Quest Software lance la version 12.5 d’erwin Data Modeler
août 2023 par Marc Jacob
Quest Software annonce la version 12.5 d’erwin Data Modeler. Dotée de fonctionnalités de pointe qui améliorent la qualité des données, renforcent la gouvernance et favorisent la collaboration entre les parties prenantes, erwin Data Modeler 12.5 guide les organisations vers une démocratisation des données, facilitant des initiatives stratégiques telles que le développement de modèles linguistiques d’intelligence artificielle (IA), d’intelligence des données et de modernisation des plateformes de données.
Favoriser l’Innovation grâce à des pratiques eprouvées pour une approche moderne des données
Les organisations qui adhèrent à des pratiques éprouvées en matière de données pour soutenir leurs initiatives de modernisation tirent régulièrement de meilleurs résultats commerciaux. Du fait de l’adoption des data lakehouses basées sur le cloud, erwin Data Modeler 12.5 permet de fournir aux entreprises des capacités renforcées pour faciliter un déploiement transparent des données. Cette solution documente scrupuleusement les ensembles de données existants, favorisant la réalisation de migrations précises et efficaces vers de nouveaux environnements cloud, ce qui optimise l’opération des données et encourage l’innovation axée sur les données.
À l’ère de l’avancée de l’IA, les entreprises adoptent rapidement les modèles linguistiques d’intelligence artificielle de grande envergure (LLM) appliqués à l’innovation et la transformation. Cependant, l’efficacité des LLM dépend largement de la qualité des données qui les sous-tendent. erwin Data Modeler devient un outil essentiel pour relever les défis d’un déploiement efficace des LLM en permettant d’établir des bases de données précises, en démocratisant l’accès aux données et en améliorant la compréhension et en garantissant une communication efficace entre les parties prenantes. En permettant aux analystes métier de définir des exigences précises pour l’apprentissage des modèles d’IA, erwin Data Modeler crée des ensembles de données précis et bien structurés qui permettent de fiabiliser les résultats des IA.
Les principales améliorations d’erwin Data Modeler 12.5 par Quest :
Une collaboration harmonieuse entre les acteurs concernés grâce à l’Intégration ER360 : erwin Data Modeler favorise une communication harmonieuse entre les équipes métier, informatiques et de données grâce à son intégration avec ER360, une plateforme de collaboration en ligne. Cette approche renforce les décisions guidées par les données, permettant ainsi aux utilisateurs métier de saisir les modèles de données et de les harmoniser avec les informations pertinentes. Les glossaires d’entreprise facilitent une communication efficace en décrivant le langage spécifique aux activités associées à des ensembles de données spécifiques.
Le renforcement de la gouvernance grâce à l’intégration au catalogue Databricks Unity : erwin Data Modeler s’intègre de manière transparente avec le Catalogue Databricks Unity, renforçant ainsi ses capacités de gouvernance dans des environnements variés de data lakehouse. Les clients peuvent aisément classer les données structurées et non structurées, définir des permissions et identifier les problèmes de performance, assurant une gouvernance minutieuse des données.
L’amplification de la visibilité et de la compréhension des données grâce à l’Intégration avec erwin Data Intelligence : La collaboration étroite entre erwin Data Modeler et erwin Data Intelligence permet d’avoir une vision exhaustive des ressources de données et des directives pour leur utilisation. Des politiques de données uniformes et des meilleures pratiques sont mises en œuvre, améliorant ainsi la qualité des modèles et l’efficacité des opérations liées aux données.
L’assurance de la qualité des modèles de données grâce à la fonctionnalité de conformité des modèles d’entreprise : Les utilisateurs d’erwin Data Modeler peuvent créer et personnaliser des règles destinées à normaliser et à vérifier la documentation, à garantir la conformité des données et à surveiller la qualité des métadonnées. Cette démarche aide les responsables des données à accroître la précision tout en réduisant le temps nécessaire pour maintenir des modèles de données de haute qualité.