Daten + KI-Anwendungsfälle von den weltweit führenden Unternehmen

Einer der spannendsten Teile des Data + AI Summit ist es, zu hören, wie unsere über 10.000 globalen Kunden Databricks nutzen, um ihre Geschäfte zu verbessern. 

Mit der Data Intelligence Platform befähigen sie alle Mitarbeiter, Rohdaten in Erkenntnisse zu verwandeln, die ihnen helfen, ihre Arbeit besser zu machen, und in Ergebnisse, die interne Prozesse effizienter gestalten. 

Organisationen wie GM, Block, McDonald’s, J.P. Morgan Chase, die Texas Rangers, Unilever und über 250 weitere Kunden berichteten, wie sie Daten und KI nutzen, welche Ergebnisse sie erzielt haben und welche Tools ihnen dabei geholfen haben. Wir wollten all diese großartigen Geschichten an einem Ort zusammenfassen, um anderen Unternehmen zu helfen, die transformative Wirkung von Data Intelligence zu erkennen. 

Anwendungsfälle, die auf dem Data + AI Summit vorgestellt wurden

Texas Rangers nutzen die Data Intelligence Platform, um Daten mit Hunderten von Frames pro Sekunde zu erfassen, Spieler-Mechaniken zu analysieren, um Personalentscheidungen zu optimieren und Verletzungen vorzubeugen, sowie für weitere Anwendungsfälle. Sehen Sie: Wie Data Intelligence große Erfolge bei den Texas Rangers erzielt

Minecraft reduzierte die Verarbeitungszeit um 66 %, indem es zu Databricks wechselte, und kann nun Daten und KI nutzen, um das Spielerlebnis zu verbessern.

Blue River Technology, ein Tochterunternehmen von John Deere, zeigte, wie es Daten und KI nutzt, um den neuen vollautonomen Traktor anzutreiben. Die Maschine ist mit 360-Grad-Kameras ausgestattet und wird durch KI für schnelle Bildanalysen unterstützt. 

Ahold Delhaize USA baute eine Self-Service-Datenplattform auf Databricks auf, um seinen Ingenieuren die Erstellung von Pipelines zu ermöglichen, die Data Science und KI/ML-Anwendungen unterstützen. Mit der DI-Plattform als einheitlicher Daten- und Analyse-Grundlage kann das Unternehmen Promotionen und Verkaufsleistungen in großem Maßstab, über verschiedene Kundensegmente hinweg, in Echtzeit analysieren, um fundiertere Entscheidungen zu treffen. ADUSA nutzt die DI-Plattform auch zur Unterstützung von Kundenpersonalisierung, Treueprogrammen, Reduzierung von Lebensmittelverschwendung, Umweltinitiativen, Logistik, Prognosen und Bestandsmanagement. Lesen Sie: Workflow hilft Datenteams bei Skalierung und Kostensenkung

Block standardisierte seine Dateninfrastruktur mit der Databricks Data Intelligence Platform, um den Weg für GenAI-Innovationen zu ebnen. Durch die Nutzung der GenAI-Funktionen von Databricks können neue Unternehmen über KI-gestützte Einrichtung und Automatisierung des Datenimports noch schneller auf der Square-Plattform onboarden. Sie können auch GenAI nutzen, um Inhalte für Marketing-E-Mails, Teamankündigungen, Artikelbeschreibungen, Website-Texte und mehr zu generieren. E-Commerce-Verkäufer können aus über 50 Stilvorlagen wählen und hyperrealistische, KI-generierte Hintergründe zu Produktfotos hinzufügen, um ihre Websites aufzuwerten und mehr Kunden anzuziehen. Mit Databricks erreichte Block eine 12-fache Reduzierung der Rechenkosten und definiert weiterhin Finanzdienstleistungen im 21. Jahrhundert neu. Sehen Sie: Erstellung und Bereitstellung von GenAI-Apps bei Block mit Jackie Brosamer, Head of AI, Data & Analytics. Lesen Sie: Block definiert Finanzdienstleistungen neu.

