El mercado de observabilidad de datos mejora con la adquisición de Databand.ai
REDACCIÓN NOTI AMÉRICA (ECUADOR)
La adquisición ayuda a las empresas a capturar «datos defectuosos» desde su origen Amplía.
IBM anunció que ha adquirido Databand.ai, un proveedor líder en software de observabilidad de datos que ayuda a las organizaciones a solucionar problemas con sus datos, incluyendo errores, fallos en pipelines y mala calidad, antes de que afecten sus resultados.
La noticia fortalece aún más el portfolio de software de datos, IA y automatización de IBM para abordar el espectro completo de la observabilidad y ayudar a las empresas a garantizar que los datos confiables se pongan en las manos correctas de los usuarios correctos en el momento correcto.
Databand.ai es la quinta adquisición de IBM en 2022, a medida que la compañía continúa potenciando sus habilidades y capacidades de nube híbrida e IA. IBM ha adquirido más de 25 compañías desde que Arvind Krishna se convirtió en CEO en abril de 2020.
A medida que el volumen de datos sigue creciendo a un ritmo sin precedentes, las organizaciones están luchando por gestionar la solidez y calidad de sus data sets o conjuntos de datos, lo cual es necesario para tomar mejores decisiones empresariales y obtener una ventaja competitiva.
Una oportunidad de mercado en rápido crecimiento, es la observabilidad de datos que está emergiendo rápidamente como una solución clave para ayudar a los equipos de datos e ingenieros a comprender mejor el estado de los datos en su sistema e identificar, resolver y solucionar problemas automáticamente, como anomalías, cambios en datos importantes o fallos en los pipelines en casi tiempo real.
Según Gartner, cada año la mala calidad de los datos cuesta a las organizaciones un promedio de $12,9 millones. Para ayudar a mitigar este desafío, el mercado de observabilidad de datos está preparado para un fuerte crecimiento.
La observabilidad de datos lleva las operaciones de datos tradicionales al siguiente nivel mediante el uso de tendencias históricas para calcular estadísticas sobre cargas de trabajo de datos y pipelines de datos directamente en su origen, determinando si están funcionando y señalando dónde pueda existir cualquier problemas.
Cuando se combina con una estrategia de observabilidad de full stack puede ayudar a los equipos de TI a detectar y resolver problemas, desde la infraestructura y las aplicaciones hasta los sistemas de datos y de aprendizaje automático (machine learning).
