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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21