Doordash und Databricks kamen zusammen, um die Geschwindigkeit der Databricks-Adaption für ML- und Streaming-Anwendungsfälle zu beschleunigen und so die Adaption von Databricks für Workloads zu beschleunigen, die mit Delta und Spark-Compute optimaler funktionieren. Sehen Sie: Beschleunigung der Adaption von Delta Lake für Streaming ML-Anwendungsfälle 

Northwestern Mutual implementierte ein Retrieval Augmented Generation (RAG)-System zur Steigerung der Effizienz des Kundenservice. Der Versicherer gab einen Überblick über seine RAG-Architektur und wie er Databricks zur Erstellung einer robusten Datenpipeline für die Indizierung von Inhalten und die Sammlung von Nutzerfeedback nutzte. Sehen Sie: Beschleunigung der operativen Exzellenz mit GenAI

AccuWeather nutzt seine reichhaltigen und qualitätsgesicherten Wetterdaten in einem proprietären Algorithmus, der vorhergesagtes Wetter in einen für die Daten der Nutzer maßgeschneiderten Einflusswert interpretiert. Durch die Nutzung der umfassendsten Wetterdatensätze auf dem Databricks Marketplace ermöglicht AccuWeather Unternehmen, leistungsstarke Beziehungen zwischen Wetter und operativen Kennzahlen aufzudecken. Sehen Sie: Wetterbedingte Hindernisse in Geschäftschancen verwandeln

Shell berichtete über seine Erfahrungen, einschließlich anfänglicher Hürden bei der Datenstrategie und -governance, und wie sie Unity Catalog und einen geschäftseigenen Datenproduktansatz nutzten, um diese zu überwinden. Sie befassten sich mit dem Konzept des Data Mesh, diskutierten die Rollen des Produktteams und des Kunden und lieferten reale Beispiele. Sie teilten auch Erkenntnisse über die Nutzung von Analysen, PowerBI, ML-Modellen und KI für Data Governance. Sehen Sie: KI und das Lakehouse: Shells Weg zu effektiver Data Governance. Lesen Sie Innovative Energielösungen für eine sauberere Welt

Albertsons bietet ein Model Serving für eine interne Preisanalytik-Anwendung, die Tausende von Modellen mit einem einzigen Klick auslöst und eine nahezu Echtzeit-Antwort erwartet. Die Supermarktkette gab einen detaillierten Überblick darüber, wie sie diese komplexe Anforderung durch ihr selbst entwickeltes Model Serving Framework und Databricks Serverless Computing erfüllt hat. Sehen Sie sich an: Near Real-time With Databricks Serverless

AT&T nutzt Databricks, um neue Datenprodukte zu optimieren und zu beschleunigen, von automatisierten Pipelining mit Delta Live Tables bis hin zu Serverless Databricks SQL Warehouses und AI/ML-Anwendungsfällen. Es kann jedoch schwierig sein, komplexe Sicherheits- und Konnektivitätsanforderungen zu erfüllen, wenn Workloads nicht im eigenen Netzwerk bereitgestellt werden. AT&T beschrieb, wie es strenge Sicherheits- und regulatorische Anforderungen erfüllte und gleichzeitig die Databricks Serverless-Plattform einführte, beginnend mit Serverless SQL Warehouses. Sehen Sie sich an: AT&T’s Migration of Billions of Events Processing From Hadoop und AT&T’s Journey Towards a Serverless Data Intelligence Platform 

Das US-Außenministerium Der bestehende manuelle Überprüfungsprozess für Anfragen nach dem Freedom of Information Act wurde schnell unhaltbar. Um dieser Herausforderung zuvorzukommen und eine rechtzeitige Veröffentlichung von Dokumenten zu gewährleisten, schulte die Behörde ein Open-Source-Modell für überwachte Klassifizierung, um menschliche De-Klassifizierungsentscheidungen von 2020-2021 zu erkennen, das mit einer Genauigkeit von über 98 % arbeitete, was zu über 63 % der manuellen Arbeitslast führte, die erhalten blieb.

