IBM SQL Data Insights Pro 1.1.1: приоритет бизнес-колонок при обучении модели

Три изменения сентябрьского релиза

Первое новшество — приоритизация колонок (column prioritization). В корпоративных наборах данных колонок обычно много, но для конкретного бизнес-сценария часть из них несёт больше смысла, и теперь клиенты могут задать таким колонкам больший вес при обучении модели. По замыслу IBM это позволяет командам внести доменное знание прямо в процесс обучения и сместить модель к информации, значимой для их задач, а на выходе получить более точные и релевантные выводы.

Второе — управление клиентскими сертификатами: администраторы могут загружать SSL-сертификаты и вести их прямо через административный UI, а связанные перезапуски сервиса выполнять там же. IBM описывает это как сокращение ручных шагов и упрощение безопасной настройки.

Третье — гибкость развёртывания. В прежних версиях Spark был частью установки SQL Data Insights Pro, теперь это не обязательно: если обучение идёт на стороне акселератора, Spark ставить не нужно, а те, кто хочет обучать на стороне z/OS, могут его сохранить. В IBM это объясняют меньшим числом зависимостей при установке и большей свободой в настройке под конкретную среду.

Все три новшества вендор сводит к одному: продукт должен требовать меньше ручной работы — при настройке безопасности, при развёртывании и в повседневном администрировании.

Что это за продукт

IBM SQL Data Insights Pro приносит ИИ-анализ к корпоративным данным: продукт позволяет анализировать числа, категории и неструктурированный текст вместе, в единой модели. Он закрывает то, до чего не дотягиваются обычные запросы: корпоративные данные содержат поведенческие закономерности и связи, которые не вскрываются точным совпадением, а SQL Data Insights Pro применяет ИИ-анализ сходства прямо к данным на IBM Z — структурированным и неструктурированным — и позволяет находить такие связи через привычные SQL-интерфейсы.

Внутри это устроено так. С помощью эмбеддингов и глубокого самообучения продукт обучает нейросетевую модель на уникальных значениях пользовательской таблицы или представления и выводит смыслы в виде числовых векторов, которые кодируют связи между колонками и внутри них. Движок обучения работает на Db2 Analytics Accelerator for z/OS или, опционально, на z/OS Spark, а встроенные скалярные функции Db2 отвечают за обработку данных и семантические запросы прямо в движке базы. Дополнительно продукт умеет дообучать модель инкрементально, что заметно снижает стоимость и время поддержания её актуальности по сравнению с полным переобучением.

Интерфейсов у продукта три — веб-интерфейс, REST API и командная строка: через них ведут настройки сервера, соединения, ИИ-объекты и модели, а API и CLI позволяют часть этих операций упростить или автоматизировать. Целевая аудитория при этом не только администраторы баз данных: IBM называет среди пользователей бизнес-аналитиков, дата-сайентистов, администраторов БД и разработчиков приложений, а среди задач — понимание клиентского поведения, улучшение обнаружения мошенничества, управление рисками и оптимизацию бизнес-процессов. Отдельно вендор подчёркивает, что ручного построения и сопровождения моделей здесь не требуется: обучение, обновление и управление жизненным циклом модели продукт берёт на себя.

Сентябрьский релиз продолжает линию, начатую раньше. В июльском обновлении IBM расширила набор доступных источников данных через IBM Data Virtualization Manager — к Db2 for z/OS добавились IMS и VSAM, — а также вывела расширенный REST API и операции через командную строку. Тогда же появился встроенный просмотрщик логов с доступом к операционным логам и логам обучения модели прямо из интерфейса.

Что меняется для эксплуатации

Общий вектор релиза IBM описывает как упрощение продукта: меньше трения на входе, меньше сложности и следа в системе, удобнее административные сценарии в UI. По логике вендора это должно ускорять выход на результат и облегчать ведение продукта по жизненному циклу. Для мейнфрейма логика та же, что и у всего класса таких решений: ИИ-возможности встраиваются в Db2 на IBM Z, где уже лежат чувствительные транзакционные данные, и разворачиваются с меньшим числом зависимостей, чем раньше.