博客
关于我
Denodo被评为2020年Gartner数据集成工具魔力象限领导者
阅读量:212 次
发布时间:2019-02-28

本文共 1135 字,大约阅读时间需要 3 分钟。

数据虚拟化领导者荣获Gartner Magic Quadrant领导者地位

2020年8月18日,数据虚拟化领域的领导者Data Virtualization Leader Data Virtualization Platform Denodo正式宣布,其在2020年数据集成工具Magic Quadrant中被Gartner评为领导者。Gartner在报告中指出,Denodo在执行愿景和为未来做好准备方面表现突出,尤其是在混合/多云数据管理、增强数据集成和数据结构设计方面。

Gartner的最新调查显示,传统数据集成已从专注于批量交付转向支持多种数据交付方式的无缝组合。半数以上接受调查的组织表示,他们需要数据集成工具来支持不同数据交付方式的无缝组合和切换。这一趋势与Denodo的核心优势高度契合,其客户主要采用数据虚拟化方式快速交付集成数据,避免数据复制带来的性能瓶颈。

Denodo的最新版本8.0引入了多项创新功能,包括混合/多云集成、AI/ML驱动的数据科学自动化、API/微服务增强和超性能提升。这些创新显著提高了逻辑数据结构架构的使用率。Denodo高级副总裁兼首席营销官Ravi Shankar表示,这一评选结果证明了数据虚拟化在现代数据集成中的重要性,也反映了客户对Denodo创新能力的高度认可。

Denodo平台的最新版本配备了全新基于Web的用户界面、单点登录集成、预计算摘要查询加速以及对GraphQL的支持,进一步增强了用户体验。如需了解客户对Denodo平台的具体评价,可访问相关链接。

关注我们的推文:@Gartner_inc评为2020年8月#DataIntegrationTools #MagicQuadrant领导者。阅读报告:#DataVirtualization

Gartner免责声明

Gartner Peer Insights评论基于个人实体的主观意见,代表个人观点,不代表Gartner或其附属公司的立场。Gartner不为其研究出版物中涉及的厂商、产品或服务提供任何形式的背书或建议,亦不建议技术用户仅选择评级最高的厂商。Gartner研究出版物由其研究机构的观点组成,不构成事实陈述。Gartner对本研究不作任何明示或暗示的担保。

关于Denodo

Denodo是数据虚拟化领域的领导者,为最广泛的企业、云、大数据和非结构化数据源提供敏捷、高性能的数据集成、数据抽象化和实时数据服务,且成本仅为传统方法的一半。Denodo的客户遍布多个行业,利用其平台实现敏捷商务智能、大数据分析、Web集成、单视图应用程序和企业数据服务,显著提升业务敏捷性和投资回报。Denodo为私人所有,拥有雄厚的资金实力和可观的利润。

转载地址:http://jzts.baihongyu.com/

你可能感兴趣的文章
Non-final field ‘code‘ in enum StateEnum‘
查看>>
none 和 host 网络的适用场景 - 每天5分钟玩转 Docker 容器技术(31)
查看>>
None还可以是函数定义可选参数的一个默认值,设置成默认值时实参在调用该函数时可以不输入与None绑定的元素...
查看>>
NoNodeAvailableException None of the configured nodes are available异常
查看>>
Vue.js 学习总结(16)—— 为什么 :deep、/deep/、>>> 样式能穿透到子组件
查看>>
nopcommerce商城系统--文档整理
查看>>
NOPI读取Excel
查看>>
NoSQL&MongoDB
查看>>
NoSQL介绍
查看>>
NoSQL数据库概述
查看>>
Notadd —— 基于 nest.js 的微服务开发框架
查看>>
NOTE:rfc5766-turn-server
查看>>
Notepad ++ 安装与配置教程(非常详细)从零基础入门到精通,看完这一篇就够了
查看>>
Notepad++在线和离线安装JSON格式化插件
查看>>
notepad++最详情汇总
查看>>
notepad++正则表达式替换字符串详解
查看>>
notepad如何自动对齐_notepad++怎么自动排版
查看>>
Notes on Paul Irish's "Things I learned from the jQuery source" casts
查看>>
Notification 使用详解(很全
查看>>
NotImplementedError: Cannot copy out of meta tensor; no data! Please use torch.nn.Module.to_empty()
查看>>