Workday arbeitete mit Databricks zusammen, um ein LLM zu entwickeln, das Eingaben wie Jobtitel, Firmennamen und erforderliche Fähigkeiten in neue Stellenbeschreibungen umwandeln kann. Durch das Training dieses benutzerdefinierten LLM auf einem riesigen Repository von Workday-Stellenanforderungsdaten entwickelte das Team ein Modell, das die Erwartungen erfüllte und gleichzeitig die erheblichen Kosten und Sicherheitsrisiken vermied, die mit externen Anbietermodellen verbunden sind. Databricks bot eine Plattform für die Entwicklung der innovativen ETL-, Trainings-, Inferenz- und Evaluierungspipelines, die für den Erfolg des Projekts entscheidend waren. Sehen Sie sich an: Time Series Forecasting For Infrastructure Resources 

Bayer baute ALYCE, die Advanced Analytics Platform for the Clinical Data Environment, die offensive und defensive Datenstrategien, robuste Governance und ein maßgeschneidertes Lakehouse-Paradigma-Design nutzt. Die ALYCE Data Intelligence Platform ermöglicht die Analyse großer, komplexer klinischer Daten unter Einhaltung der Vorschriften. Sie setzt Business Intelligence, KI und maschinelles Lernen ein, um die Überprüfung klinischer Studiendaten zu beschleunigen und patientenzentrierte Studiendesigns zu verbessern. Sehen Sie sich an: Advancing Drug Development with Data Intelligence 

Unilever: Der globale Konsumgüterriese nutzt Databricks auf verschiedene Weise, darunter: 

• Unilevers Metadaten-Framework, Blueprint, ist ein großer Fortschritt im Lakehouse-Management von Unilever mit wichtigen Funktionen. Das Framework brachte das Engineering-Team von Unilever zusammen und steigerte die Entwicklungsgeschwindigkeit um das Zehnfache. Mit über 3.000 Benutzern und seinen nachgelagerten Funktionen hat Blueprint das Daten-Engineering von Unilever erheblich vorangetrieben und neue Standards für Effizienz und Skalierbarkeit in seiner Lakehouse-Architektur gesetzt. Sehen Sie sich an: How Unilever Uses Metadata to Power Its Lakehouse 
• Unilever migrierte zu Unity Catalog, um seine riesigen Datenquellen auf sichere und gut verwaltete Weise zu demokratisieren. Als Unilever seine Unity Catalog-Tools produktionsreif machte, eröffnete dies ausgezeichnete neue Möglichkeiten, insbesondere mit Lakehouse Federation und Delta Sharing. Sehen Sie sich an: Unity Catalog at Unilever 
• Für Unilever war Forecasting schon immer ein heißes Thema. Das Unternehmen zeigte, wie es die bestehenden Forecasting-Prozesse durch den Einsatz von ML-Vorhersagemodellen zur Vorhersage verschiedener wichtiger Geschäftsmetriken auf verschiedenen Granularitätsebenen verbessert hat. Die Engine dahinter ist ein wiederverwendbares Vorhersage-Framework, das Unilever entwickelt und auf Databricks aufgebaut hat und das für verschiedene Zeitreihen-Forecasting-Szenarien wiederverwendet werden kann, um Entwicklungseffizienzen und eine einfachere Wartung zu erzielen. Sehen Sie sich an: Predictive ML: How Unilever is Improving Forecasting

Die Centers for Disease Control and Prevention (CDC) benötigt kostengünstige, reaktionsschnelle und zeitnahe Big-Data-Visualisierungen für öffentliche Gesundheitszwecke. Die Behörde wandte eine verbesserte Big-Data-Verarbeitungsmethodik mit Databricks an, um Visualisierungen zur Information über die öffentliche Gesundheitslage und Maßnahmen zu erstellen. Sehen Sie sich an: Big Data Visualization in Public Health

