SAP近日宣布推出新的SAP Datasphere平台,帮助企业消除访问和使用分散不同系统的数据的复杂性。
SAP Datasphere是下一代的SAP数据仓库云,旨在连接、协调和分发来自SAP和非SAP应用数据的主要集成点。SAP表示,Datasphere建立在SAP Business Technology Platform平台上,平台提供了强大的企业安全功能包括数据库安全、加密和治理。
Datasphere平台的设计不仅是提供对业务数据的轻松访问,SAP还与行业领先的数据分析公司展开合作,包括Collibra、Confluent、Databricks和DataRobot,帮助企业利用他们的数据做更多的事情。
SAP称很多企业在访问分布于云提供商、数据厂商和本地系统中的数据、并将这些数据集成时遇到了困难。SAP表示,客户不得不从原始来源提取数据并将这些数据导出到一个中央位置,而这样会失去关键的业务环境,必须通过专门的IT项目和人力重新获取这些数据。
SAP Datasphere消除了大部分这类手动工作,为企业提供了一种更简单的方法来构建具有完整业务上下文和逻辑的业务数据架构。SAP表示,企业可以有很多方法利用他们的数据。
SAP公司首席营销官、首席解决方案官Julia White在媒体发布会上表示:“数据优先是关键,数据管理和分析已经成为企业的决定性资源,而实现这种无缝数据访问非常困难。”
White表示,SAP Datasphere不仅仅是SAP Data Warehouse Cloud的品牌重塑,还引用了平台中的新功能例,如可以自动发现、管理和治理数据的数据编目功能。她还提及该平台简化了数据复制功能,能够实时交付数据和数据的持续更新,以及增强的数据建模,可保留来自SAP应用的数据业务上下文。
她说:“这是我们新一代的数据技术。”
SAP还谈到了他们的战略合作伙伴关系,承诺这将帮助全球数百万用户做出明智的业务决策。例如,Collibra正在计划围绕SAP Datasphere进行量身定制的集成,以帮助客户构建一个完整的数据目录,并在整个数据环境中进行数据沿袭,帮助他们制定数据治理策略。
其他合作伙伴还包括Confluent,该公司将实时数据流平台连接到SAP Datasphere,让客户能够使用这些信息来支持智能应用。与此同时,Databricks公司表示,他们的客户能够将Data Lakehouse与SAP集成,在保留语义的情况下更轻松地共享数据。还有DataRobot公司,将在SAP Datasphere平台上提供机器学习功能。
Datasphere平台的早期采用者包括Messer SE & Co. KGaA 旗下的工业气体公司Messer Americas。该公司首席信息官David Johnston表示,公司希望实现简化对SAP和非SAP数据的安全访问,加强组织内数据驱动的决策制定。该公司使用SAP Datasphere构建了一个现代数据架构,以维护整个企业数据存档的上下文。
Johnston表示:“从根本上说,数据会成为企业发展提速的一大障碍,Datasphere是我们推动转型的一个催化剂。”
SAP Datasphere现已可用,现有的SAP Data Warehouse Cloud客户可以立即升级到新平台,无需额外的步骤或迁移。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。