Linux на уровне ядра (с некоторой поддержкой Windows), которая дает Deepfence глубокую видимость на уровне пакетов. Таким образом, EBPF позволяет компании предлагать уровень наблюдаемости безопасности, который выделяет их на рынке.
Torii Labs Ltd .: Автоматизированное управление SaaS
Приложения «программное обеспечение как услуга» стали доминировать в портфелях приложений компаний всех размеров. Продукты SaaS включают лидирующие на рынке предложения от Salesforce.com Inc., Microsoft Corp., ServiceNow Inc., Workday Inc. и других, а также тысячи специализированных приложений, которые заполняют экраны всех смартфонов.
Такое изобилие SaaS-приложений представляет собой управленческий кошмар для ИТ-организаций, отвечающих за соответствие требованиям и безопасность, а также бюджеты на программное обеспечение. Torii решает эту проблему управления SaaS с помощью комплексного предложения, которое обнаруживает приложения SaaS, используемые в организации, а затем применяет сотни автоматизированных рабочих процессов, которые решают проблемы, начиная от соответствия лицензии на программное обеспечение и заканчивая принудительным выполнением политик инициализации и деинициализации и управлением расходами на облако.
Что делает Torii интригующим : Учитывая преобладание приложений SaaS в современных организациях, вы могли бы подумать, что управление SaaS должно быть в верхней части списка покупок каждого ИТ-директора, но это не так. Torii предлагает услугу, которая нужна большинству организаций, но мало кто о ней знает.
Внедрение машинного обучения в массы
Aporia Inc .: Мониторинг машинного обучения, делающий ИИ доступным для всех
Машинное обучение покорило многие предприятия, но до сих пор для извлечения выгоды из этой технологии требовался специальный набор навыков — навыков, которые на сегодняшнем тесном рынке технологий встречаются реже, чем куриные зубы.
Aporia помогает решить эту проблему с помощью инструмента MLOps, который на удивление прост в использовании. С Aporia работать с машинным обучением теперь так же просто, как с любым из современных зрелых инструментов анализа. С другой стороны, Aporia предоставляет единое окно для тех, кого трудно найти специалистам по обработке и анализу данных.
Что делает Aporia интригующей : она демократизирует машинное обучение, так что каждый может использовать его для извлечения новой ценности из данных своей организации.
Monte Carlo Inc .: наблюдаемость данных на основе машинного обучения
В 1999 году орбитальный аппарат НАСА Mars Climate Orbiter, как известно, потерпел неудачу из-за простой путаницы между метрическими и английскими единицами измерения. Другими словами, у НАСА возникла фатальная проблема с достоверностью данных.
Надежность данных сосредоточена на таких вопросах, как актуальность ваших данных, полнота, соответствие ожидаемым диапазонам, соответствие ожидаемым схемам и другие важные соображения. Ответ «нет» на любой из этих вопросов может означать, что ваши наборы данных не работают.
Monte Carlo обеспечивает наблюдаемость, необходимую специалистам по данным для оценки надежности своих данных и принятия мер в случае нарушения их наборов данных. Продукт работает с хранилищами данных, озерами данных, инструментами бизнес-аналитики и традиционными источниками данных извлечения/преобразования/загрузки или ETL в облаке и за его пределами.
Что делает Monte Carlo интригующим : компания использует машинное обучение для выявления проблем с надежностью данных с различными наборами данных, включая те наборы данных, целью которых является обучение моделей. Этот вариант использования «машинного обучения для машинного обучения» все еще является новым, но, вероятно, станет общепризнанной передовой практикой машинного обучения.
Наблюдаемость для инженеров
Cortex : возможность наблюдения для улучшения совместной работы инженеров
Сегодняшний пестрый рынок наблюдаемости ориентирован в первую очередь на потребности ИТ-операторов и инженеров по надежности систем. Здравый смысл гласит, что разработчикам программного обеспечения не нужны сведения, которые может предоставить программная телеметрия, потому что, как только они перебросят код через стену, теперь это проблема операционистов.
Современные методы разработки программного обеспечения полностью отвергают эту предполагаемую мудрость, поскольку инженеры несут ответственность за то, чтобы их код работал должным образом в производственной среде. Однако их требования к наблюдаемости отличаются от требований ops.
Cortex удовлетворяет эту потребность с помощью инструментов наблюдения, которые дают инженерам необходимую видимость своих сервисов в контексте всех популярных инструментов и современных передовых методов разработки программного обеспечения, которыми они уже пользуются.
Что делает Cortex интригующим : он поддерживает современные методы развертывания, такие как GitOps, и методы сдвига вправо, такие как пометка функций и канареечное развертывание, тем самым снижая риск, присущий быстро меняющимся темпам разработки.
Aspecto Inc .: Наблюдаемость для разработчиков распределенных сервисов
Инструментарий разработки программного обеспечения обычно фокусируется на самих программных компонентах. Для сложных распределенных сред, включая большинство развертываний на основе Kubernetes, программное обеспечение является лишь частью проблемы. Более сложная задача: связи между программным обеспечением.
Aspecto обеспечивает наблюдаемость на основе OpenTelemetry, которая помогает инженерам справляться с такими проблемами распределенных вычислений, обеспечивая прозрачность и понимание брокеров сообщений, очередей сообщений, потоков Kafka и многого другого. Служба компании помещает соответствующие данные телеметрии во взаимозависимую базу данных, которую инженеры могут запрашивать для проведения анализа последствий и выявления основных причин проблем, влияющих на их код.
Что делает Aspecto интригующим : Помещая данные OpenTelemetry в графовую базу данных, Aspecto предоставляет инженерам всю мощь анализа, ориентированного на графы, когда они собирают сложные распределенные взаимодействия.
Продавцы борются за категоризацию и признание
Одна общая характеристика, которая применима к семи компаниям в этой статье, заключается в том, что их все трудно классифицировать.
Во многих случаях компания попадает в две отдельные рыночные категории — безопасность и наблюдаемость для Deepfence, например, или наблюдаемость Aspecto для разработки программного обеспечения.
В других ситуациях основное ценностное предложение поставщика не соответствует ИТ-бюджету предприятия. У скольких ИТ-директоров есть позиция по управлению SaaS (Torii) или мониторингу машинного обучения (Aporia)?
Именно из-за этих проблем статьи, подобные этой, так важны. Не позволяйте стандартному мышлению помешать вам соединить точки между серьезной болевой точкой и доступными решениями ваших проблем.
Джейсон Блумберг — основатель и президент компании Intellyx, которая консультирует лидеров бизнеса и поставщиков технологий по вопросам их стратегий цифровой трансформации. Он написал эту статью для SiliconANGLE. На момент написания ServiceNow является клиентом Intellyx. Ни один из других поставщиков, упомянутых в статье, не является клиентом Intellyx.
Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК
Опубликуйте материал о вашем проекте, стартапе или технологии
hello@technovery.com