Alation和爱因斯坦分析如何为数据编目和治理提供深度集成


任何特定公司的销售主管都需要最新的业务状态统计数据,而且他们现在就需要——嗯,实际上是昨天。创建一组自定义报告会花费太多时间。但是为什么要从头开始呢?描述业务状态的计算已经存在——在数百个仪表板和数千份报告中。

挑战之一是透明度。这些报告是谁写的?他们试图实现什么?对我们的新决策来说,这种收入计算是一个准确的定义吗?为什么该报告使用了非标准的区域定义?在越来越多的人使用数据的组织中,业务语义的细微差别必须成为分布更广的知识。

今天,我们很高兴地宣布,销售团队正在通过集成以下内容,将数据编目的协作能力带给其用户Einstein Analytics以及Alation Data Catalog

通过这种集成,Alation基于人工智能的数据目录可以自动记录您组织中成百上千的用户目前使用分析的情况。Alation会自动为爱因斯坦分析中的每项资产生成一个社交目录页面,从而提高组织中分析使用的透明度。它自动捕获详细的业务语义,并使用内置的协作功能来降低知识共享的障碍,使您的分析环境更加社会化。Alation的数据目录使查找、理解和验证数据变得容易,最终揭示真正的业务洞察力。

目录页不仅包括对报告、仪表板或数据集的数据来源的描述,还包括顶级用户、受欢迎程度以及同事提供的社交上的支持投票或反对投票。要为特定的业务请求构建一个仪表板,分析师现在可以搜索并找到在其他可信见解中使用的上下文相关的数据资产,并使用这些知识更快地提供更高质量的分析。

这是怎么回事?行动数据目录使用行为输入/输出,这是一个人工智能引擎,在数据的组织使用模式中发现真相。基于这些模式,行为输入/输出提出了一些建议,比如哪一个数据集最适合手头的分析问题,谁是获得特定见解的最佳专家,以及数据应该如何标记以实现业务术语的标准化。

这些建议组织了关于您的数据的数据—行业多年来称之为元数据。然而,与其将这些元数据存储在只有信息技术专家才能访问的存储库中,Alation让元数据成为企业的活数据推荐引擎。在高德纳的最新报告中Magic Quadrant for Metadata Management与IBM、甲骨文和思爱普等行业巨头相比,竞争对手排名靠前。现在,每个爱因斯坦分析用户都可以通过艾伦数据目录获得艾伦数据推荐的力量。

sales force SVP产品数据科学公司的Hernan Asorey说:“两年多来,我们一直在内部使用Alation作为我们的数据编目解决方案。”“Alation Data Catalog极大地提高了我的分析师和数据科学家团队的工作效率,使他们能够快速找到、理解和信任所需的数据,并缩短了获得真正业务洞察力的时间。”

有了人工智能,人工智能就完成了繁重的工作。其结果是对洞察力的治理,使得确保准确性和合规性变得容易,同时仍然允许自由流动的数据可视化方法。

有关合作关系的更多信息,请访问Salesforce’s blog here