Sleep Number nutzt Databricks, um große und komplexe Zeitreihendaten von den Sensoren unter jedem Bein seiner charakteristischen Smartbeds schnell zu analysieren, um personalisierte Schläfer-Einblicke mit dem Gewicht im Bett zu generieren. Sehen Sie sich an: Rapid PySpark Processing on Time Series Big Data in Databricks

Navy Federal Credit Union ist ein Vorreiter bei der Personalisierung für Mitglieder; ein großer Teil davon beruht auf Echtzeit-Fähigkeiten. Das Unternehmen nutzt Delta Live Tables zur Unterstützung von Echtzeit-Analysen. Sehen Sie sich an: Real-time Omnichannel Banking with DLT, DBSQL, and PowerBI

BP erkennt die entscheidende Rolle einer robusten Datenbasis für die Weiterentwicklung seiner KI- und Governance-Strategie an. Das Unternehmen setzt auf die Databricks Data Intelligence Platform, um die hochmoderne Unified Data Experience (UDX)-Lösung von BP zu unterstützen. Mit UDX hat BP Data Engineering und Datenmanagement strategisch vereinheitlicht, was zu einer bemerkenswerten Produktivitätssteigerung von 25 % führte, dezentrale Datenverantwortung ermöglichte, die Metadatenerfassung optimierte, eine gleichbleibende Datenqualitätskonsistenz sicherstellte, Kosten durch flexible Compute-Services optimierte, die Datenzuverlässigkeit sorgfältig überwachte und ein einziges Portal für blitzschnelle Datenexploration einführte. Sehen Sie sich an: BP's Journey with Unified Data Experience 

JetBlue's Integration von Databricks Unity Catalog und Theoms Access Governance Platform markiert einen bedeutenden Fortschritt in der Luftfahrttechnologie, insbesondere bei der Bereitstellung von generativer KI. Dieser Ansatz adressiert die Herausforderungen des Datenmanagements und die regulatorischen Anforderungen der Branche. Ein Schlüsselelement dieser Initiative ist BlueBot, ein KI-gesteuerter Chatbot, der den Kundenservice verbessert. Die Verwendung eines hybriden Retrieval-Augmented Generation (RAG)-Modells erhöht die Genauigkeit und Relevanz von KI-Antworten. Entscheidend ist, dass die Kombination von Unity Catalog und Theom die Datensicherheit stärkt, die Einhaltung von Vorschriften und die Datenintegrität gewährleistet und JetBlue zu einem Vorbild für KI-Anwendungen in der Luftfahrt macht. Sehen Sie sich an: Building a Secure and Scalable LLM Framework at JetBlue Verwandt: Accelerating Innovation at JetBlue

CVS Health baute das weltweit größte RAG-System für Wissensmanagement auf. Der Leiter des maschinellen Lernens bei CVS berichtete, wie sie eine einheitliche und skalierbare Wissensplattform geschaffen haben, um die Informationssuche bei CVS zu unterstützen. Jetzt können Mitarbeiter semantische Suchen durchführen und gleichzeitig mehrere Systeme und Wissensquellen durchsuchen. Sehen Sie sich an: Building the World’s Largest RAG for Knowlege Management at CVS Health 

Mastercard nutzt die Databricks Data Intelligence Platform als Teil seiner mehrstufigen Reise, um sein Engagement für die Anerkennung des Potenzials von KI als grundlegendes Element für den Handel zu vertiefen. Das Unternehmen nutzt die Bandbreite vollständig automatisierter Funktionen, die von Datenherkunft, Identifizierung sensibler Daten, Modellentwicklung und Modell-Governance reichen, um Datenentdeckung nahtlos mit der Produktentwicklung zu verbinden und gleichzeitig Compliance und Transparenz der Datennutzung zu gewährleisten. Mastercard nutzt auch Databricks Clean Rooms, um die Zusammenarbeit zwischen mehreren Parteien zu erleichtern und moderne Datenprobleme zu lösen. Sehen Sie sich an: Collaboration with Databricks Clean Rooms

