Da virksomheden blev grundlagt for over et årti siden, Talend blev en af de første i en bølge af anden generation af data, integration af udbydere, der sigter mod at samle op, hvor de Informaticas og IBMs af verden slap. Mens Informatica banebrydende data integration plads ved at udvide fra ETL gennem en række opkøb, Talend primært boostrapped sin måde at opbygge sin suite (selv om master data management kapacitet blev erhvervet). Mere vigtigere, Talend indførte open source.
Talend, de gør oprør, er nu udfordret af en ny generation af oprørerne, der var født i “big data” verden, der tæller spillere som Paxata, Trifacta, Tamr, Alation, Zaloni og andre. Krydset kommer på områder som data forberedelse, og tilbyder en anderledes tilgang rettet mod erhvervslivet bruger, snarere end DBA, og mere ofte end ikke, at udnytte machine learning og Gnist til at guide brugeren i tovtrækkeri data.
Og så Talend, ligesom de fleste andre etablerede af data, integration af plads, har reageret med sine egne data forberedelse løsning, og med sit eget spin. Talend Data Forberedelse er det første redskab til at blive drevet af Apache Stråle, som vi gennemgik tidligere i år. Det var en del af vinter-udgivelse, som også indeholdt forbedringer, såsom tilføjelse af rolle-baserede miljøer eller skind for at udvikle integrationer og transformation; angivelse af tilladelser; running tests, og stadieinddeling til produktion. For nu, Talend Data for Præparatet er ikke tilgængelige på lokaler, men selskabet meddelte, foran et publikum af kunder i denne uge i New York, at det ville tilføje det til sin AWS-baseret cloud tilbyder i efteråret.
Talend ‘ s brug af Bjælken er mere end tilfældig, da det er én af de bidragydere til projektet. Betydningen er ikke bare håneretten til en anden sort boks teknologi ved at bruge Stråle, Talend er at udvide data forberedelse til real-time streaming, og kunne tænkes at give endnu en anden form for overførsel. Beam er også den fremtidige Talend Data Stof, en meta-hub for at skabe den transformation af data mellem cloud og on-premises kilder og mål.
Ligesom de fleste af sine rivaler, Talend er gradvist at udvide machine learning til kernen af dets integration suite. Det har brugt Gnist til turboladning transformation af data/ETL-processer, der er nyttige for arbejde, der involverer høj kompleksitet og data mængder. De har også for nylig udvidet machine learning til datakvalitet og-de-duplikering. Vi vil gerne se dem gælder machine learning til at gøre master data management, ikke kun mere skalerbar, men fleksibel så godt.
Talend fremmer det faktum, at dets værktøjer er de samme lokaler, og i skyen, selv om det for sin formået at tilbyde, administrationskonsollen er forskellige. For nu, Talend Integration Cloud er tilgængelig via AWS. Vi forventer, at der med Talend hud i Apache-Beam-projektet (som er baseret på sdk ‘ er til Google Cloud Dataflow), at en multi-cloud fremtiden vil være under opsejling.
Med cloud og machine learning, Talend rejse er gået fuld cirkel. Banebrydende open source i data integration rum, Talend førte vejen for en ny generation af udbydere, der udfordrede Informatica og IBM op fra bunden. I dag, udbydere, der opstod i den verden af Hadoop og cloud har ansporet udbydere som Talend til at gentænke deres strategier ved at fremme machine learning til at give mere guidede oplevelser. I så gøre, Talend publikum har udvidet til business analytikere, og en ny race af DataOps udviklere. Udstillingen er dens Vinter 2017 udgivelse, der er indført forskellige brugergrænseflader målrettet på administratorer, udviklere, business analytikere. Med machine learning hjælpe, skønhed vil forhåbentlig være mere end skin deep.