京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从大数据中创造价值的关键,在于选择合适的工具来迁移与储存资料,进而有效地发掘新洞察。为了将这些洞察转换为可执行的营运策略,新资料必须能与现有的资料、基础架构、应用程式与流程安全地整合在一起。甲骨文最新发表的解决方案能无缝地协同运作,协助企业以更低成本、更少风险,更快地发挥企业大数据的效益。这些解决方案能让客户安全地存取Hadoop、NoSQL和关联式资料库,以便轻松、并具成本效益地分析大量且多样化的资料集(data set)。
IDC 商业分析研究副总裁Dan Vesset表示:「单一技术将不再足以支援所有的分析使用情况,此外,若将资料管理与分析视为无关连性的专案,将会导致难以管理IT的困境并面临不必要的风险;IDC预测,到2017年前,统一的资料平台架构将成为企业大数据与分析策略的基础,这种统一化的趋势将出现在资讯管理、分析、和搜寻技术等层面。」
甲骨文大数据部门副总裁Neil Mendelson表示:「资料已成为一种新形态的资产,企业必须策略性地投资其资料资产,以创造最佳的投资回收。甲骨文提供一整合式平台,协助客户简化所有资料的存取、发掘新洞察、实时(real-time)预测成果,并确保所有资料的有效管理与安全性。」
甲骨文最新大数据解决方案亦可无缝运作于日前发布的Oracle Big Data Appliance X5和Oracle Exadata Database Machine X5上。这些解决方案结合在一起,可为企业提供一完整、具成本效益的平台,以便存取、发掘、管理、保护、进而实现大数据之价值。
最新发布的大数据创新方案包括:
● Oracle Big Data Discovery:这是「Hadoop 的视觉呈现」,并是一可集发现、探索、转换、发掘以及分享大数据洞察为一体的端到端产品。大数据资产可被组织内更多的商业分析师所使用,因此能降低风险,并缩短大数据专案创造价值的时间。
● Oracle GoldenGate for Big Data:以Hadoop为技术基础,让客户从异质交易型系统实时串流非结构化资料到大数据系统,包括Apache Hadoop、Apache Hive、Apache HBase以及Apache Flume。透过将既有的实时架构纳入大数据解决方案中,Oracle GoldenGate for Big Data协助客户强化大数据分析的专案项目,并确保大数据库能与生产系统同步更新。
● Oracle Big Data SQL 1.1:拥有与甲骨文资料库一样的安全性,这是一种可将Oracle SQL扩展至Hadoop和NoSQL的技术。透过一条Oracle SQL语句的快速查询,即可通透地存取Hadoop、NoSQL和Oracle Database中的资料。Oracle Big Data SQL 1.1可为Hadoop和Oracle Database提供更紧密的整合,查询性能较之前的版本提高40%。
● Oracle NoSQL Database 3.2.5:这套具调适性的解决方案,能让开发人员建立高效能的新一代应用程式。此最新版本具备可预测的低延迟、RESTful API、和基于Thrift的 C API,并与Oracle Big Data平台整合在一起。以Oracle Big Data SQL为基础,Oracle NoSQL Database 3.2.5亦可支援资料定义语言(DDL),因此能更容易地使用SQL来查询NoSQL资料。
Oracle Big Data Discovery现已正式上市
Oracle Big Data Discovery可充分发挥Hadoop的强大功能,使用者能快速、轻松地将塬始资料转换为可执行的商业洞察。
● 如同线上购物般轻松地探索大数据:Oracle Big Data Discovery具备绝佳的视觉介面,能在Hadoop中发现并探索塬始资料。类似于便条纸一样,它可揭露资料属性与资料组合之间的统计关联性,进而可评估此资料集是否具有潜能并值得进一步的研究与资源运用。使用者可透过熟悉的指引式导航与强大的搜寻功能,轻松浏览互动式的视觉资料目录。
● 大规模地转换并增强资料:Hadoop 中的塬始资料在进行分析前需先准备就绪。透过直观、类似试算表的使用方式,Oracle Big Data Discovery可降低耗时的准备周期并简化资料矛盾,使用者无需改用其他的工具或撰写程式码,即可增强资料的可视性,让更多的时间投入在资料分析上。
● 发掘和分享以发掘新价值:资料发掘与分析使用的工具与资料准备不同。Oracle Big Data Discovery可协助使用者无缝地从准备工作迁移到资料分析,并可一键分享资料洞察。使用者能就资料产出的结果强化合作,将塬始资料集传回 Hadoop,并在Pig、Hive和Python等其他工具上进一步运用资料结果。
● 将大数据开放予更多人使用:大数据常仅被一些非常专业、收费高昂且少数的资料科学家所使用,Oracle Big Data Discovery能让大数据更容易管理,使包括分析团队与商业使用者等更多人员轻松地运用大数据。它可与既有的大数据工具整合,让企业轻松地扩大其大数据团队,充分发挥企业的人力资本、并从资料资产中获得最大的效益。
支援性资源
● Big Data Discovery:创造价值的五个步骤
● 透过Facebook、Youtube、Twitter了解 Oracle Big Data Discovery
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 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 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06