AXA France berichtete, wie es Datenintelligenz mit innovativen Datenmanagementkonzepten harmonisierte, um eine widerstandsfähige, anpassungsfähige und intelligente Datenplattform für die Zukunft aufzubauen. Sehen Sie sich an: Harmonizing Data Intelligence and Data-as-Code Platforms 

Chevron Phillips Chemical Company arbeitete mit Databricks und Seeq, einem spezialisierten Tool für Zeitreihenanalysen, zusammen, um seine industriellen IoT-Analysen und Machine-Learning-Fähigkeiten zu skalieren. Sehen Sie sich an: Amplifying the Value of Timeseries by Combining Seeq and Databricks

Myntra’s Migration von einem Cloud Data Warehouse und Hive zu Delta Lake konzentrierte sich auf die Optimierung der Analyse von Clickstream-Daten im Petabyte-Bereich. Die Re-Architektur zielt auf die Verbesserung von Skalierbarkeit, Kosteneffizienz und Leistung ab. Die Integration von Delta Lake bietet überlegene Datenverarbeitungsfähigkeiten, die für die dynamischen Anforderungen des Einzelhandelssektors entscheidend sind. Dieser Übergang hat erhebliche Kosteneinsparungen und eine verbesserte Skalierbarkeit zur effizienten Verwaltung der riesigen Datenmengen sichergestellt. Sehen Sie sich an: Shaping the Future of Data in India’s Premier Fashion E-commerce Platform 

Skyscanner verarbeitet täglich über 30 Milliarden analytische Ereignisse, um das Geschäft und das Reiseerlebnis zu optimieren. Das Unternehmen vereinfachte seine analytische Dateninfrastruktur mithilfe der Lakehouse-Architektur und des Unity Catalog, um einen praktischen Ansatz für die Daten-Governance zu implementieren. Dies war entscheidend für die Umsetzung wirkungsvoller geschäftskritischer Anwendungsfälle, einschließlich maschinellen Lernens und KI. Sehen Sie sich an: Enabling Practical Data and AI Governance

Experian teilte seinen Plan mit, GenAI über alle Produkte und Lösungen hinweg zu integrieren und dabei die Databricks Data Intelligence Platform zu nutzen. Mit Hunderten von dokumentierten Anwendungsfällen für die zukünftige Bereitstellung betrachtet Experian GenAI als ein kritisches Werkzeug, das seine Kernmission unterstützt, Kunden bei der Verbesserung ihres finanziellen Lebens zu helfen. Sehen Sie sich das Financial Services Industry Forum auf dem Data + AI Summit mit dem VP of Engineering & Dark Web Intel bei Experian an

Bloomberg und Databricks haben eine strategische Zusammenarbeit, die es gemeinsamen Kunden ermöglicht, nahtlos auf die umfangreichen Datenangebote von Bloomberg über Data License und die Cloud-basierte Datenmanagementlösung Data License Plus (DL+) zuzugreifen. Diese Lösungen wurden entwickelt, um eine nahtlose Datenintegration zu ermöglichen und die Grundlage für beschleunigte Datenanalysen, Erkenntnisgewinnung und einheitliche Governance für strukturierte und unstrukturierte Daten sowie künstliche Intelligenz (KI) und maschinelles Lernen (ML) auf jeder Cloud oder Plattform zu schaffen. Sehen Sie sich an: Creating Optimized Thematic Portfolios at Bloomberg

Rivian fährt auf Daten + KI

Rivian nutzt Databricks auf verschiedene Weise, darunter:

• Rivian baute auf Databricks ein sicheres, skalierbares und kostengünstiges Cybersecurity Lakehouse auf offenen Standards auf, um Echtzeit-, geplante, teamübergreifende und prädiktive Erkennungen für Sicherheitsereignisse zu ermöglichen. Die Benutzerfreundlichkeit von Databricks ermöglichte es Rivians Cybersecurity-Team, seine bisherige Lösung in weniger als 3 Monaten auf die neue Plattform zu migrieren und gleichzeitig Rivian in die Lage zu versetzen, Endbenutzern neue Funktionen bereitzustellen.
• Das Unternehmen entwickelte eine Lösung auf der DI-Plattform, um die Fahrzeugleistung und eine breite Palette von Fahrzeugdiagnosedaten remote zu überwachen und KI einzusetzen, um Wartungsbedarf sowie Energie- und Ladezustandsprofile vorherzusagen. Diese Funktionen senkten nicht nur die Betriebskosten des Unternehmens, sondern förderten auch ein agileres, datengesteuertes Unternehmen – und letztendlich eine bessere, bequemere Erfahrung für die Kunden.

