Esta arquitectura demuestra las capacidades de un data lake en la nube mediante los servicios de Oracle Data e AI para procesar datos de una amplia gama de recursos de datos empresariales. Utilice esta arquitectura para aprovechar los datos de análisis de negocio y aprendizaje automático. Los datos se pueden detectar desde varios orígenes, tanto dentro como fuera de Oracle, y luego se pueden ingerir para su transformación. Para transformar los datos no procesados en datos medibles y procesables, es necesario que los datos se procesen en diversas etapas:

1. Detectar
2. Ingestión
3. Transformar
4. Curate
5. Analizar, aprender y predecir
6. Medir acción de &

Las siguientes funciones abarcan toda la región de Oracle Cloud Infrastructure (OCI):

• Gobernanza
• Seguridad, identidad y gestión de acceso de &
• FastConnect local permite la transferencia de datos en línea con funciones de recursos informáticos flexibles y almacenamiento flexible de OCI
• La asociación de Oracle con la interconexión con Azure permite la migración a la nube y la creación de aplicaciones nativas en la nube.

La región se divide en capas funcionales que albergan componentes físicos o funcionales:

• Etapa de detección: puede detectar datos de una amplia gama de orígenes, como aplicaciones empresariales, Azure y otras bases de datos, Oracle Data Cloud, archivos web, flujos de eventos, sensores y medios, o almacenes de objetos de archivos.
• Capa de refinería de datos: los datos pasan por la etapa de ingestión de esta capa.

  • Los servicios de ingestión por lotes (integración de datos de OCI, ODI y herramientas de base de datos) consumen datos de la aplicación. Oracle Autonomous Data Warehouse consume datos de aplicaciones refinados. El almacenamiento en la nube en la capa Data Persistence Platform consume datos sin procesar.
  • La captura de datos de cambios (GoldenGate y ODI) y la transferencia en bloque (FastConnect Data Transfer, MFT, CLI) permiten que los datos no procesados pasen de todas las rutas de refinería de datos al almacenamiento en la nube en la capa de procesamiento y persistencia de datos.
  • El servicio Streaming Ingest (Streaming Service, Big Data Service) consume los datos del flujo de eventos. El servicio Streaming Processing (GoldenGate Stream Analytics) consume los datos de flujo y los transfiere al almacenamiento en la nube en la capa Data Persistence & Processing.

• Capa de procesamiento y persistencia de datos: los datos pasan por las etapas de transformación y curación. Esta capa facilita la navegación de datos para mostrar la vista de negocio actual.

  La capa de procesamiento y persistencia de datos estructura los datos según si la tecnología de base de datos que utilice es relacional o no relacional. Governance (Data Catalog) se aplica a los datos de la aplicación y a los datos sin procesar cuando pasan por esta capa.

• Acceda a la capa de interpretación de &: los datos pasan por la etapa de análisis, aprendizaje y predicción. Esta capa hace que los datos estén listos para el acceso y la interpretación mediante análisis, aprendizaje automático y servicios de IA como la detección de anomalías. Puede visualizar datos de aplicaciones refinados mediante el servicio Oracle Analytics Cloud. Los científicos de datos pueden aprovechar los servicios de aprendizaje automático (Data Science, blocs de notas de OML, OML) para crear y entrenar modelos con una interfaz de usuario familiar. El aprendizaje automático consume datos sin formato que se pueden utilizar para modelos de formación. Los servicios de análisis de flujo (GoldenGate Análisis de flujo) proporcionan visualizaciones de datos para que los datos estén disponibles para el acceso y la interpretación.

  Los desarrolladores pueden utilizar las API disponibles a través de un gateway de API y funciones para crear sus propias aplicaciones y aprovechar los datos no procesados mediante el aprendizaje automático y los servicios de IA.

• Etapa Medir & Act: Oracle Applications Data Warehouse puede aprovechar los datos analizados, usarlos, aprender de ellos y predecir resultados. Analítica aumentada, paneles de control e informes, modelos de aprendizaje automático, aplicaciones basadas en datos, servicios habilitados con IA y todos los beneficios mediante el uso de mediciones y el uso de las predicciones. Las organizaciones pueden monetizar los datos tomando decisiones empresariales basadas en datos mediante aplicaciones basadas en datos. Pueden formar modelos de aprendizaje automático, crear paneles de control e informes y realizar análisis aumentados.