Cette architecture démontre les capacités d'un lac de données cloud à l'aide des services Oracle Data et AI pour traiter les données à partir d'une large gamme de ressources de données d'entreprise. Les données peuvent être découvertes à partir de différentes sources, tant à l'intérieur qu'à l'extérieur d'Oracle, puis être assimilées à des fins de transformation. La transformation des données brutes en données mesurables et exploitables nécessite le traitement des données à différentes étapes :

1. Repérer
2. Ingestion
3. Transformation
4. Organiser
5. Analyser, apprendre et prévoir
6. Mesure et action

Les fonctionnalités suivantes couvrent l'ensemble de la région Oracle Cloud Infrastructure (OCI) :

• gouvernance
• Sécurité, identité et gestion d'accès
• FastConnect sur site permet le transfert de données en ligne avec des fonctionnalités de calcul flexible et de stockage flexible d'OCI
• Le partenariat d'Oracle avec Azure Interconnect permet la migration vers le cloud et la création d'applications cloud natives.

La région est divisée en couches fonctionnelles hébergeant des composants physiques ou fonctionnels :

• Phase de repérage : vous pouvez repérer des données à partir d'un large éventail de sources telles que les applications Enterprise, Azure et d'autres bases de données, Oracle Data Cloud, Webclicks, Event Streams, Sensors et Media, ou les banques d'objets de fichier.
• Couche Data Refinery : les données passent par l'étape Ingest de cette couche.

  • Les services d'ingestion de lot (OCI Data Integration, ODI et Outils de base de données) consomment des données d'application. Oracle Autonomous Data Warehouse consomme des données d'application affinées. Le stockage cloud dans la couche Data Persistence Platform consomme des données brutes.
  • La modification de Data Capture (GoldenGate et ODI) et le transfert en masse (FastConnect Data Transfer, MFT, CLI) permettent aux données brutes de passer de tous les chemins de processus de raffinerie de données au stockage cloud dans la couche Persistance et traitement des données.
  • Le service Streaming Ingest (Streaming Service, Big Data Service) utilise les données du flux d'événements. Le service Streaming Processing (GoldenGate Stream Analytics) consomme les données de flux et les transfère vers le stockage cloud dans la couche Data Persistence & Processing.

• Couche Persistance et traitement des données : les données passent par les étapes Transformer et Courbes. Cette couche facilite la navigation dans les données pour afficher la vue métier actuelle.

  La couche Data Persistence & Processing structure les données selon que la technologie de base de données utilisée est relationnelle ou non relationnelle. La gouvernance (Data Catalog) s'applique aux données d'application et aux données brutes lorsqu'elles passent par cette couche.

• Couche d'accès et d'interprétation : les données passent par l'étape d'analyse, d'apprentissage et de prédiction. Cette couche préparer les données à l'accès et à l'intégration à l'aide des fonctionnalités d'analyse, d'apprentissage automatique et de services d'intelligence artificielle comme la détection d'anomalies. Vous pouvez visualiser des données d'application affinées à l'aide du service Oracle Analytics Cloud. Les experts en données peuvent tirer parti des services d'apprentissage automatique (Data Science, blocs-notes OML et OML) pour créer et entraîner des modèles avec une interface utilisateur familière. L'apprentissage automatique utilise des données brutes qui peuvent être utilisées pour les modèles de formation. Les services Streaming Analytics (GoldenGate Stream Analytics) fournissent des visualisations de données qui permettent d'accéder aux données et de les interpréter.

  Les API disponibles via une passerelle d'API et Functions peuvent être utilisées par les développeurs pour créer leurs propres applications et exploiter les données brutes à l'aide des services d'apprentissage automatique et d'IA.

• Etape Mesurer et agir : Oracle Applications Data Warehouse peut exploiter les données analysées, les utiliser, en tirer des leçons et prévoir les résultats. Analyses augmentée, tableaux de bord et rapports, modèles d'apprentissage automatique, applications basées sur les données, services compatibles avec l'IA et tous les avantages en utilisant les mesures et en agissant sur les prévisions. Les organisations peuvent monétiser les données en prenant des décisions commerciales basées sur les données à l'aide d'applications orientées données. Ils peuvent former des modèles d'apprentissage automatique, créer des tableaux de bord et des rapports, et des analyses augumentées.