Data + AI Summitのトップビジネスインテリジェンスセッション
企業が求める速度、効率、生産性で運営するためには、より多くの従業員が企業のユニークな運営に関する質問に対する正確で迅速でカスタマイズされた回答を必要とし、結果をシームレスに視覚化して組織全体で広く共有できるツールが必要です。それがデータインテリジェンス時代のビジネスインテリジェンスです。 最近開催されたData + AI Summitからのいくつかの注目セッションは、リーダーがデータインテリジェンスとその役割を理解し、全ての従業員に対するより良く、よりダイナミックなビジネスインテリジェンスを推進するのに役立ちます。 Databricks Data Intelligence Platform: 初級者向け概要 スピーカー: Ari Kaplan, Databricksのテクニカルエバンジェリストヘッド 私たちの代表的なソリューションに関する「101」コースは、AIとレイクハウスアーキテクチャがどのようにビジネスインテリジェンスを次のレベルに引き上げるかを理解しようとするすべての人にとって「必読」です。 すべての企業
Databricksデータインテリジェンスプラットフォームを使用して、すべての顧客にパーソナライズされた体験を提供
Skechersはeコマース業界の最前線に立ち、顧客の期待により良く応えるために超個別化された体験に焦点を当ててきました。パンデミック中の大幅な成長を受けて、Skechersはデータソースを一元化し、顧客関係の深い理解のために接続されたプロファイルを作成するための現代的なデジタル変革に乗り出しました。ブランドは、リソース効率的な方法でコンバージョンを促進するターゲット指向の推奨事項のための粒度の高いオーディエンスを作成することを目指していました。 ActionIQ のCustomer Data PlatformをDatabricks Data Intelligence Platformと統合することで、Skechersはマーケターにデータと人工知能を提供し、クリックスルーレートが324％増加し、獲得コストが68％削減されました。 モダンなデジタル変革のための基盤を築く 靴の風景を再定義することがSkechersの成功にとって不可欠でした。革新的なデザインと顧客中心のアプローチを持つSkechersは、パーソナライ
Data + AI Summitからのデータウェアハウジングのトレンド
データ管理の急速に進化する風景の中で、データウェアハウジングは、データ資産の力を引き出そうとするビジネスにとって引き続き基石となっています。 組織がデータ駆動型の洞察にますます依存するようになるにつれて、最新のデータウェアハウジングのトレンドは、より洗練された、スケーラブルで、安全なソリューションに向かってシフトしています。 最近の Data + AI Summit では、データとAIのリーダーたちが集まり、データの未来を形成するトレンドと、組織がデータの効率とアクセシビリティを向上させるための新技術について議論しました。ここにいくつかのトップセッションを紹介します： Data + AI Summit 2024からのトップ5データウェアハウジングセッション AI/BI Genieの導入-ビジネスユーザー向けの新しい会話型分析体験 スピーカー: Hanlin Sun、Chao Cai データ専門家として忙しいあなたは、質問に答えたり視覚化を作成したりするリクエストを実際に対応できる時間よりも多く受け取っている可能性
データインテリジェンスを用いて、すべての顧客に合わせた特別なコンテンツ体験を提供
37以上の異なるブランドを持つグローバルメディアコングロマリットであるCondé Nastは、断片化したデータサイロの中で、ブランドごとにターゲットとした消費者体験を提供するという課題に直面していました。この障壁を克服し、競争力を維持するために、彼らはDatabricksに頼りました - 洞察への時間と意思決定を大幅に加速しました。さらに、グローバルスケールで一貫したレポートを提供する能力は、データの正確性と運用効率を向上させました。Databricksを使用することで、Condé Nastはインフラを最適化し、600万ドルのコスト削減を達成するだけでなく、多様な視聴者にパーソナライズされたコンテンツ体験を提供するための迅速性を向上させ、消費者のエンゲージメントとロイヤリティを強化しました。 パーソナライゼーションの時代のデータサイロのナビゲーション メディア業界が進化するにつれて、消費者の期待も変化します。Vogue、The New Yorker、GQなどのグローバルブランドを持つメディアとエンターテイメントの
Databricksノートブックの画像：私の鮮やかな夏のインターンシップ
このブログ投稿を書いている時点で、私はDatabricksの探索的データ分析（EDA）チームでの夏のインターンシップが終わるまであと一週間です。夏がこんなに早く過ぎ去ったなんて信じられません。まるで昨日のことのように、私がチームのリポジトリをクローンし、オンボーディングの仲間に助けを求めていたように感じます！12週間の間に、私は一つのテーマを基にした三つのプロジェクトフェーズを完成させました：Databricksノートブックで画像を操作するユーザーエクスペリエンスを改善すること。 Databricksノートブック あなたがコードを通じてデータと交流したことがあるなら、おそらくノートブックを使用したことがあるでしょう。ノートブックはPython、SQL、Scala、Rのコードエディタの一種で、データサイエンスや機械学習でデータを抽出し使用する手段として一般的です。データ＋AIの会社として、Databricksはプラットフォームと深く統合された独自のノートブックを顧客に提供しています。 Databricksノートブッ
