השוק
אורקל מוסיפה חידושים למחסן הנתונים האוטונומי שלה
החברה מציעה לעסקים חווית לקוח אוטומטית, אינטואיטיבית, מבוססת שירות עצמי, כמו יישומי SaaS, על מנת שיוכלו להשתמש במידע שלהם בדרכים חדשות וחדשניות ומביאה תובנות ביצועיות חזקות ומהירות יותר לשימושם של ארגונים קטנים כגדולים
אורקל מכריזה על שורה של שיפורים חדשניים במחסן הנתונים האוטונומי שלה, Oracle Autonomous Data Warehouse, שהוא מחסן הנתונים בענן הראשון והיחיד בעל הנעה עצמית. במהדורה אחרונה זו, אורקל מתעלה מעל כל פתרונות הענן של המתחרים בזכות המהפך המוחלט שהיא עושה במחסני הנתונים בענן.
הפתרון החדש הופך אקו-סיסטם מורכב של מוצרים, כלים ומשימות המחייב זמן, כסף ומומחיות טכנית נרחבת, לחוויה אינטואיטיבית של 'הצבע ולחץ' (point-and-click) הדומה ליישום SaaS, ומיועדת למנתחי נתונים (אנליסטים), מדעני נתונים ומשתמשים עסקיים. פתרון Oracle Autonomous Data Warehouse מעצים עסקים להשגת תוצאות מהירות ותובנות משופרות, תוך חיסכון משמעותי של זמן וכסף. בעזרת גישת "אפס-ניהול" של מחסן הנתונים, יוכלו ארגונים מכל הגדלים - קטנים כגדולים - להוזיל עלויות ולהפיק מהנתונים שלהם ערך רב יותר משמעותית.
השיפורים האחרונים ב-Oracle Autonomous Data Warehouse מציעים פלטפורמת נתונים יחידה המיועדת לעסקים, כדי שיוכלו לקלוט תוך כדי עיבוד (ingest), לשנות, לאחסן ולנהל כל נתון מכל מקור, וכך להריץ עומסי עבודה אנליטיים מגוונים, ממערכות ברמת המחלקה ועד למחסני נתונים ואגמי נתונים ברמת הארגון. הכלים הפשוטים והמשולבים מציעים ממשק 'גרור ושחרר' (drag-and-drop) אינטואיטיבי, שמקל על מנתחי הנתונים לטעון נתונים, לשנות או לנקות אותם, וכן יוצר באופן אוטומטי מודלים עסקיים וחושף באופן אוטומטי דפוסים להפקת תובנות.
אורקל הוסיפה גם כלים בשירות עצמי עבור מנתחי נתונים ומדעני נתונים בעלי תובנה עסקית אשר הנם פחות טכנולוגיים, כדי שיוכלו בקלות להכין מערכי נתונים, לבנות מודלים של למידת מכונה מבוססי AutoML ולפרוס אותם. בנוסף, מעצימה אורקל את המפתחים אשר מיישמים מערכות מבוססות-נתונים, אורקל מציעה את Oracle APEX (Application Express) Application Development – כלי פיתוח יישומים בגישת low-code המשולב ישירות בבסיס הנתונים שלה, וכן את שירותי RESTful, שמסייעים לכל יישום מודרני לתקשר עם מידע שנמצא במחסן הנתונים. שלא כמו בסיסי נתונים בענן של ספקים אחרים, המיועדים למטרה אחת, Oracle Autonomous Data Warehouse תומך בדרישות של ריבוי מודלים, ריבוי עומסי עבודה, וריבוי דיירים - הכל בתוך מנוע בסיס נתונים יחיד מרוכז ומודרני - כולל שירותים ובסיסי נתונים של בלוקצ'יין, מסמך JSON, תפעול, אנליטיקס, גרפים ולמידת מכונה.
"האפשרות לקבל יכולות חדשניות לטעינת נתונים שמובנות ישירות לתוך מחסן הנתונים האוטונומי של אורקל אמורה לחסוך לנו כמות אדירה של זמן", אמר דרק היידן, סמנכ"ל אסטרטגיית נתונים ואנליטיקס ב-OUTFRONT Media. "ההוצאה, הטעינה והטרנספורמציה הדקלרטיביים עם יכולות Drag and Drop יאפשרו לנו טעינה וטרנספורמציה מהירות של סוגי נתונים מרובים, וצפייה בקשרים שבין הנתונים הודות ליכולת התובנות האוטומטיות".
