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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19