Pentaho brengt updates uit voor Pentaho Data Catalog

Pentaho heeft belangrijke verbeteringen aangekondigd aan Pentaho Data Catalog, ontworpen om organisaties te helpen in het AI-tijdperk door in te zetten op kwaliteit, observability en vertrouwen in data.

Voortbouwend op Pentaho's twintigjarige ervaring als aanbieder in data management, wil Pentaho met voortdurende innovatie haar klanten helpen om fundamentele, AI-ready data intelligence te bereiken terwijl de zware infrastructuurlasten en trage time-to-value van concurrerende oplossingen worden vermeden.

Volgens Kunju Kashalikar, Product Manager bij Pentaho, is de behoefte aan een sterk datafundament nog nooit zo groot geweest. "Klanten zijn op zoek naar hulp bij een hele reeks vraagstukken. Ze willen de organisatie van data verbeteren voor operations en AI. Ze hebben beter inzicht nodig in het wat en waar van de levenscyclus van data voor kwaliteit, vertrouwen en regelgeving. En ze willen automatisering inzetten om het beheer met data te schalen en tegelijkertijd de time-to-value te verhogen. De recente verbeteringen aan onze Data Catalog raken de kern van deze problemen."

Beleidsverbeteringen, AI Model Management en Data Producten
De updates van Pentaho Data Catalog breiden belangrijke mogelijkheden uit die steeds kritieker worden in een complexer wordend datalandschap dat wordt ingehaald door AI en regelgeving.
• Dankzij een verbeterde Data Marketplace-ervaring kunnen zakelijke gebruikers en data scientists gemakkelijker vertrouwde datasets vinden voor dagelijkse en strategische inspanningen.
   - Diepere integraties met Okta en Active Directory verbeteren beleidstoegang en beveiligingsmaatregelen, wat belangrijk is bij het bewaken van het gebruik van data in AI-modellen.
   - Aanmaken van dataproducten met voorgeschreven kwaliteitskenmerken.
   - Levering van data aan Python IDE, ML-test- en implementatietools.
• Integratie met modelontwikkeling voor modelgovernance vergroot de zichtbaarheid in hoe en waar modellen gegevens gebruiken voor zowel gepast gebruik als proactieve governance.
• ML-verbeteringen voor dataclassificatie, inclusief ongestructureerde data, verbeteren de mogelijkheid om het beheer van data te automatiseren en te schalen voor groeiende data-ecosystemen.
• Verbeteringen aan data optimalisatie en re-tiering voor gestructureerde en ongestructureerde data ondersteunen de use cases van archivering, migratie en policy driven lifecycle management.