החידושים ב- Autonomous Data Warehouse
כלי נתונים מובנים: לאנליסטים עסקיים יש כיום סביבה פשוטה בשירות עצמי לטעינת נתונים ולהפיכתם לזמינים לצוות המורחב שלהם לצורך שיתופי פעולה. הם יכולים לבצע טעינה וטרנספורמציה של נתונים מהמחשב הנייד שלהם או מהענן באמצעות גרירה ושחרור פשוטים. בשלב הבא באפשרותם ליצור מודלים עסקיים באופן אוטומטי; לגלות במהירות חריגות ותבניות חבויות בנתונים שלהם; ולהבין את יחסי התלות בין הנתונים ואת ההשפעה של שינויים.
כלי נתונים מובנים: לאנליסטים עסקיים יש כיום סביבה פשוטה בשירות עצמי לטעינת נתונים ולהפיכתם לזמינים לצוות המורחב שלהם לצורך שיתופי פעולה. הם יכולים לבצע טעינה וטרנספורמציה של נתונים מהמחשב הנייד שלהם או מהענן באמצעות גרירה ושחרור פשוטים. בשלב הבא באפשרותם ליצור מודלים עסקיים באופן אוטומטי; לגלות במהירות חריגות ותבניות חבויות בנתונים שלהם; ולהבין את יחסי התלות בין הנתונים ואת ההשפעה של שינויים.
AutoML: הודות להכנסת אוטומציה לתהליכים שגוזלים זמן רב בעת יצירת מודלים של למידת מכונה, AutoML מגדיל את התפוקה של מדעני הנתונים, משפר את דיוק המודל, ומאפשר גם למי שאינם מומחים לנצל יכולות של למידת מכונה. ניתן להפעיל את AutoML באמצעות פייתון או באמצעות ממשק משתמש אל-קוד עבור AutoML.
Oracle Machine Learning for Python: מדעני נתונים ומשתמשי פייתון אחרים יכולים כעת להשתמש בפייתון כדי ליישם למידת מכונה על נתוני מחסן הנתונים שלהם, תוך ניצול מלא של היכולות המקבילות ועתירות הביצועים של Oracle Autonomous Data Warehouse.
Oracle Machine Learning Services: צוותי DevOps וצוותי מדעי נתונים יכולים לפרוס ולנהל מודל נייטיב שנכלל בבסיס הנתונים ומודלים של סיווג ורגרסיה בפורמט ONNX מחוץ ל- Oracle Autonomous Data Warehouse, וכן להפעיל אנליטיקת טקסט קוגניטיבית. למפתחי יישומים יש נקודות קצה REST קלות לשילוב עבור כל פונקציונליות.
תמיכה בגרף מאפיין (Property Graph): גרפים עוזרים לנתח קשרים בין ישויות וליצור להם מודל (למשל, גרף רשת חברתית). מעתה יוכלו המשתמשים ליצור גרפים בתוך מחסן הנתונים שלהם, לחקור גרפים באמצעות PGQL (property graph query language) ולנתח גרפים, בעזרת למעלה מ-60 אלגוריתמים לניתוח גרפים הנכללים בזיכרון. ,
ממשק המשתמש Graph Studio :Graph Studio מתבסס על יכולות של גרף מאפיין ב- Oracle Autonomous Data Warehouse , כדי להקל על ניתוח גרפים למתחילים. הוא כולל מידול אוטומטי, הדמיה משולבת ותזרימי עבודה מתוכנתים למקרי שימוש שונים.
הכתבות החמות
תגובות לכתבה(1):
תגובתך התקבלה ותפורסם בכפוף למדיניות המערכת.
תודה.
לתגובה חדשה
תודה.
לתגובה חדשה
תגובתך לא נשלחה בשל בעיית תקשורת, אנא נסה שנית.
חזור לתגובה
חזור לתגובה
-
1.ללא ספק - אורקל זו הפלטפורמהיהודה 04/2021/04הגב לתגובה זו0 0החברה מבינה בדטה ורואים את זה בכל דבר שהיא עושה, שאפו ותמשיכו כךסגור