特集・ブログ

ホワイトペーパー

2021年01月27日

ハイブリッド・クラウド運用&AWS最適化 -IBM Spectrum Virtualize for Public Cloud活用完全ガイド-

社内システムをクラウドに全面移行するのではなく、オンプレミスと適材適所で使い分けるハイブリッド・クラウド構成を選択する企業が増えています。 単に、システムごとで、クラウドか?オンプレミスか?を選ぶだけでなく、状況やニーズにあわせてオンプレミスとクラウドを移動させることで、より大きな効果が得られると期待される一方、その運用管理が大きな課題となります。 そこで注目したいのが、「IBM Spectrum Virtualize for Public Cloud」です。 オンプレミス・クラウド間でのデータ連携を実現することで、ハイブリッド・クラウドの効率的な管理が可能に。さらに、AWS環境単体での活用においても大きなメリットを期待できます。 本資料では、ハイブリッド・クラウド環境、AWS環境における、具体的な活用法を詳しく解説します。   ホワイトペーパー目次 ハイブリッド・クラウド環境で、課題となる「運用」 ハイブリッド・クラウド環境の落とし穴 オンプレミス・クラウド間でシームレスなデータ移動を実現 クラウドへの移行、DR対策など ハイブリッド・クラウドでの活用法 <活用法1>クラウド移行 <活用法2>ワークロード最適化 <活用法3>DR対策・バックアップ <活用法4>マルチクラウド構成 <活用法5>データ活用 Amazon EBSのプール化により、期待できる様々な効果 <活用法1>シンプロビジョニング <活用法2>プール化による性能向上 <活用法3>SSDとHDDの階層化 <活用法4>バックアップ効率化 オンプレミスとクラウドをシームレスにつなぎ,企業ごとの最適解を目指す     この記事に関するお問合せ エヌアイシー・パートナーズ株式会社 企画本部 事業企画部 この記事に関するお問い合せは、「こちら」からお願いします。   参考情報 (製品情報) IBM Spectrum Virtualize for Public Cloud (製品情報) IBM ストレージ製品 (コラム) ハイブリッドクラウド、最大の課題となる「運用」をクリアする 「IBM Spectrum Virtualize for Public Cloud」の実力 (ブログ) ハイブリッド/マルチクラウド時代だからこそIBMのストレージ  

2020年09月09日

AI導入はどこまで現実的? 5大ハードルとその解決策を解説

技術の進化とともに導入のハードルが下がった AI は、いまや一部の最先端企業だけのものでは なく、多くの企業にとって十分導入可能なものとなりつつあります。特に、異常検知や需要予 測などの領域は比較的成果が得られやすいこともあり、導入企業が増えているようです。 大量のデータをいかに分析しビジネスに活かすかが鍵を握ると言われるなか、企業の競争力を 高めるためにも AI 活用は多くの企業にとって重要課題と言えるでしょう。 しかし、「ハードルが下がった」とはいえ、いまだ多くのハードルが残っているのも事実です。 本資料では、なかでもよく聞かれる5つのハードルについて、解決策とあわせて解説します。 このホワイトペーパーをダウンロードして、次の内容を詳しくご覧ください。   ホワイトペーパー目次 AI活用はもはや既定路線… ただし、コスト・導入期間がネックに 専門家不要のツールが登場しても、AI導入が進まない理由 ハードル1:費用対効果が分からない ハードル2:導入までに時間がかかる 簡単に利用できる 機械学習自動化ツールに潜む懸念点 ハードル3: 分析結果が使用できるかわからない クラウド一択ではない。 AIを “どこで実行するか” 問題 ハードル4: データのセキュリティが心配 ハードル5: ハードウェアの処理能力への懸念 懸念払しょくのためにも、 まずは「自社データを使った検証」を H2O Driverless AI の 検証環境を提供     この記事に関するお問合せ エヌアイシー・パートナーズ株式会社 企画本部 事業企画部 この記事に関するお問い合せは、「こちら」からお願いします。   参考情報 Driverless AI ご紹介資料 IBM AI ソリューションの事例ご紹介(IBM PowerAI Vison、Driverless AI) 【やってみた】H2O DriverlessAIをIBM Power System AC922で動かして競馬予想する (その1) 【やってみた】H2O DriverlessAIをIBM Power System AC922で動かして競馬予想する (その2) 【やってみた】超簡単データ分析!H2O Driverless AI を使ってみた H2O Driverless AI IBM Visual Insights(旧 IBM Power AI Vision) IBM Power System AC922 ”Newell” IBM Power System IC922 【コラム】普及が進む、機械学習による異常検知。導入の課題はここまで解決している AIによる需要予測は、どこまで使えるのか?成功と失敗の分岐点を解説 普及が進む、機械学習による異常検知。導入の課題はここまで解決している

2020年09月02日

IBM Cloud Pak for Dataが企業のデータ活用に選ばれる3つの理由

スマートデバイスや IoT の進歩によって、企業は多岐にわたるデータを手にできるようになりました。そして、それらを有効に活用していくためにデータ分析基盤を構築する企業が増えつつあります。 データ分析基盤の導入では、導入自体を目的化してしまうことを避ける必要があります。AI の活用や顧客行動の分析・予測といった本来の目的に適ったデータ分析基盤を選定するようにしましょう。 このホワイトペーパーでは、データ分析基盤選定で押さえるべき5つのポイントを説明するとともに、IBM Cloud Pak for Data がどのような理由からデータ活用に取り組む企業に選ばれているかをご紹介します。 このホワイトペーパーをダウンロードして、次の内容を詳しくご覧ください。   ホワイトペーパー目次 データ分析基盤選定で押さえるべき5つのポイント ポイント1:属人化を防止できること ポイント2:一気通貫でデータ分析基盤を利用できること ポイント3:スピーディーに分析を開始できること ポイント4:非構造化データを扱えること ポイント5:拡張性が高いこと なぜ、IBM Cloud Pak for Dataが選ばれているのか? 理由1:プロジェクト単位でデータを分析できる 理由2:一気通貫でデータ分析基盤を利用できる 理由3:必要なデータをすぐに取り出せる  

back to top