Na de lancering van branchespecifieke data lakehouses voor de sectoren detailhandel, financiële dienstverlening en gezondheidszorg in de afgelopen drie maanden, brengt Databricks een oplossing uit die is gericht op de media- en entertainmentsector (M&E).
Het M&E data lakehouse is nu algemeen beschikbaar en wordt geleverd met branchespecifieke functies die het bedrijf versnellers noemt, inclusief realtime personalisatie, zei Steve Sobel, het wereldwijde hoofd communicatie van het bedrijf, in een blogpost.
“Het idee van deze zogenaamde accelerators is om vooraf gebouwde analyses en use-case-functionaliteit te bieden om de implementatie en de time-to-value voor klanten uiteindelijk te versnellen”, zegt Doug Henschen, hoofdanalist bij Constellation Research.
“Je kunt denken dat de algemene versie van Databricks Lakehouse de organisatie 80% geeft van wat het nodig heeft om productief gebruik te maken van haar data om zakelijke inzichten en datawetenschap te stimuleren die specifiek zijn voor het bedrijf. Het idee van de branchespecifieke versie van de Lakehouse is om klanten in specifieke branches, zeg maar 90% van de weg naar productief gebruik van hun data te krijgen”, aldus Henschen.
De andere 10% vertegenwoordigt de inspanning van de initiële implementatie, het laden van gegevens, de configuratie en het opzetten van administratieve taken en analyse die specifiek zijn voor de klant, aldus de Henschen.
Het data lakehouse is een relatief nieuw data-architectuurconcept, voor het eerst verdedigd door Cloudera, dat zowel opslag- als analysemogelijkheden biedt als onderdeel van dezelfde oplossing, in tegenstelling tot de concepten voor datameer en datawarehouse die respectievelijk gegevens in native formaat opslaan , en gestructureerde gegevens, vaak in SQL-indeling.
Enkele van de gerichte oplossingen die deel uitmaken van Databricks’ nieuwe M&E lakehouse zijn onder meer aanbevelingsengines, een Customer Lifetime Value (CLV)-module, een streaming Quality of Service-module en toxiciteitsdetectie voor gaming.
Terwijl aanbevelingsengines helpen om meer gepersonaliseerde ervaringen voor consumenten te creëren met AI-aangedreven inhoudsaanbevelingen die betrokkenheid en het genereren van inkomsten stimuleren, identificeert de CLV-module waardevolle klanten met modellen die zich richten op bestedingspatronen om bedrijven te helpen gebruikers te behouden en betere marketinginvesteringen te doen, de bedrijf zei. Aanbevelingen omvatten ook suggesties voor keuzes voor productontwikkeling.
“De meest effectieve aanbevelingsengines zijn zeer specifiek voor industrieën en gebruiksscenario’s. Ze vereisen specifieke gegevensinvoer, modellen, algoritmen en leveren zeer specifieke aanbevelingen. Het is geen gemakkelijke taak om nauwkeurige, betrouwbare aanbevelingen te doen, dus versnellers kunnen nuttige startpunten bieden voor ondernemingen”, aldus Henschen.
De functies van het nieuwe data lakehouse voor streamingkwaliteit en toxiciteitsdetectie voor gaming zijn zeer case-specifieke services. Terwijl de streamingkwaliteit van de service, zoals de naam al doet vermoeden, zowel streaming- als batchgegevens analyseert om ervoor te zorgen dat optimale, op maat gemaakte inhoud aan gebruikers wordt geleverd, gebruikt de gaming-specifieke service natuurlijke taalverwerking voor realtime detectie van giftige taal om een optimale game-ervaring voor gebruikers.
Partneroplossingen om functionaliteit, adoptie te verbeteren
Net als bij andere data lake- en datawarehouse-providers – zoals Snowflake, dat ook bezig is geweest met het uitbrengen van branchegerichte oplossingen – wil ook Databricks zijn klanten meer functionaliteit bieden door samen te werken met andere bedrijven, wat op zijn beurt naar verwachting een boost zal geven goedkeuring van zijn nieuwe Lakehouse-oplossing.
“Partnerships kunnen tijdbesparend zijn voor klanten zolang ze tijdbesparende, vooraf gebouwde integraties tussen de partnerplatforms en oplossingen introduceren. Het is typisch dat dergelijke partnerschappen beginnen met de meest populaire oplossingen in een bepaalde branche of met verdiepende integraties met partners die al binnen een bepaalde branche zijn gevestigd. Hoe meer partnerschappen, hoe beter het is voor de leverancier van de oplossing”, zegt Henschen.
Enkele van de partnerschappen in het kader van de M&E lakehouse-oplossing omvatten de strategische banden van het bedrijf met AWS, Cognizant, Lovelytics, Labelbox en Fivetran.
Terwijl de samenwerking met AWS is gericht op het bieden van meer data- en analysemogelijkheden voor de M&E-sector, is de Cognizant-samenwerking gericht op het behouden van de videokwaliteit voor klanten.
De oplossing van Cognizant combineert telemetriegegevens met kunstmatige intelligentie en machine learning om problemen met de videokwaliteit snel in realtime te identificeren en op te lossen om problemen op te lossen zoals het mislukken van het afspelen, een vertraagde time-to-first-frame of een afwijzingsprobleem, aldus het bedrijf.
De samenwerking van het bedrijf met Lovelytics is gericht op honkbal. Als onderdeel van de oplossing kunnen honkbalteammanagers de strategie voor een wedstrijd optimaliseren door voorspellende analyse via kunstmatige intelligentie te gebruiken om de prestaties te voorspellen.
De oplossing maakt ook gebruik van biomechanische indicatoren om mogelijke spelersblessures te signaleren en te voorkomen, aldus het bedrijf.
De gezamenlijke oplossing met Labelbox is gericht op mediabedrijven en zal naar verwachting bedrijven helpen meer waarde te halen uit ongestructureerde data.
Databricks is een samenwerking aangegaan met Fivtran om een data-integratieservice aan te bieden waarvan het beweert dat het gegevens kan opnemen uit meer dan 180 bronnen, waaronder operationele, advertentie- en marketingtechnologieoplossingen.
