Home Cloud Oracle rende intuitivo l'Autonomous Data Warehouse

Oracle rende intuitivo l’Autonomous Data Warehouse

Oracle ha annunciato una serie di miglioramenti innovativi a Oracle Autonomous Data Warehouse.

Con quest’ultima versione, Oracle supera le già alte performance, trasformando il data warehousing cloud da un complesso ecosistema di prodotti, strumenti e attività che richiede una vasta competenza tecnica, tempo e denaro in un’esperienza intuitiva point-and-click, drag-and-drop per analisti di dati, data scientist e utenti aziendali.

Oracle Autonomous Data Warehouse consente alle aziende di ottenere risultati più rapidi e accelerare le informazioni dettagliate, risparmiando tempo e denaro significativi. Insieme alla zero administration di Oracle Autonomous Data Warehouse, le organizzazioni di tutte le dimensioni, dalle più piccole alle più grandi, possono ridurre i costi ottenendo al contempo un valore significativamente maggiore dai loro dati.

Gli ultimi miglioramenti apportati a Oracle Autonomous Data Warehouse forniscono un’unica piattaforma creata per le aziende per inserire, trasformare, archiviare e governare tutti i dati da qualsiasi origine per eseguire diversi carichi di lavoro analitici, dai sistemi dipartimentali ai data warehouse aziendali e ai data lake.

Gli strumenti integrati forniscono un’interfaccia drag-and-drop intuitiva per semplificare il caricamento dei dati da parte dei data anlyst, la trasformazione dei dati e la creazione automatica di modelli di business

Oracle ha inoltre aggiunto strumenti self-service per data analyst e data scientist per preparare facilmente set di dati, creare modelli di machine learning guidati da AutoML e distribuire modelli. Data scientist e analisti trarranno inoltre vantaggio dalla nuova potente modellazione self-service dei grafici e dall’analisi dei grafici. Per consentire agli sviluppatori di creare applicazioni basate sui dati, Oracle offre  Oracle APEX (Application Express) Application Development, uno strumento di sviluppo di applicazioni low-code integrato direttamente nel suo database, nonché i servizi RESTful, che semplifica l’interazione di qualsiasi applicazione moderna con data warehouse.

A differenza dei database isolati per uno scopo singolo, Oracle Autonomous Data Warehouse fornisce supporto per i requisiti multi-modello, multi-carico di lavoro e multi-tenant, il tutto all’interno di un unico e moderno motore di database convergente, inclusi i database e i servizi JSON, inclusi i database e i servizi JSON, operativi, analitici, grafici, ML e blockchain.

Quest’ultima versione comprende molte innovazioni; troviamo non solo un ampio insieme di funzionalità che rendono più semplice per analisti, non professionisti e sviluppatori delle line-of-business sfruttare tutti i vantaggi del data warehouse in cloud che si autogestisce – ma anche funzionalità per ottenere analisi più approfondite e una più stretta integrazione con i data lake.  Le principali novità sono strumenti integrati per i dati: i business analyst ora hanno un ambiente semplice e self-service per caricare i dati e renderli disponibili al team esteso per lavorarci in modo collaborativo. Possono caricare e trasformare i dati dal loro laptop o dal cloud, semplicemente con un drag-and-drop. Possono generare automaticamente modelli di business; scoprire velocemente anomalie, valori fuori scala e pattern nascosti nei dati; comprendere le dipendenze tra i dati e l’impatto dei cambiamenti.

Interfaccia Utente (UI) Oracle Machine Learning AutoML: automatizzando i passaggi della creazione di modelli di machine learning che richiedono più tempo, l’interfaccia utente AutoML no-code rende i data scientist più produttivi, migliora l’accuratezza dei modelli e permette anche a personale non esperto di sfruttare il machine learning.

Oracle Machine Learning per Python: i data scientist e gli altri utenti Python possono ora usare questo linguaggio per applicare il machine learning ai dati custoditi nel data warehouse, sfruttando pienamente le capacità parallele e ad alte prestazioni e gli oltre 30 algoritmi di machine learning nativi di Oracle Autonomous Data Warehouse.

Oracle Machine Learning Services: i team DevOps e di data science possono applicare e gestire modelli in-database nativi e modelli di classificazione e regressione in formato ONNX al di fuori di Oracle Autonomous Data Warehouse, e possono anche invocare l’analisi cognitiva del testo. Gli sviluppatori di app hanno endpoint REST facili da integrare per tutte le funzionalità.

Supporto Property Graph: i grafi aiutano a modellare e analizzare le relazioni tra varie entità (ad esempio il grafo di un social network). Gli utenti ora possono creare grafi nei loro data warehouse, interrogare i grafi usando PGQL (property graph query language) e analizzarli con oltre 60 algoritmi di analisi dei grafici in-memory.

Graph Studio UI: Graph Studio si basa sulle funzionalità per grafi proprietarie di Oracle Autonomous Data Warehouse per rendere l’analisi dei grafi più semplice per i principianti. Include la modellazione automatizzata, la visualizzazione integrata e flussi di lavoro precostituiti per diversi casi d’uso.

Accesso immediato ai data lake: Oracle Autonomous Data Warehouse amplia la sua capacità di query sui dati in Oracle Cloud Infrastructure (OCI) Object Storage e in tutti gli object store in cloud più diffusi, con tre nuove funzionalità per i data lake, ovvero il querying facilitato dei dati in Oracle Big Data Service (Hadoop); l’integrazione con OCI Data Catalog per semplificare e automatizzare la data discovery nell’object storage; il processing scale-out per accelerare le query su grandi data-set in object storage.

 

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

css.php