Qlik Open Lakehouse è ora disponibile

Qlik Open Lakehouse include il supporto per Amazon Athena e l’accesso multi-engine, oltre alla possibilità di essere implementato nella Virtual Private Cloud (VPC) del cliente con ottimizzazione automatica di Iceberg e funzionalità integrate di qualità e tracciabilità dei dati

Qlik, leader globale nell’integrazione e nella qualità dei dati, nelle analytics e nell’intelligenza artificiale, annuncia la disponibilità generale di Qlik Open Lakehouse, un servizio Apache Iceberg completamente gestito all’interno di Qlik Talend Cloud, che offre pipeline in tempo reale, ottimizzazione automatica di Iceberg e vero accesso multi-engine senza vincoli di lock-in. Il risultato è una base dati pronta per l’AI che riduce tempi e costi tra i dati e l’azione.

Distribuito nell’account cloud del cliente con la modalità bring-your-own-compute, Qlik Open Lakehouse combina l’ingestione CDC (change data capture) con l’ottimizzazione automatica di Iceberg e l’accesso multi-engine, così i team possono utilizzare gli strumenti su cui già fanno affidamento, tra cui Amazon Athena, Snowflake, Spark, Trino e Amazon SageMaker per il machine learning (ML). Già durante la fase di anteprima, i clienti hanno segnalato query più rapide e una riduzione significativa dei costi infrastrutturali, spostando i carichi di lavoro da data warehouse proprietari a tabelle Iceberg aperte e ottimizzate.

“L’AI si blocca quando i dati sono lenti, frammentati e costosi” – ha dichiarato Mike Capone, CEO di Qlik – “Qlik Open Lakehouse risolve questo problema offrendo ai team una base in tempo reale basata su Iceberg, che possono gestire nel proprio cloud su scala enterprise e interrogare con i motori che già utilizzano. Porta performance, controllo dei costi e governance in un’unica soluzione, così le decisioni vengono prese più rapidamente e i modelli migliorano ogni giorno”.

Novità principali:

• Disponibilità generale di Qlik Open Lakehouse su Qlik Talend Cloud, distribuito nella VPC del cliente con modalità bring-your-own-compute per garantire sicurezza, prestazioni e controllo dei costi.
• Accesso multi-engine dal primo giorno, incluso il supporto per Amazon Athena, così i team possono interrogare le tabelle Iceberg in modalità serverless insieme alle Qlik analytics e ad altri motori.
• Dati pronti per SageMaker, archiviati in tabelle Iceberg governate su Amazon Simple Storage Service (Amazon S3), facilitando l’accesso, la preparazione e la formazione di modelli ML senza creare copie aggiuntive dei dati.
• Ottimizzazione automatica di Iceberg per compattazione, partizionamento e manutenzione dei metadati, migliorando le prestazioni delle query e riducendo lo spazio di archiviazione.
• Pipeline a bassa latenza da centinaia di fonti tramite CDC, con qualità dei dati, tracciabilità, catalogazione e osservabilità FinOps integrate.
• Qlik Analytics e AI integrati, con il motore Qlik e l’automazione dei workflow, così gli insight possono attivare azioni direttamente nei sistemi aziendali.

“La disponibilità generale di Qlik Open Lakehouse trasforma la strategia a lungo termine di Qlik in una realtà concreta per le aziende che adottano formati di tabella aperti” – ha dichiarato Mike Leone, Principal Analyst di Enterprise Strategy Group – “La sua capacità di gestire grandi quantità di dati in modo rapido, ottimizzarli in tempo reale e lavorare con diversi strumenti nel cloud risolve problemi comuni come dati obsoleti, lenti o costosi. Inoltre, grazie all’integrazione robusta e alla governance dei dati di Qlik, offre una piattaforma solida per AI e analytics che i team possono adottare senza dover ricostruire completamente i propri sistemi o passare a nuovi strumenti”.

Perché è importante:

Il valore dell’AI è spesso limitato dai dati e Qlik Open Lakehouse colma questa lacuna offrendo alle aziende una base dati e di analytics per l’AI: dati affidabili, spiegabili e sempre aggiornati in un formato aperto che può essere interrogato da qualsiasi motore. Il risultato è una presa di decisioni più rapida, un costo totale inferiore e libertà di scelta tra analytics e machine learning. Durante la fase di anteprima, i clienti hanno registrato prestazioni delle query fino a 5 volte più veloci e una riduzione dei costi infrastrutturali fino al 50%, eliminando copie inutili e ottimizzando le tabelle Iceberg su larga scala.

Come funziona:

• Aperto per definizione: i dati risiedono in Apache Iceberg sull’object storage del cliente. Le stesse tabelle possono essere interrogate da Qlik, Amazon Athena, Snowflake, Spark, Trino e servizi ML come Amazon SageMaker.
• In tempo reale per impostazione predefinita: il CDC mantiene le tabelle sempre aggiornate e l’ottimizzazione automatica garantisce le prestazioni anche con la crescita dei dati.
• Governato e affidabile: regole integrate di qualità dei dati, tracciabilità, catalogazione e controlli di accesso offrono la sicurezza necessaria per l’AI e i carichi di lavoro regolamentati.
• Progettato per l’azione: il motore Qlik e l’automazione collegano gli insight ai workflow, così i team non si fermano ai dashboard.