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:

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

Dataiku: le novità della release 9

Dataiku, tante novità. Le energie si concentrano sul processo di trasformazione e analisi del dato e sulla collaborazione con altri tool, come Tableau

Vertica apre le porte alla Data Science

La Data Science, in termini di supporto decisionale alle aziende, ha un potenziale enorme, ma è una materia molto ampia e di carattere sperimentale: non necessariamente l’algoritmo migliore per un settore si rivela buono anche in realtà aziendali...

Dataiku: Intelligenza Artificiale per le case farmaceutiche

Oltre il 60% delle aziende farmaceutiche sono state identificate come “principianti” quando si parla della loro maturità riguardo l’AI.

Data Science Tools: la cassetta degli attrezzi dei team di Data Scientist

Strumenti tecnologici, piattaforme, linguaggi di programmazione, tools di vario genere rappresentano elementi importanti, gli “attrezzi del mestiere” per i Data Scientist. Ecco alcuni dei linguaggi e dei tools che solitamente non mancano all’interno di un team di Data Scientist.

Data Scientist, chi sono e cosa fanno per aiutare le aziende

Oggi i dati rappresentano uno degli asset più critici ed importanti per un’azienda (e non solo), tant’è che ormai si parla dei dati come del nuovo petrolio nell’economia dell’informazione e della conoscenza. Chi lavora sui dati e con i dati gode di un grande vantaggio. Ma chi sono davvero i Data Scientist e cosa fanno concretamente per aiutare le aziende?

Dataiku: i consigli per scegliere il giusto progetto di Data Science

Con decine di potenziali use case ma risorse limitate, è importante dare priorità ai progetti che hanno sia un alto valore di business che un’alta probabilità di successo. I consigli di Dataiku

Le 6 (+1) fasi del processo tipico di Data Science

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.