 |
摘要：该项收购有助于企业从源头上捕捉 "坏数据"，将IBM在可观测性领域的领导地位扩展至IT全堆栈--跨基础设施、应用、数据和机器学习。
北京2022年7月8日 /美通社/ -- IBM（纽约证券交易所股票代码：IBM）日前宣布已经收购了领先的数据可观测性软件供应商Databand.ai, 该公司致力于帮助企业在数据问题影响业务底线之前就能得以解决，包括数据错误、数据管道故障和数据质量等。收购Databand.ai进一步加强了IBM在数据、人工智能和自动化领域的软件组合，以解决涉及可观测性的全部问题，帮助企业确保把可信的数据在正确的时间交到正确的用户手中。
IBM持续加强在混合云和人工智能领域的技能与实力，Databand.ai是IBM在2022年进行的第五次收购。自Arvind Krishna于2020年4月担任首席执行官以来，IBM至少已经收购了25家公司。
随着数据量继续以前所未有的速度增长，企业正努力着手对自身数据集的健康与质量进行管理，这是企业做出更好的商业决策和获得竞争优势的必由之路。数据可观测性作为一个快速增长的市场机会，正迅速成为企业关键的解决方案，用以帮助数据团队和工程师更好地了解其系统中的数据健康状况，并以近乎实时的方式自动识别、排除故障和解决问题，如异常情况、突发数据变化或数据管道故障等。Gartner数据显示，每年因数据质量问题给企业带来的平均损失达1290万美元，为了应对这一挑战，数据可观测性市场正处于强劲增长的态势[1]。
数据可观测性将传统的数据运维提升到了一个新的水平，它以历史趋势来计算数据工作负载和数据管道的统计数据，直接从源头上确定数据是否在工作，并精确指出可能存在的问题。当它与全栈可观测策略相结合时，可以帮助IT团队快速呈现并解决从基础设施和应用程序到数据和机器学习系统的问题。
Databand.ai的开放和可扩展的方法使数据工程团队能够轻松地在其数据基础设施中整合并获得可观测性。此次收购将为Databand.ai释放更多资源，以扩展其可观测性能力，在更多的开源和商业解决方案中进行更广泛的整合，为现代数据栈提供动力。企业还将在如何运行Databand.ai方面拥有充分的灵活性，可以通过即服务（SaaS）的方式运行，也可以通过自我托管的软件订阅方式来运行。
对Databand.ai的收购，是基于IBM在人工智能和自动化领域的研发投资和战略收购的框架而进行的。把Databand.ai与IBM Observability by Instana APM和IBM Watson Studio 相结合，IBM可以很好地解决IT全栈运营的全方位可观测性问题。
例如，Databand.ai的功能可以在数据团队和工程师使用的分析系统的数据不完整或缺失时提醒他们。在数据源于企业应用的常规情况下，Instana可以帮助用户快速解释缺失数据的确切来源以及应用服务失败的原因。Databand.ai和IBM Instana一起，可以为整个应用基础设施和数据平台系统提供一个更完整和可解释的视图，从而帮助企业防止因数据故障而导致的收入和声誉损失。
IBM数据和人工智能总经理Daniel Hernandez说："我们的客户是数据驱动型企业，他们依靠高质量、值得信赖的数据来推动他们的关键任务流程。当他们无法在需要的时刻获得所需数据时，他们的业务就会陷入停顿。随着Databand.ai的加入，IBM可以为IT部门提供极为全面的观测能力，涵盖应用程序、数据和机器学习，并且持续为客户和合作伙伴提供他们所需的技术，使他们能够规模化的应用可信的数据与人工智能。"
数据可观测性解决方案也是企业更为广泛的数据战略和架构的一个关键部分。对Databand.ai的收购，进一步扩展了IBM现有的数据经纬（Data Fabric）解决方案，以助力确保把准确可信的数据在正确的时间交到正确的人手中 – 无论数据处于哪个位置。
Databand.ai联合创始人兼首席执行官Josh Benamram说："你无法保护你看不到的东西，当数据平台无效时，每个人都会受到影响--包括客户。这就是为什么FanDuel、Agoda和Trax Retail这些全球品牌都在依靠Databand.ai来消除不良数据带来的意外，在它们造成代价昂贵的业务影响之前就检测和解决掉它们。加入IBM，将帮助我们扩展软件的应用，促进和提升我们满足企业客户不断变化的需求的能力。"
Databand.ai总部位于以色列的特拉维夫，其员工将加入IBM数据和人工智能部门，进一步构建IBM不断扩展的数据和人工智能产品组合，包括IBM Watson能力和IBM Cloud Pak for Data。该交易的财务细节没有披露，该收购于2022年6月27日完成。
要了解关于Databand.ai的更多信息，以及这次收购如何增强IBM的数据经纬（Data Fabric）解决方案,并建立在其全套可观测性软件的基础上，可以阅读相关博客，或访问：https://www.ibm.com/cn-zh/analytics/data-fabric。
