Oracle simplifica su almacén de datos autónomo para empresas

Ante el aumento de los almacenes de datos nativos en la nube, Oracle respondió hace tres años lanzando un almacén de datos autónomo, ADW, basado en su base de datos autónoma accesible en su nube pública de segunda generación (OCI Gen2). Con esta base de datos, el aprovisionamiento y la configuración están automatizados, al igual que el escalado, la copia de seguridad, la conmutación por error y la recuperación ante desastres. Los ajustes al funcionamiento de la base de datos (tuning) se realizan mientras está en ejecución, así como la aplicación de parches de seguridad. El hecho de que la propia base de datos se haga cargo de estas diversas tareas de administración, hasta entonces delegadas al DBA, permite a Oracle dirigirse a un mayor número de empresas. Pero la implementación de un almacén de datos sigue siendo difícil en su parte de aplicación para las empresas medianas que tienen pequeños equipos de TI y ningún científico de datos. Por lo tanto, Oracle ha buscado simplificar aún más el uso de ADW para poder abordar un mercado cada vez más grande, dijo Steve Zivanic, vicepresidente global de bases de datos y servicios autónomos, durante una conferencia de prensa en línea. presentando la nueva generación de la oferta ADW.

Entre los clientes de ADW, Oracle destaca los testimonios de Lyft (servicio VTC) y el grupo asegurador británico Aon. El primero apunta al interés de las capacidades del escalador automático para ajustar automáticamente la cantidad de CPU requeridas para evitar pagar por el servicio en caso de recursos inactivos. El segundo dice que ha acelerado los tiempos de respuesta a solicitudes complejas para 500 usuarios avanzados, ha mejorado la seguridad de la información de ventas confidencial y ha permitido a sus analistas comerciales ahorrar hasta 15 horas por semana en tareas que antes se dedicaban a los pagos. datos manuales. Con la última versión de ADW, Oracle apunta a dirigirse a empresas de todos los tamaños proporcionándoles una experiencia tipo SaaS que describe como "intuitiva y manejable con unos pocos clics", por especialistas en el campo. análisis de datos y por usuarios empresariales responsables del desarrollo de aplicaciones en modo low-code.

Usuarios empresariales con perfil técnico

Para construir un almacén de datos, generalmente debe diseñar el esquema de datos, crear las tablas de la base de datos usando SQL, cargar los conjuntos de datos en las tablas, limpiarlos y transformarlos. "Autonomous Data Warehouse fue una solución orientada a SQL, diseñada para usuarios técnicos que se sienten cómodos con las bases de datos relacionales", dijo George Lumpkin, vicepresidente, responsable de ADW, en una publicación. “Cuando comenzamos a imaginar la próxima generación de almacenamiento de datos en la nube, nos dimos cuenta de que no había ninguna razón por la que requeriría una gran experiencia en TI. Los almacenes de datos están diseñados para resolver problemas comerciales, proporcionar información detallada sobre los datos comerciales de una organización, y sus usuarios principales no son gurús de SQL, sino analistas de datos y profesionales comerciales en toda la empresa ”.

A partir de ahí, AWD ahora ofrece un conjunto de herramientas de autoservicio integradas que no se limitan a los especialistas en SQL, sino que están destinadas a usuarios comerciales que necesitan explotar funcionalidades analíticas o de desarrollo de aplicaciones sin estar al principio. especializado en estos campos. Sin embargo, tendrán que ser usuarios con un perfil bastante técnico, especifica George Lumpkin en su publicación.

AutoML simplifica el modelado de AA

Entre estas herramientas ahora integradas en ADW se encuentran Data Load, Data Transform, Business Model, Data Insights, Catalog, AutoML y Graph Studio. Se suman a los que ya existen: la hoja de trabajo SQL, los cuadernos de aprendizaje automático y la solución de desarrollo de código bajo Apex. Un ejemplo de simplificación con Load Data. Si bien la carga de datos generalmente se realiza a través de SQL, la herramienta Load Data ofrece una interfaz de usuario que simplifica la operación: por ejemplo, puede cargar un archivo local arrastrándolo y soltándolo en la herramienta y AWD lo interpreta automáticamente: establece las definiciones de la Tabla SQL con los nombres de columna y tipos de datos adecuados y carga los datos.

Con Data Load, la carga de datos se reduce para que el usuario arrastre el archivo de datos a la herramienta, asegura Oracle. Autonomous Data Warehouse se encarga de los detalles técnicos. (Crédito: Oracle)

Otro ejemplo de simplificación con AutoML. Autonomous Data Warehouse viene con 30 algoritmos de aprendizaje automático que supuestamente son operados por científicos de datos. AutoML está destinado a perfiles de usuario que son muy competentes en sus datos comerciales y los problemas comerciales a resolver, pero que no tienen formación en ciencia de datos. Les permite crear modelos de aprendizaje automático para aplicarlos a los problemas comerciales con los que están familiarizados, como identificar los prospectos más prometedores para las fuerzas de ventas. AutoML ayuda al usuario a seleccionar el algoritmo y los parámetros más apropiados en función de los datos proporcionados, sin necesidad de comprender el algoritmo.

Entre otras herramientas, Graph Studio proporciona un cuaderno integrado que proporciona capacidades de visualización de datos gráficos, por ejemplo, para comprender cómo interactúan los clientes para identificar personas influyentes o para detectar fraudes. En cuanto a la plataforma de desarrollo Apex, proporciona herramientas para construir aplicaciones basadas en Autonomous Data Warehouse.