Lesen Sie mehr darüber, wie Rivian die Zukunft des elektronischen Transports gestaltet

Michelin nutzte Databricks, um seine ERP-Daten in einen Data Lake zu verschieben und eine Data Mesh-Architektur zu implementieren, um Geschäftsbenutzern die Durchführung von Analysen zu ermöglichen. Lesen Sie: Daten zur Optimierung von Geschäftsabläufen bei Michelin Sehen Sie: Daten bei Michelin nutzen

Die International Finance Corporation (IFC) nutzte die DI-Plattform, um MALENA, ihre KI-gestützte Entwicklungsplattform, zu skalieren, um die Herausforderungen von Armut und Klimawandel zu bewältigen. Sehen Sie: Domain-spezifische LLMs mit GPU-Serving bereitstellen

Mahindra & Mahindra Limited entwickelte eine branchenweit erste unternehmensweite Gen AI-Lösung, Mahindra AI, um Wachstum zu fördern, Kundenerlebnisse zu verbessern und die operative Effizienz zu optimieren. Beispiele für erfolgreiche Implementierungen, die von Mahindra AI unterstützt werden, sind ein GenAI-Bot für Finanzanalysten, der zu einer Reduzierung der Zeit für Routineaufgaben um 70 % führte und es den Teams ermöglichte, sich auf höherwertige strategische Initiativen zu konzentrieren. Zukünftig nutzt Mahindra auch die DI-Plattform zur Unterstützung mehrerer Anwendungsfälle und setzt das Open-Source-LLM DBRX von Databricks ein, um einen Voice-of-the-Customer-Chatbot zu erstellen, der sowohl interne Daten über Delta Lake als auch externe Daten von Websites und sozialen Medien nutzt.

T-Mobile integrierte sein Lakehouse mit Unity Catalog und externem Delta Sharing in ein Data Mesh, um Teams im gesamten Unternehmen die Nutzung der Daten zu ermöglichen und gleichzeitig ein rationales und leicht verständliches Sicherheitsmodell beizubehalten. Sehen Sie: Delta Sharing und Unity Catalog: Erkenntnisse von T-Mobile

Nasdaq nutzt Delta Sharing, um die gemeinsame Nutzung von Daten und KI-Assets über verschiedene Cloud-Umgebungen und Plattformen hinweg zu erleichtern. Sehen Sie: Delta Sharing erschließt den Wert Ihrer Daten

M Science nutzt die Data Intelligence Platform, um Daten und Analysen auf Petabyte-Ebene zu demokratisieren. Unity Catalog bietet außerdem robuste Sicherheits- und Datenmanagementfunktionen. Sehen Sie: Daten bei M Science demokratisieren 

Nextdoor nutzt Delta Live Tables (DLT), um seinen Analysten, Data Scientists und Ingenieuren die schnelle Abfrage von Ereignissen für Analysen, Überwachung und Echtzeit-Aggregationen zu ermöglichen und gleichzeitig die Rechenkosten zu senken. Tauchen Sie ein in die Transformationsreise von Nextdoor von der stündlichen Batch-Ereignisaufnahme zu einer Streaming-Lösung in nahezu Echtzeit mit DLT. Sehen Sie: Ereignisaufnahme mit DLT: Erkenntnisse und Lektionen

