Oracle Autonomous Data Warehouse ger en intuitiv och automatiserad användarupplevelse med självservice och fungerar som molntjänster, vilket gör att företag kan dra nytta av data på nya och innovativa sätt.
Dessa lösningar ger snabbare och bättre insikter samt gör det enklare att agera för organisationer av alla storlekar.
Oracle lanserar en samling innovativa förbättringar av Oracle Autonomous Data Warehouse, det vill säga företagets autonoma lösning för datalager (data warehouse). Det är marknadens första erbjudande av den typen som körs som en molntjänst. Med dagens lansering springer Oracle ifrån konkurrenterna genom att förvandla datalager i molnet från ett komplext ekosystem av olika produkter, verktyg och arbetsuppgifter, till en intuitiv peka-och-klicka-lösning för dataanalytiker, affärsfolk och vanliga medborgare med behov av dataanalys.
Med Oracle Autonomous Data Warehouse kan företag göra analyser och få insikter snabbare, samtidigt som de sänker både kostnader och tidsåtgång rejält. Att det är en lösning utan krav på administration gör att man får ut väsentligt mycket mer värde från sina data.
Oracle Autonomous Data Warehouse är nu en dataplattform för alla analysbehov. Företag kan samla in, transformera, lagra och administrera data från alla datakällor. Det gör det möjligt att köra olika typer av analyser, med data från allt från avdelningars egna system, till stora datalager och datasjöar (enterprise data warehouses och data lakes). De lättanvända integrerade verktygen används med ett intuitivt dra-och-släpp-gränssnitt. Det gör att det blir enklare för dataanalytiker att ladda, transformera och tvätta data, att skapa analysmodeller och upptäcka mönster som leder till insikter automatiskt.
Oracle har lagt till verktyg för självservice för både professionella dataanalytiker och andra, för att göra det enkelt att förbereda datamängder, bygga modeller för maskininlärning med hjälp av AutoML och att köra modellerna. Med low-code-verktyget Oracle APEX (Application Express) som finns inbyggt i databasen och med programmeringsgränssnitt av typen Rest kan utvecklare bygga applikationer som använder data i datalager.
Till skillnad från andra leverantörers smala databaserbjudanden i molnet hanterar Oracle Autonomous Data Warehouse olika modeller och typer av körningar samtidigt, för flera samtidiga användarorganisationer. Allt görs i en enda modern databasmotor med tätt integrerade delar. Det inkluderar Json-dokument, transaktionsdatabaser, analysdatabaser, grafdatabaser och databaser för ändamål som maskininlärning och blockkedjor, både i form av lokala databaser och molntjänster.
– Oracle Autonomous Data Warehouse har minskat tiden för ett typiskt datalagerprojekt från tre månader till tre dagar, samtidigt som resultatet blir djupare insikter som det är enklare att agera utifrån. Vi drar nytta av en ökad automatisering av datainsamling, transformeringar och modelbyggande och ser fram emot att använda funktionerna i framtiden, säger Steven Chang, CIO på Kingold.
– Konkurrenterna har ännu inte presenterat några motdrag till Oracle Autonomous Database, efter tre år på marknaden. Nu utökar Oracle försprånget med förbättringar som ökar tillgången till dataanalys och maskininlärning för alla. Eftersom användare inte behöver kunna SQL, utan i stället kan använda dra-och-släpp-verktyg och AutoML, kan de göra sina analyser själva, utan insatser från IT-avdelningar och databas- och systemadministratörer. Allt är inbyggt i Oracles databas som kan hantera alla datamodeller och datatyper”, säger Holger Mueller, chefsanalytiker på Constellation Research.
Innovationer i Oracle Autonomous Data Warehouse
- Den nya versionen bjuder inte bara på en stor bredd vad gäller funktioner som gör det enklare för analytiker, affärsfolk och andra att dra nytta av marknadens första och enda datalager i molnet som administrerar sig självt. Det finns också funktioner som möjliggör djupare analyser och tätare integration med datasjöar. Här är ett axplock:
- Inbyggda dataverktyg som förenklar att ladda data och göra dem tillgängliga för kollegor. Det går att att ladda och transformera data genom att dra och släppa objekt på en bärbar dator. Modeller kan skapas automatiskt.
- Oracles AutoML för maskininlärning. Genom att automatisera tidsödande steg under skapandet av modeller för maskininlärning ökar AutoML produktiviteten och förbättrar precisionen. Det gör att de som inte är experter kan använda maskininlärning, utan att koda. Det går även att anropa AutoML med språket Python.
- Oracle Machine Learning for Python. Nu går det att använda språket Python som är populärt för maskininlärning för att dra nytta av höga prestanda och parallell bearbetning i Oracle Autonomous Data Warehouse.
- Oracles tjänster för maskininlärning. Utvecklare som anammat arbetssättet devops och team med dataanalytiker (data scientists) kan skapa och hantera modeller som finns direkt i databasen. Det går att dra nytta av kraftfulla lösningar för klassificering och regressionsmodeller som finns tillgängliga utanför Oracle Autonomous Data Warehouse. Det går även att köra kognitiva textanalyser. Utvecklare kan använda funktionaliteten via Rest-gränssnitt.
- Grafmodeller. Med grafmodeller direkt i ett datalager går det att modellera och analysera kopplingar i datamängder, till exempel relationer mellan personer på sociala medier. Det går att köra frågor mot grafmodeller med språket PGQL och att analysera dem med fler än 60 algoritmer som finns tillgängliga i minnet.
- Graph Studio. Ytterligare funktionalitet som förenklar användning av grafmodeller. Det inkluderar automatisk modellering, integrerad visualisering och färdiga arbetsflöden för olika användningsfall.
