SARAH – en komplett plattform för Data & AI
SARAH – Scalable Adaptive Robust AI Hub – hjälper dig att accelerera och driva innovativa projekt, samtidigt som ni samlar all data på ett strukturerat sätt och sist men inte minst, omgående tar lyckade AI-projekt i produktion. På bara en månad är du igång.
Hypen kring AI har pågått i åratal, men nu är AI här för att stanna. Värde ska skapas av data, och det behöver gå snabbt. Tiden för att enbart testa på AI, exempelvis via PoC:ar (Proof-of-Concepts) och MVP:er (Minimum Viable Products) eller liknande initiativ är nu förbi.
Vår erfarenhet är att många företag och organisationer, när man genomfört sitt första projekt och förstått vad det innebär att exempelvis etablera en Machine Learning-modell i produktion, brottas med nya utmaningar; Varifrån ska data komma? Hur löser vi realtidsutmaningar? Vem validerar så att modellerna presterar som de ska? Hur tränar vi om, och vem äger hela processen? SARAH reder ut frågetecknen kring alla dessa frågor.
Med SARAH får du omgående en miljö som är fullskalig med alla tänkbara funktioner som normalt sett tar tusentals timmar och långa ledtider att etablera. Dessutom ökar SARAH effektiviteten, minskar kostnaderna, möjliggör för nya affärsmodeller och värderar analytiska modeller snabbt.
Fördelar med SARAH
- Gemensamt arbetssätt och verktygslåda för en skalbar Enterprise-miljö
- Du kan börja smått och skala snabbt
- Ingen inlåsningseffekt, flexibel arkitektur i Azure
- Alla tjänster läggs i privata nätverk och isolerade instanser per projektteam (ej exponerade mot internet) för att maximera säkerheten
- Enkelt att följa upp kostnader per projekt
- En version av sanningen genom en Master Data Lake
- Inbyggd rättighetshantering till data
- Alla komponenter i ramverket är släppta i produktion i Azure (GA; General Availability)
Förutom fördelarna med att snabbt sätta upp olika miljöer (landing zones) så innehåller SARAH en förkonfigurerad setup av allt du kan tänkas behöva för en fullskalig lösning inom Data & AI.
Tekniken för skalning
Du kan med kod sätta upp infrastruktur för utveckling, test och produktion för olika initiativ, genom att använda färdiga skript. Inget manuellt arbete krävs, utan din infrastruktur sätts upp automatiskt i Azure. Du betalar också enbart för den Azure-konsumtion du nyttjar för stunden, och när ett projekt inte behövs längre kan du säkert ta ner det och veta att all kod finns kvar för att skripta upp hela uppsättningen igen.
Här kommer ytterligare detaljer om hur SARAH i praktiken ger dig en fulländad Data & AI-plattform. Till exempel finns implementerad ”best practice” för en modern dataplattform med lambda-arkitektur, inklusive Auto-Lake. Med MLOps-ramverket kan du skapa en pipeline för att träna en Machine Learning-modell med två rader kod, något som normalt tar nära 2000 rader kod. Givetvis är också välbeprövade ramverk som CAF (Cloud Adoption Framework) och WAF (Well-Architected Framework) implementerat som ger dig en trygg, stabil och säker miljö. Nästa generations dataplattformar med Data Mesh-arkitektur finns dessutom inbyggt, genom stöd via en ’Share Back’-funktion som möjliggör för olika initiativ/projekt att prenumerera på datakällor som är skapade av andra delar i er organisation.
Samlad expertis med stora muskler
SARAH är resultatet av ett nära samarbete mellan Sogeti, Microsoft och teamet bakom open source-ramverket ESML (Enterprise Scale Machine Learning). Med ESML som grund har vi på Sogeti adderat ytterligare funktionalitet utifrån våra kunskaper och erfarenheter av storskaliga Data & AI lösningar i Azure. Kort sagt är SARAH resultatet av all tillgänglig "best practice" och år av erfarenhet i hur man på bästa sätt skapar en Enterprise-miljö för DataOps, MLOps och AI Factory i Azure.
Med SARAH kan vi nu accelerera din uppsättning av alla tekniska förutsättningar för Data & AI, på kortast möjliga tid. Hör av er så berättar vi gärna mer om hur SARAH kan hjälpa dig och din verksamhet.
- Marcus NorrgrenData & AI Lead, Sverige
073-061 96 80
Marcus NorrgrenData & AI Lead, Sverige
073-061 96 80
- Kim BergNational SME, Cloud & DevOps/Data & AI
Kim BergNational SME, Cloud & DevOps/Data & AI