Comcasts Implementierung von Unity Catalog war entscheidend für die Bewältigung der Herausforderung, Daten aus verschiedenen Quellen in einem einzigen zuverlässigen, sicheren System zu harmonisieren und gleichzeitig eine feingranulare Zugriffskontrolle zu ermöglichen und die Datenherkunft sicherzustellen. Sehen Sie: Zentralisierte Daten-Governance bei Comcast stärken

GM nutzt Databricks und Amperity zur Unterstützung seines Customer 360 (C360), um aussagekräftige Geschäftsergebnisse für sein Unternehmen und seine Kunden zu erzielen. Lesen Sie: Kundenbindung bei GM stärken. Sehen Sie: Aufbau einer Insights Factory bei General Motors

Fox Corporation nutzt die Fine-Tuning-API von Databricks, um mehrere benutzerdefinierte LLMs mit unverwechselbarem Stil und Ton zu trainieren und so viele Gen AI-Anwendungen zu erschließen. Sehen Sie: LLMs für personalisierte Content-Interaktion nutzen

Conde Nast nutzt den Change Data Feed (CDF) von Delta Lake zur effizienten Nachverfolgung von Datenänderungen, zur Gewährleistung der DSGVO-Konformität in Echtzeitprozessen und zur Erfüllung von Vorschriften wie dem „Recht auf Vergessenwerden“. Sehen Sie: DSGVO-Konformität für Datenpipelines bei Conde Nast sicherstellen.  

Bridgestone Americas nutzt Databricks und sein Multi-Cloud-Ökosystem, um Modelle in verschiedenen Bereichen zu generieren, darunter Lieferkette, Marketing, Arbeitsoptimierung, Genomik, KI-Assistenten/Chatbots und Vision-Modelle. Sehen Sie sich an: Growing AI / ML Maturity at Bridgestone. 

The HEINEKEN Company nutzt Delta Live Tables, um Datenteams dabei zu helfen, Streaming- und Batch-ETL kosteneffizient zu vereinfachen, indem Aufgabenorchestrierung, Clusterverwaltung, Überwachung, Datenqualität und Fehlerbehandlung automatisiert werden. Sehen Sie sich an: Getting Started with DLT Pipelines. 

Honeywell Intelligrated nutzt Unity Catalog und Delta Live Table als Rückgrat für effektive Data Governance und effiziente Streaming-Datenverarbeitung.

Die Migration traditioneller BI-Workloads zum Lakehouse ermöglichte es dem Unternehmen, Ingestionsmethoden zu standardisieren und neue Funktionen zu eröffnen, wie z. B. Query Federation und Delta Sharing – und das alles, während die Grundlage für KI, die auf Unternehmens- und IoT-Daten zugeschnitten ist, gelegt wurde. Sehen Sie sich an: Honeywell Intelligrated’s IOT Streaming Lakehouse

Capital One arbeitete mit Databricks zusammen, um beim Aufbau einer eigenen Enterprise Data Platform zu helfen, die eine Echtzeit-Publishing- und Streaming-Plattform, einen Cloud-basierten Lake und eine Consumption Layer umfasst, die durch offene Tabellenformate wie Delta Lake und Iceberg ermöglicht wird. Alle Informationen werden durch einen gemeinsamen Satz von Metadatenverträgen gesteuert, die es Produzenten ermöglichen, Daten über Self-Service verfügbar zu machen. Sehen Sie sich an: How Captial One Enabled Innovation Using ‘You Build, Your Data’

Hinge Health nutzt Delta Live Tables, um Change Data Capture zu vereinfachen, die Datenzuverlässigkeit zu verbessern, SLAs einzuhalten und die TCO zu reduzieren. Sehen Sie sich an: Hinge Health’s journey to an optimized CDC architecture.

