データとAI戦略の実務活用ウェビナーシリーズ｜Databricks

多くのアプリケーション・スタックは断片化しています。トランザクションは1つのシステムで処理され、分析は別のシステムで行われ、パイプラインがこれらすべてをつなぎ合わせようとしています。

このアーキテクチャは開発の足を引っ張ります。チームは、機能の開発よりもデータの移動に関するデバッグに多くの時間を費やすことがよくあります。

このウェビナーでは、Lakehouseに併設されたDatabricks上のフルマネージドPostgresデータベースである「Lakebase」を活用し、アプリケーション、分析、AIが同じデータ上で動作するかをご紹介します。

具体的には、アプリ、分析、AIが同じデータ上で実行されることで、最新のアプリケーションチームがいかに迅速に動けるようになるかを実証します。また、Lakebaseを使用してデータベースを立ち上げ、Pythonに接続してクエリを実行し、実際のアプリケーションワークフローを強化する方法を実践することで、Lakehouse が本番環境に対応したアプリケーションをどのようにサポートできるかを解説します。

Databricks 上で本番環境レベルのAI エージェントシステムを構築する方法を深く掘り下げてみましょう。

Agent Bricks の使用方法や、Unity AI Gateway によるAI ガバナンス、Ominigent、コードベースのカスタムエージェント開発などをご紹介予定です。

多くの組織では、アプリケーション、ユーザー、データが分断された複雑なクラウドデータアーキテクチャを運用しています。その結果、分析の多くが古いデータに基づいて行われ、分析のための信頼できる唯一のデータソースも存在しません。そのため、信頼性の高いインサイトをチーム全体で大規模に活用することが困難になっています。

本ウェビナーでは、Databricks Data+AIプラットフォームのデータレイクハウスアーキテクチャによって、データレイクの経済性でデータウェアハウスのパフォーマンスを実現する方法をご紹介します。

本ウェビナーで学べること

• DatabricksのData + AIプラットフォームが、統合されたデータレイクハウスアーキテクチャをどのように支えるか
• データレイクハウス全体のコンピュート、データアクセス、ユーザーを管理・監視する方法

• データチームやアナリストが、組み込みのSQLエディタ、AI/BI、バンドルされたAIコワーカー機能Genieによって、データレイクハウスのデータを直接・迅速に分析する方法