Databricksコミュニティからのハイライト
Databricksコミュニティ内には、コミュニティメンバーがデータ分析、データエンジニアリング、機械学習に関するベストプラクティス、チュートリアル、洞察を共有する技術ブログがあります。まだDatabricksコミュニティのメンバーでない場合は、 こちらをチェック してみてください。 今月は、AIアプリの構築、モデルのプロンプト、データ 分布のシフトの監視についてのヒントを提供する最近の技術ブログをいくつか紹介します。 8週間、2人の開発者、1つの本番AIカンファレンスアシスタント Databricksチームが最近のData + AI Summitで参加者がセッション、出展者、一般的なカンファレンス情報についての質問に答えるためのAIアシスタントをどのように構築したか。 Foundation Models APIプロンプトガイド1：プロンプトのライフサイクル Databricks Foundation Model APIを通じてアクセス可能なモデルのためのプロンプトツールとテクニック、例えばLlama 3。 MLO
2024年のデータ+AIワールドツアーへようこそ
2024年の データ+AIワールドツアー の開催を大変うれしく思います。これは、世界各地の都市で開催される無料の対面イベントの 一連のシリーズです。各地でのイベントでは、その地域の最も重要な課題やユースケースに対応できるスピーカー陣を特別に揃えています。 参加者が体験する内容の一部をご紹介します： Databricksデータインテリジェンスプラットフォームの最新の進歩を探求しましょう： Databricksの技術専門家、顧客、パートナーから、Databricksプラットフォームの最新の革新について聞くことができます。これには、GenAI、ビジネスインテリジェンス、データウェアハウジング、データガバナンスなどが含まれます。これらの技術は、地元の企業がデータとAIの戦略を大きく前進させるのを助けています。 トレーニングやライブデモで知識を深めましょう 私たちの製品とGenerative AI、データエンジニアリングなどのユースケースに深く潜り込むための現地トレーニングセッションに参加してください。また、あなたの近くの最
GenAI Journey：企業が一般目的からカスタムLLMへと進化している方法
企業におけるGenAIについては、興奮が現実と衝突しています。リーダーたちはこの技術の力を認識し、自分たちの業務に熱心に適用したいと考えています。しかし、多くの人々が継続的なパフォーマンスの問題に悩まされています。 企業は、広範で一般的なモデルがインターネットの広大なアーカイブを要約するように設計されているとき、自分たちのビジネスに関する特別な洞察を提供することが期待されるときには不十分であることを認識しています。現在、焦点はこれらのますます強力なシステムをビジネスの競争優位を支えるカスタマイズされたソリューションの基盤として使用することにあります。 基礎からカスタマイズされたLLMへのこの道のりは、各企業で異なりますが、リーダーが求める正確で統制されたGenAIを開発者が提供するための新しいツールが必要となります。 旅の理解 ほとんどのビジネスでは、GenAIの旅は大きな基本的なモデルを試すことから始まります。これらは独自のモデルであるか、またはますますオープンソースのシステムである可能性があります。 この初期
データエンジニアリングとGenAI：実践者が必要とするツール
最近のMIT Tech Review Reportによると、調査対象の組織の71％が自社のGenAIモデルを構築する予定であることが示されています。これらのモデルのために独自のデータを活用する作業が増えるにつれて、多くの人が同じ厳しい真実に直面します：良いデータがなければ、世界で最も優れたGenAIモデルも成功しません。 この現実は、大量のデータを効率的に取り込んだり、ストリームしたりし、高いデータ品質を確保できる信頼性の高いデータパイプラインを構築する重要性を強調しています。言い換えれば、良好なデータエンジニアリングは、GenAIを含むすべてのデータとAIのイニシアチブにおいて成功の重要な要素です。 この努力に関与する多くのタスクは、最終的なワークロードに関係なく同じままですが、GenAIアプリケーションを構築する際にデータエンジニアが準備する必要がある新たな課題があります。 コア機能 データエンジニアの仕事は通常、3つの主要なタスクにわたります： 取り込み： 多くのソースからデータを取得し - オンプレミスま
GenAIでの勝利：データインテリジェンスの未来のための適切なプロセスを構築する
すべてのビジネスは、データとAIの先駆者になりたいと考えています。しかし、それを実現するためには、企業はGenAIのビジョンと戦略にコミットし、そのビジョンを管理可能なステップに分解する必要があります。言い換えれば、企業はビジネス全体でAIを解放し活用するための適切なプロセスが必要です。 過去のブログで取り上 げたように、企業が 人々を管理する方法 と 基礎となるIT基盤 は、Generative AI採用の旅の重要なステップです。しかし、適切なプロセスを設定することが、企業が労働力と技術を結びつける方法です。これが唯一、ビジネスを目標に向けて前進させる結果を実際に推進する方法です。新しいシステムを採用することは一つのことです。それらから実際に価値を得ることは別のことです。 企業はAIが活躍できる環境を構築する必要があります。彼らは採用への技術的な障壁を排除する必要があります。従業員は、これらの新しいシステムを自信を持って使用し、移行期間中に管理者からサポートを受ける必要があります。リーダーはAIの力を示す適切なプ