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
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