Esta arquitectura demuestra las capacidades de un lago de datos en la nube con los servicios de datos e IA de Oracle para procesar datos de una amplia gama de recursos de datos empresariales. Los datos se pueden detectar desde distintos orígenes, tanto dentro como fuera de Oracle, y después se pueden ingerir para la transformación. La transformación de los datos brutos en datos medibles y procesables requiere que los datos se procesen en varias etapas:

Detectar
Ingestión
Transformar
Moneda
Analizar, aprender y predecir
Medir y actuar

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

Gobernanza
Gestión de seguridad, identidad y acceso
FastConnect local permite la transferencia de datos en línea con funciones de recursos informáticos flexibles y almacenamiento flexible de OCI
La colaboración de Oracle con Azure Interconnect permite la migración a la nube y la creación de aplicaciones nativas de la nube.

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

Etapa de detección: puede detectar datos de una amplia gama de orígenes como Enterprise Applications, Azure y otras bases de datos, Oracle Data Cloud, clics 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 de lotes (integración de datos OCI, ODI y herramientas de base de datos) consumen datos de la aplicación. Oracle Autonomous Data Warehouse consume datos de aplicación refinados. El almacenamiento en la nube en la capa Data Persistence Platform consume los datos raw.
- La captura de datos de cambio (GoldenGate y ODI) y la transferencia masiva (transferencia de datos de FastConnect, MFT, CLI) permiten que los datos no procesados pasen de todas las rutas de la refinería de datos al almacenamiento en la nube en la capa de procesamiento y persistencia de datos.
- El servicio Streaming Ingest (Servicio de Streaming, Big Data Service) consume los datos de flujo de eventos. El servicio Streaming Processing (GoldenGate Stream Analytics) consume los datos de flujos 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 curva. Esta capa facilita la navegación de datos para mostrar la vista de negocio actual.

La capa Data Persistence & Processing estructura los datos en función de si la tecnología de base de datos que utiliza es relacional o no. Governance (Data Catalog) se aplica a los datos de la aplicación y a los datos no procesados cuando pasan por esta capa.
Capa de acceso e interpretación: 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 aplicación 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 conocida. El aprendizaje automático consume datos no procesados 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 y funciones de API para crear sus propias aplicaciones y aprovechar los datos no procesados mediante el aprendizaje automático y los servicios de IA.
Etapa de medida y acción: Oracle Applications Data Warehouse puede aprovechar los datos analizados, utilizarlos, aprender de ellos y predecir los resultados. Análisis aumentado, paneles de control e informes, modelos de aprendizaje automático, aplicaciones basadas en datos, servicios activados por IA y todos los beneficios mediante el uso de las medidas y el uso de las predicciones. Las organizaciones pueden monetizar los datos tomando decisiones empresariales basadas en datos mediante aplicaciones basadas en datos. Pueden entrenar modelos de aprendizaje automático, crear paneles de control e informes, y análisis aumentados.