Llegamos a ustedes gracias a:



Noticias

Disponible la próxima generación de Oracle Autonomous Data Warehouse

[23/03/2021] Oracle ha anunciado un conjunto de mejoras innovadoras para Oracle Autonomous Data Warehouse. Según lo señalado, con esta última versión, Oracle va más allá de otras ofertas en la nube al transformar por completo el almacenamiento de datos en la nube, pasando de ser un complejo ecosistema de productos, herramientas y tareas que requiere amplios conocimientos técnicos, tiempo y dinero para realizar la carga de datos, la transformación y la limpieza de datos, el modelado empresarial y el aprendizaje automático, a una experiencia intuitiva de apuntar y hacer clic y arrastrar para los analistas de datos, los científicos de datos ciudadanos y los usuarios empresariales.

"Como resultado, Oracle Autonomous Data Warehouse permite a las organizaciones de todos los tamaños -desde las más pequeñas hasta las más grandes- obtener un valor significativamente mayor de sus datos, lograr resultados más rápidos, acelerar los conocimientos y mejorar la productividad al tiempo que se reducen los costes sin necesidad de administración, señaló Andrew Mendelsohn, vicepresidente ejecutivo de tecnologías de servidores de bases de datos de Oracle.

De acuerdo al ejecutivo, las últimas mejoras de Oracle Autonomous Data Warehouse proporcionan una única plataforma de datos construida para que las empresas puedan ingerir, transformar, almacenar y gobernar todos los datos para ejecutar diversas cargas de trabajo analíticas desde cualquier fuente, incluyendo sistemas departamentales, almacenes de datos empresariales y lagos de datos.

Añadió que los científicos de datos ciudadanos y los analistas también se beneficiarán del nuevo modelado de gráficos y análisis de gráficos de autoservicio. "Para que los desarrolladores puedan crear aplicaciones basadas en datos, Oracle ofrece Oracle APEX (Application Express) Application Development, una herramienta de desarrollo de aplicaciones de bajo código integrada directamente en su almacén de datos en la nube, así como servicios RESTful, que facilitan la interacción de cualquier aplicación moderna con los datos del almacén. A diferencia de las bases de datos aisladas y de propósito único de otros proveedores en la nube, Oracle Autonomous Data Warehouse ofrece soporte para los requisitos de múltiples modelos, cargas de trabajo y múltiples inquilinos, todo dentro de un único y moderno motor de base de datos convergente, que incluye bases de datos y servicios de documentos JSON, operativos, analíticos, gráficos, ML y blockchain, sostuvo Mendelsohn.

Nuevas innovaciones en Oracle Autonomous Data Warehouse

La última versión incluye muchas innovaciones, indicó el ejecutivo, señalando que éstas están orientadas a no solo un amplio conjunto de capacidades que facilitan a los analistas, científicos de datos ciudadanos y desarrolladores de línea de negocio aprovechar el primer y único almacén de datos autónomo en la nube de la industria, sino también características que ofrecen un análisis más profundo y una integración más estrecha del lago de datos. Las capacidades clave incluyen:

  • Herramientas de datos integradas: De acuerdo al ejecutivo, los analistas de negocio disponen ahora de un entorno sencillo y de autoservicio para cargar datos y ponerlos a disposición de su equipo ampliado para la colaboración. "Pueden cargar y transformar los datos desde su computadora portátil o desde la nube simplemente arrastrando y soltando. A continuación, pueden generar automáticamente modelos de negocio; descubrir rápidamente anomalías, valores atípicos y patrones ocultos en sus datos; y comprender las dependencias de los datos y el impacto de los cambios.
  • Oracle Machine Learning AutoML UI: Al automatizar los pasos que consumen mucho tiempo en la creación de modelos de aprendizaje automático, el ejecutivo señaló que la interfaz de usuario AutoML proporciona una interfaz de usuario sin código para el aprendizaje automático automatizado, con el fin de aumentar la productividad de los científicos de datos, mejorar la calidad de los modelos, y permitir que incluso los no expertos aprovechen el aprendizaje automático.
  • Oracle Machine Learning para Python: Los científicos de datos y otros usuarios de Python pueden ahora utilizar Python para aplicar el aprendizaje automático a los datos de su almacén de datos, aprovechando plenamente las capacidades paralelas de alto rendimiento y los más de 30 algoritmos nativos de aprendizaje automático de Oracle Autonomous Data Warehouse.
  • Oracle Machine Learning Services: Los equipos de DevOps y de ciencia de datos pueden desplegar y gestionar modelos nativos en la base de datos y modelos de clasificación y regresión en formato ONNX fuera de Oracle Autonomous Data Warehouse, y también pueden invocar el análisis cognitivo de textos. Los desarrolladores de aplicaciones disponen de puntos finales REST fáciles de integrar para toda la funcionalidad.
  • Soporte de gráficos de propiedades: Los gráficos ayudan a modelar y analizar las relaciones entre entidades (por ejemplo, un gráfico de red social). "Ahora los usuarios pueden crear gráficos dentro de su almacén de datos, consultar gráficos mediante PGQL (lenguaje de consulta de gráficos de propiedades) y analizar gráficos con más de 60 algoritmos de análisis de gráficos en memoria, anotó Mendelsohn.
  • Graph Studio UI: Graph Studio se basa en las capacidades de los gráficos de propiedades de Oracle Autonomous Data Warehouse para facilitar el análisis de gráficos a los principiantes. Incluye la creación automatizada de modelos de gráficos, cuadernos, visualización integrada y flujos de trabajo preconstruidos para diferentes casos de uso.
  • Acceso sin fisuras a los lagos de datos: Oracle Autonomous Data Warehouse amplía su capacidad de consulta de datos en Oracle Cloud Infrastructure (OCI) Object Storage y en todos los almacenes de objetos en la nube más populares con tres nuevas capacidades de lago de datos: consulta sencilla de datos en Oracle Big Data Service (Hadoop); integración con OCI Data Catalog para simplificar y automatizar el descubrimiento de datos en el almacenamiento de objetos; y procesamiento de escala para acelerar las consultas de grandes conjuntos de datos en el almacenamiento de objetos.