McDonald’s nutzt Databricks Marketplace und ML, um die Entscheidungsfindung bei der Auswahl neuer Standorte zu unterstützen. Sehen Sie sich an: How McDonald’s Uses ML to Optimize Restaurant Site Selection

KPMG nutzt die DI Platform, um Business Intelligence und KI-Workloads zu konsolidieren, die Risiken im Zusammenhang mit Daten-Sprawl zu reduzieren und Data Governance zu vereinfachen. KPMG verbesserte die Datenzugänglichkeit und -verwaltung für seine verschiedenen Teams, indem es flexible, sichere und geschützte Umgebungen für Projekt- und Engagement-Teams ermöglichte, mit Marktdaten von Drittanbietern gemäß vertraglichen Bedingungen zusammenzuarbeiten, indem Unity Catalog genutzt wurde. Lesen Sie: How KPMG modernized their data estate with Azure Databricks.

Diageo zentralisiert seine Daten auf der Databricks Data Intelligence Platform. Mit Unity Catalog und der Lakehouse-Architektur konnte das Unternehmen problemlos andere Teile seiner Daten-Roadmap erschließen. Sehen Sie sich an: How Migrating to Unity Catalog Unlocked the Diageo Data Roadmap

DraftKings nutzt Databricks, einschließlich Workflows und Delta Lake, um sicherzustellen, dass die von ihnen generierten Bewertungen, die Schätzungen der Spieler- und Teamfähigkeiten in verschiedenen sportlichen Szenarien liefern, auf dem neuesten Stand sind. Sehen Sie sich an: Simulating the Superbowl: Real-time ML to Predict the NFL

Moody’s Analytics verlässt sich auf Databricks, um sowohl seine Data Engineering- als auch seine Data Science-Workloads zu verarbeiten, und hilft dem Unternehmen so, seine strategischen Ziele der Vereinheitlichung seiner analytischen Datenebene zu erreichen. Sehen Sie sich an: How to Efficiently Scale Your Data Analytics Team

North Dakota University System (NDUS) hat die Databricks Data Intelligence Platform genutzt, um eine Retrieval Augmented Generation (RAG)-Architektur zu entwickeln, um Verwaltungsanforderungen für die Verarbeitung unstrukturierter Daten mit großen Sprachmodellen besser zu unterstützen, und hat ein KI-Portal für alle NDUS-Mitarbeiter, Lehrkräfte und Studenten erstellt, um auf ihre genehmigten KI-Apps zuzugreifen. Sehen Sie sich an: Unleashing the Potential of Unstructured Data with LLMs and Databricks

Asana wandte sich an Databricks, um Data-Science-Lösungen zu unterstützen und seine Data Scientists zu befähigen, Modelle einfacher zu erstellen. Sehen Sie sich an: Building Enterprise-Grade ML at Asana

Providence Health arbeitet mit Databricks zusammen, um einen zentralen "Model Marketplace" auf der Databricks Data Intelligence Platform zu erstellen. Die Model Marketplace Initiative wurde entwickelt, um den Zugang zu einer Vielzahl von ML-Modellen zu demokratisieren, sodass mehr als 120.000 Pflegekräfte einfach und effizient auf Tools zugreifen können, die ihre tägliche Entscheidungsfindung unterstützen. Durch die Aggregation von Modellen aus mehr als 65 verschiedenen Databricks-Workspaces an einem einzigen, zugänglichen Ort vereinfacht der Marktplatz die Bereitstellung, reduziert die Komplexität und verbessert die Sichtbarkeit und Nutzbarkeit von Modellen im gesamten Unternehmen. Lesen Sie mehr darüber, Wie Providence einen Model Marketplace aufgebaut hat. Sehen Sie sich an: ML Ops und KI-Governance im Gesundheitswesen 

Verwandt: Erfahren Sie von den Datenarchitekten von Providence mehr über Healthcare Data Intelligence mit Unity Catalog 

Wenn Sie weitere Inspiration benötigen, wie Sie Daten und KI zur Förderung von Innovation, Produktivität und Datenintelligenz in Ihrem Unternehmen nutzen können, sehen Sie sich diese und über 200 weitere Kundensitzungen vom 2024 Data + AI Summit on demand an.
 

Lesen Sie die neuesten Kundengeschichten, um zu erfahren, wie Daten- und KI-Teams Databricks-Lösungen nutzen, um innovative Daten- und KI-Lösungen zu entwickeln.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag