Snowflake公司在其云数据仓库中添加了一系列新功能,这些功能提供与Salesforce的集成以及安全性、数据交换和市场功能。
周二Snowflake公司在其虚拟会议#SayHelloToTheDataCloud中发布了这些新功能,原本该活动应该是该云数据仓库供应商的年度面对面会议。
Snowflake公司不断努力试图成为云数据仓库市场的主要参与者,而这些新功能是他们朝这个方向做出的努力,他们试图与Amazon Redshift、Google BigQuery、Microsoft Azure SQL Data Warehouse和SAP Data Warehouse Cloud在内的多个竞争对手区分开来。这家发展迅速的供应商在2月份的一轮融资中筹集了4.79亿美元。
在这些新功能中,关键功能是动态数据屏蔽功能,该功能可以根据角色和访问策略从特定用户屏蔽或隐藏潜在的敏感信息。Snowflake还加强功能以帮助用户建立与第三方数据源集成的数据管道。
Rakuten转向云数据仓库
Snowflake的用户之一是电子商务供应商Rakuten Rewards公司(以前称为Ebates)。
该公司分析副总裁Mark Stange-Tregear表示,Rakuten一直在使用本地基础架构进行数据仓储,并于2018年开始转向Snowflake云方法,在2019年底完成了迁移。在参加此次虚拟会议前,他在直播媒体活动中发表了讲话。
Rakuten Rewards之所以迁移到Snowflake,是因为其本地技术面临可扩展性方面的挑战,并且需要满足不断增长的数据需求。
Stange-Tregear说,Snowflake的新外部功能功能可帮助用户建立数据管道,这将为其企业带来真正的好处。
Stange-Tregear说:“外部功能的优势是,我们不再需要转移大量数据。”
Rakuten需要从外部资源中提取一些数据,例如位置信息。该数据通过API调用,然后进行存储以启用查询。
Stange-Tregear说,借助外部功能和查询,Rakuten将能够在无需存储数据的情况下获得API响应,这将节省时间并提高效率。
Rakuten还将受益于动态数据屏蔽,这将帮助该公司遵守数据治理和隐私要求。
Stange-Tregear说:“这里的想法是,我可以只是屏蔽数据而不会阻碍人员,这确实使我能够简化对数据访问的管理。我们是一家非常非常重视消费者权利的公司,因此,我们会致力于这方面的投资。”
扩展云数据仓库
此外,在媒体活动上,Snowflake产品高级副总裁Christian Kleinerman表示,数据交换可帮助用户整理企业外部发现的数据。同时,Snowflake的数据市场补充了数据交换,该市场提供了用户可以访问的数据集和源列表。
Kleinerman说:“并不是我整理企业数据,而是我了解哪些外部数据可以引入企业内部以供我自己进行分析和使用。”
Salesforce集成通过Snowflake扩展
在Snowflake更新的功能中,另一个值得注意的部分是与Salesforce的一系列集成,以帮助更好地进行数据分析。
其中的功能包括Einstein Analytics Output Connector和Einstein Analytics Direct Data service。这两项新服务提供了一种集成的方法,以从Snowflake云数据仓库的Einstein Analytics(Salesforce的机器学习数据分析平台)中放入和取出数据。
Kleinerman说,如果没有新的连接器,以前用户必须手动找出如何将Einstein Analytics与Snowflake中的数据源连接。
他说:“我们想简化它,消除将数据从Salesforce转移到Snowflake的麻烦。我们希望客户专注于如何分析数据,而不是传递数据所需的工具或API。”
我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。
我原创,你原创,我们的内容世界才会更加精彩!
【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号
TechTarget
官方微博
TechTarget中国
翻译
相关推荐
-
Java、JDBC和Postgres
现在越来越多的企业开始部署PostgreSQL,为什么呢?当你看到这个许可开源数据库所提供的功能,你就不会对此 […]
-
5个元数据管理最佳实践
在数据驱动的环境中,元数据不仅仅是数据的副产品;还是综合数据治理战略的关键组成部分。企业需要适当的元数据管理, […]
-
Cockroach Labs增加矢量搜索,更新定价选项
Cockroach Labs 近日推出矢量搜索功能,旨在使客户能够访问和操作非结构化数据,以训练生成式人工智能 […]
-
如何使用数据治理成熟度模型
如果没有强大的数据治理,数据就无法产生有价值的见解以及改善决策。数据治理成熟度模型可帮助企业评估当前的成就水平 […]