京公网安备 11010802034615号
经营许可证编号:京B2-20210330
甲骨文提升企业大数据愿景_数据分析师
甲骨文公司近日宣布推出新的大数据解决方案,它使信息访问和发掘更加简化,让客户能够快速地把数据转变成业务价值。新的解决方案包括Oracle Big Data Discovery、Oracle GoldenGate for Big Data、Oracle Big Data SQL 1.1和Oracle NoSQL Database 3.2.5。这些新产品进一步提升了企业大数据愿景,真正将Hadoop、NoSQL和SQL技术协同起来,无论在公有云、私有云还是内部部署的基础设施模式下,都能实现安全部署。
从大数据中获取价值的关键在于选取合适的工具来迁移和存储数据,进而有效地获取新的洞察。为了将洞察转化为可执行的操作,新的数据必须与现有数据、基础设施、应用和流程进行安全集成。Oracle提供的解决方案可无缝地协同工作,帮助企业以更快的速度、更低的成本和风险开发大数据。这些解决方案让客户安全地访问Hadoop、NoSQL和关系型数据库,同时轻松、经济地对大量不同的数据集进行分析。
IDC业务分析研究副总裁Dan Vesset表示:“单一的技术类型再也无法满足各种类型的分析应用场景。同时,针对一系列不相关项目的数据管理和分析将导致企业IT陷入不可控制的困境并面临不必要的风险。根据IDC的预测,到2017年,统一的数据平台架构将成为企业大数据和分析战略的基础,这种统一化的趋势将出现在信息管理、分析和搜索技术多个层面。”
甲骨文公司大数据副总裁Neil Mendelson表示:“数据是一种新型的资产,企业必须对它们的数据资本进行战略性的投资。Oracle为客户提供了集成化的平台,以帮助简化所有的数据访问,发现新的洞察,实时预测结果,并确保数据的有效管理和安全性。”
新的Oracle大数据解决方案可无缝运行在近期发布的Oracle大数据机X5(Oracle Big Data Appliance X5)和Oracle Exadata数据库云服务器X5(Oracle Exadata Database Machine X5)上。这些解决方案结合在一起,可为企业提供全面且经济的平台,以便于访问、发现、管理和确保大数据的实现。
最新发布的大数据创新成果包括:
Oracle Big Data Discovery是“可视化的Hadoop”,也是面向大数据洞察的,集发现、探索、转变、挖掘和分享为一体的端到端产品。大数据资产将被企业内更多的业务分析师利用,帮助减少风险并加速大数据项目的价值转化。
Oracle GoldenGatefor Big Data是一个基于Hadoop技术的产品,能让客户从异构交易型系统中将实时数据传入大数据系统中,目标包括ApacheHadoop、ApacheHive、Apache HBase 和ApacheFlume。通过把现有实时的架构合并到大数据解决方案中,客户能够强化其数据分析项目,同时确保其大数据库与生产系统时刻保持一致。
Oracle Big DataSQL 1.1将OracleSQL拓展至Hadoop和NoSQL,同时拥有与Oracle数据库一样的安全性。它通过一条OracleSQL语句的快速查询,即可在Hadoop、NoSQL和Oracle数据库中透明地访问所有数据。OracleBig Data SQL 1.1将Hadoop和Oracle数据库之间的集成变得更加紧密,且查询性能较此前的版本提高了40%。
Oracle NoSQLDatabase 3.2.5是一个适应性解决方案,能够让开发人员创建高性能的新一代应用。该最新版本提供了可预测的低延迟,RESTfulAPI和基于Thrift的CAPI,并与Oracle大数据平台实现了集成。基于OracleBig Data SQL,OracleNoSQL Database 3.2.5还支持数据定义语言(DDL),使得用SQL来查询NoSQL数据变得更加容易。
Oracle Big Data Discovery现已上市
Oracle Big Data Discovery 利用Hadoop使用户通过单一产品即可快速、轻松地将原始数据转变成可执行的业务洞察。
像在线购物一样寻找和探索大数据:Oracle Big Data Discovery提供了令人瞩目的视觉界面,以帮助在Hadoop中发现和探索原始数据。它类似于便笺本一样,可揭示数据属性与数据组合之间的统计相关性,进而评估该数据是否具有潜力以及是否值得进一步研究。通过常见的导航栏及强大的搜索功能,用户可轻松浏览交互性的可视化数据目录。
大规模转化并丰富数据:使用Hadoop的原始数据进行分析之前需要一系列的准备工作。OracleBig Data Discovery通过一个直观的类似电子表格的方式,缩短了冗长的准备周期,同时简化了数据矛盾。用户无需更换工具或者书写编码,即可增强数据可视化,从而将更多的时间投入在数据分析上。
挖掘和分享以发现新价值: 数据的挖掘和分析与数据准备需要用不同的工具。OracleBig Data Discovery让用户能够无缝地从数据准备迁移到数据分析,只需一次点击即可分享数据洞察。用户利用数据结果加强合作,将原数据集传回Hadoop,还可在如Pig、Hive和Python等其他工具中进一步使用数据结果。
将大数据访问权限开放给更多职能团队:大数据通常只掌握在一小部分数据科学家手中,而这一群体掌握着丰富的技术能力、人才稀缺且人力成本高。OracleBig Data Discovery使得大数据的管理更加简单,并可让包括分析团队和业务用户在内的更多人员轻松访问。它还集成了现有的大数据工具,让企业能够轻松地扩展其大数据团队,并从其投入的人力资本和数据资产中获得最大价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25在数字化时代,数据已成为企业核心资产,而“数据存储有序化、数据分析专业化、数据价值可落地”,则是企业实现数据驱动的三大核 ...
2026-02-25在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14