Databricks

““Al aprovechar el modo en tiempo real en Spark Structured Streaming, hemos logrado una reducción de más del 80 % en la latencia de extremo a extremo, alcanzando p99 por debajo de 100 ms, y optimizando nuestra estrategia de aprendizaje automático en tiempo real a gran escala”.”

““Nuestros ingenieros de aprendizaje automático no necesitaron aprender las complejidades del modo en tiempo real”, señaló Kamila Wickramarachchi, ingeniera de software de Coinbase. “Simplemente entregamos las mejoras masivas en la frescura y consistencia de los datos, e inmediatamente vieron el valor en los resultados”.”

“데이터브릭스에서 제공하는 통합 데이터 및 AI 플랫폼인 Vista와 결합하면 데이터를 더 빠르게 수집하는 것뿐만 아니라 데이터 운영을 최적화할 수 있습니다.”

“제로버스 인제스트를 추가 데이터 수집 옵션으로 사용하면 다양한 공장 데이터를 준실시간으로 수집하고 즉각적인 대응 조치를 실행하여 운영을 혁신할 수 있습니다”

“제로버스 인제스트를 통해 몇 시간이 아닌 몇 분 안에 공장 과열 상태를 감지하여 탄소 중립 전략과 운영 효율성을 직접적으로 지원하고 있습니다.”

“" 우리 견적 팀은 SQL로 생각하지 않아요. 고객과 제품을 생각해요. 지니는 그들이 있는 곳에서 그들을 만나 가격 질문을 즉각적인 해답으로 바꾸어 소규모 데이터 팀이 기업 전체에 영향을 미칠 수 있도록 해요."”

“"Databricks는 데이터 분석가들이 더 많은 것을 할 수 있도록 지원했습니다. 이제 분석가들은 원시 데이터를 직접 탐색하고 공유 노트북에서 협업하며 그 어느 때보다 빠르게 움직일 수 있습니다. 이러한 운영 효율성 덕분에 저희 소규모 데이터 사이언스 팀은 엔터프라이즈 규모의 솔루션을 처리할 수 있게 되었습니다."”

“"기존 환경에서는 대용량 SAP 테이블을 로드하는 데 5~6시간이 걸렸고, 오류가 자주 발생했습니다." Databricks로 표준화하고 자동 로더를 사용하면서 가장 큰 테이블의 처리 시간이 몇 시간에서 단 2분으로 줄었어요. 이제 파이프라인이 완전히 안정돼요. 경영진이 정시 보고를 받을 수 있으니까요."”

“"기존 시스템에서는 10,000건의 공급업체 계약 및 MSA를 처리하는 데 수작업으로 2주가 걸리는 고된 작업이었습니다." Databricks SharePoint 커넥터, Serverless compute, 데이터브릭스 도큐먼트 인텔리전스를 활용하여 수집부터 중요 만료일 추출에 이르는 전체 워크플로를 2~3시간으로 단축했어요."”

“„In Kombination mit Vista, unserer einheitlichen Daten- und KI-Plattform auf Basis von Databricks, erfassen wir Daten nicht nur schneller – wir optimieren auch unsere Datenprozesse.“”

“„Mit Zerobus Ingest als zusätzlicher Ingestion-Option können wir vielfältige Werksdaten nahezu in Echtzeit erfassen und sofort Gegenmaßnahmen auslösen, die unsere Abläufe grundlegend verändert haben“”

“„Zerobus Ingest ermöglicht es uns, Überhitzung in unseren Produktionsanlagen innerhalb weniger Minuten statt erst nach Stunden zu erkennen, und unterstützt damit direkt unsere Strategie zur CO₂-Neutralität sowie unsere betriebliche Effizienz“”

“Databricks는 동원그룹이 추구하는 ‘Work Designed for AI’를 선언이 아닌 실행으로, 데이터 및 AI 기반의 업무 혁신을 전사적으로 구현할 수 있는 단일 지능형 솔루션을 제공해 주었습니다.”

“데이터브릭스로 필요한 데이터를 누구나 즉시 확인하고, 결정하는 업무 방식으로 전환되었습니다.”

“경영 보고의 정확성과 속도가 크게 향상되었으며, 변화하는 비즈니스 상황에 더욱 민첩하게 대응할 수 있게 되었습니다.”

“Unser Angebotsteam denkt nicht in SQL, sondern in Kunden und Produkten. Genie holt die Nutzer dort ab, wo sie stehen, beantwortet Fragen zur Preisgestaltung umgehend und ermöglicht es einem kleinen Datenteam, unternehmensweite Schlagkraft zu erzielen.”

“Databricks hat unseren Datenanalysten ganz neue Möglichkeiten erschlossen: Sie können Rohdaten jetzt direkt auswerten, Notebooks gemeinsam bearbeiten und schneller denn je Ergebnisse erzielen. Dank dieser betrieblichen Effizienz ist selbst unser kleines Data-Science-Team in der Lage, Lösungen für das gesamte Unternehmen in Angriff zu nehmen.”

“In unserer früheren Umgebung dauerte das Laden umfangreicher SAP-Tabellen fünf bis sechs Stunden und war häufig mit Fehlern verbunden. Durch die Standardisierung auf Databricks und den Einsatz von Auto Loader reduzierte sich die Dauer der Datenaufnahme bei unserer größten Tabelle von vielen Stunden auf gerade einmal zwei Minuten. Unsere Pipelines sind nun rundum stabil und garantieren, dass die Geschäftsleitung stets zeitnah alle benötigten Informationen erhält.”

“Früher war das Bearbeiten von 10.000 Lieferanten- und Servicerahmenverträgen auf unserem Altsystem eine mühsame manuelle Angelegenheit, die zwei Wochen in Anspruch nahm. Durch den Einsatz von Databricks-SharePoint-Konnektor, Serverless Compute und Databricks Document Intelligence konnten wir den gesamten Workflow – von der Datenaufnahme bis zur Extraktion wichtiger Ablaufdaten – auf gerade einmal zwei bis drei Stunden verkürzen.”

“이러한 아키텍처 전환으로 올해에만 compute 비용이 51% 절감될 것으로 예상합니다.”

“데이터 신선도와 일관성의 엄청난 개선 외에도 놀라운 비용 절감을 실현했습니다.”

“저희 Machine Learning 엔지니어들은 실시간 Mode의 복잡한 내용을 배울 필요가 없었습니다.”

“Neben den enormen Verbesserungen bei Datenaktualität und -konsistenz konnten wir auch eine deutliche Kostensenkung erzielen“, fügte Wickramarachchi hinzu. „Wir schätzen, dass uns dieser Architekturwechsel allein in diesem Jahr rund 51 % der Compute-Kosten einsparen wird.”

“Mit dem Real-Time Mode in Spark Structured Streaming konnten wir die End-to-End-Latenzen um über 80 % senken, P99-Latenzen unter 100 ms erreichen und unsere Echtzeit-ML-Strategie im großen Maßstab deutlich effizienter gestalten.”

“Unsere Machine-Learning-Ingenieure mussten sich nicht mit den Feinheiten des Real-Time Mode vertraut machen“, erklärte Kamila Wickramarachchi, Software Engineer bei Coinbase. „Wir haben einfach die erheblichen Verbesserungen bei Datenaktualität und -konsistenz geliefert – und sie haben den Mehrwert sofort in den Ergebnissen gesehen.”