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