Komprise今天为试图理解大规模分散数据集的组织推出了其解决方案，包括分布在云和本地存储以及多个公共和私有云或多层存储中的文件和对象。
Komprise Deep Analytics Actions 是 Komprise 智能数据管理平台的一个新组件，旨在查找和索引相关数据，并将其整合以进行进一步分析。例如，制药公司的研究人员可以查询和提取与一组研究人员生成的特定实验相关的文件。根据 Komprise 的说法，研究人员然后可以将这个虚拟数据集导入到数据湖或数据仓库中进行进一步分析。
Komprise 联合创始人、总裁兼首席运营官 Krishna Subramanian 在接受采访时表示，辉瑞是使用 Komprise 平台的几家制药公司之一(包括“80% 的 COVID 疫苗制造商”)，该平台帮助定义了深度分析行动的要求.该技术可以预先应用，以确定数据应存储在何处或按需存储在特定分析应用程序中。
“例如，一家自动驾驶汽车制造商可能有不同的数据中心，他们在那里收集 PB 级和 PB 级的所有数据，并且只想收集有关车辆在红灯时的行为的数据，这可能是其中的 3% ，”苏布拉曼尼安说。Komprise 现在可以根据存储在任何地方的数据创建集中索引，按元数据(显式标签或文件的创建数据、类型或所有者)和扩展元数据(如在文件名或目录中编码的项目名称)进行分类存储文件的地方)，她说。
数据整合和分析的成本
在缺乏自动化和精确定位的情况下，数据整合步骤可能既耗时又昂贵，因为当数据从云提供商导出时，云供应商会收取数据出口费用。Komprise 表示，这个问题非常普遍，有时会阻止公司进行潜在的富有成效的数据分析。使用 Deep Analytics Actions，仅移动特定分析杂务所需的数据。
“我们在大学看到了很多深度分析操作的用例，”杜肯大学高级存储管理员 Matt Madill 在引用新闻稿时说。“例如，不同的研究小组有独特的需求，用户可以通过标记来支持这些需求，这样不仅可以轻松发现这些数据集，而且可以对它们应用适当的数据管理策略以进行长期存储。我们将能够让用户更好地控制他们的数据，并让我们知道要存档的内容和时间。”
私人控股的 Komprise 成立于 2014 年，迄今已筹集了 5070 万美元。其平台的其他组件有助于完成数据迁移到云等任务。Subramanian在 7 月接受 VentureBeat 采访时讨论了非结构化数据分析的更广泛问题。
