Tutti i clienti AWS, dalle grandi aziende alle piccole imprese, adesso potranno accedere a Dataiku e sfruttare in modo agile la potenza dell’AI. A partire dal giugno 2021 infatti Dataiku sarà disponibile su cloud, in particolare sul marketplace AWS.

Questa notizia rappresenta un importante punto di svolta per la nota piattaforma di Data Science e un grande vantaggio non solo per le aziende che già la utilizzano, ma soprattutto per tutti coloro che fino ad oggi non sono riusciti a cogliere l’opportunità della soluzione. Da ora potranno farlo limitando i costi di avviamento e sfruttando i propri accordi con AWS.

Oggi la maggior parte delle aziende già si affaccia (o ha in programma di farlo) al cloud per i grandi vantaggi in termini di affidabilità, scalabilità e flessibilità che questo modello di accesso ed utilizzo delle tecnologie è in grado di offrire. Secondo il Data Science Team di BNova, l’apertura di Dataiku verso il modello cloud risponde in modo molto chiaro e puntuale alle nuove necessità del mercato e delle aziende. Questa l’opinione della nostra Data Scientist Laura Margara: “Ultimamente sono molte le aziende che hanno la necessità di adeguare le proprie architetture IT, impostate spesso molti anni fa e ormai obsolete o poco gestibili. Diversi vendor tecnologici, tra i quali Dataiku, hanno intercettato questa esigenza e si stanno muovendo per rimanere al passo; i più lungimiranti stanno sfruttando i benefici del cloud anche per migliorare i propri servizi. (…) Un’architettura Dataiku-as-a-service probabilmente ad oggi è il modo migliore di approcciare e assecondare questo cambiamento”

 

Dataiku su AWS: paga solo le risorse che usi

 

Grazie all’apertura verso il cloud, Dataiku permette di sfruttare le risorse di cloud   computing di Amazon per le sue attività analitiche.

La presenza di Dataiku direttamente nel marketplace di AWS ha il vantaggio che chiunque già disponga di un account AWS possa acquistare ed utilizzare Dataiku direttamente, in pochi click tramite il proprio account AWS, abbattendo così i problemi e i costi (in tempo e in denaro) legati all’avviamento quando si inizia il proprio percorso verso strategie Data Driven legate all’AI e al ML.

Dal punto di vista tecnico, tutto ciò è possibile perché l’architettura complessiva è pensata in modo push-down e prevede nativamente l’integrazione tra Dataiku e il cloud. Tale integrazione consente di sfruttare l’infrastruttura di AWS per “migrare” i workload verso le risorse di cloud computing (ad esempio Kubernetes e Spark) nonché  per scalare, quindi aumentare o ridurre automaticamente secondo necessità le risorse stesse, quando le attività di data preparation, modeling, valutazione dei modelli, vengono invece orchestrate su Dataiku.

La scalabilità è, infatti, una caratteristica delle architetture cloud, ed in questo caso diventa anche caratterizzante dell’uso di Dataiku: i clienti potranno usufruire delle capacità analitiche di Dataiku unite alla potenza del cloud computing.

 

Per scoprire e approfondire la conoscenza di Dataiku, la piattaforma

di Data Science collaborativa scelta da BNova ecco il video

del webinar “Dataiku e Tableau, insieme per un’analisi dati a 360°

New call-to-action

Qui il comunicato stampa ufficiale dal sito di Dataiku  >>>  “Dataiku Launches In AWS Marketplace

Approfondimenti da BNext:

Dataiku: cosa c’è da sapere sulla nuova release

Le novità più importanti della release 11.0 e 11.1.0 spiegate dal nostro data scientist Emiliano Fuccio

Data Science Lifecycle, le 6 (+1) fasi del processo

La Data Science è un campo di studi interdisciplinare il cui obiettivo finale è estrarre informazione e conoscenza utili da dati strutturati o non strutturati. Non esiste un framework unico e universalmente condivido per definire i processi di Data Science, tuttavia, dal punto di vista tecnico lo standard KDD è quello a cui ci si ispira maggiormente, perché indica l’intero processo di ricerca di nuova conoscenza dai dati.

A cosa serve la Data Science?

L’analisi dei dati è in generale una materia molto ampia e con una storia che rimanda indietro di diversi anni da oggi. Si inizia a parlare di analisi dati già alla fine del 1700 con le prime visualizzazioni grafiche e l’evoluzione di questa materia non solo negli...

Churn Strategy: gli step per impostarla al meglio minimizzando il Churn Rate

Churn analysis e churn rate sono due concetti strettamente connessi: l’analisi degli abbandoni (churn analysis) è quella branca della Data Science attraverso cui si cerca di prevedere quali clienti hanno maggiori probabilità di abbandonare l’azienda, cosa che si...

I 6 comandamenti per un Data Storytelling di successo 

Letteralmente il Data Storytelling è l’arte del raccontare una storia attraverso i dati. Si tratta dell’evoluzione della Data Visualization, l’ultimo step di quel lungo processo analitico che ha lo scopo di trasformare i dati provenienti dalle diverse origini di...

Cosa sono i Big Data e come vengono utilizzati?

I Big Data sono ormai entrati a far parte del mercato tecnologico globale, ma spesso questa definizione viene utilizzata senza aver chiaro di cosa si tratta o di quali sono le accortezze e le tecnologie necessarie per poterli sfruttare al meglio nel loro valore...

Chi è e quanto guadagna un Data Engineer?

Fino a qualche tempo fa occuparsi dell’analisi dati in azienda voleva dire fare BI, e non era difficile trovare figure che si occupassero di questo. Nell’ultimo decennio, invece, l’analisi dati si è evoluta in modo esponenziale, si inizia a parlare di Data Science,...

Eyes4Innovation, la rete che ti semplifica la vita

La rete ti semplifica la vita. Ecco la massima sintesi del motivo per cui è nata Eyes4Innovation, ed anche lo scopo ultimo perseguito dalle aziende fondatrici. Scopri com’è andato l’evento di presentazione.

Dataiku e Data Exploration: chi è il miglior detective della serie “Scooby-doo”?

Dataiku e la data exploration, il primo passo per impostare i progetti nel modo più adatto è esplorare i dati e imparare a conoscerli.

Denodo e la data virtualization a supporto di Machine Learning e Data Science

Il Machine Learning e la Data science sono strettamente legate alla data virtualization. denodo è il tool ideale individuato da BNova