Esta arquitetura demonstra as habilidades de um data lake em nuvem usando serviços Oracle Data e AI para processar dados de uma ampla variedade de recursos de dados empresariais. Use essa arquitetura para aproveitar os dados para análise de negócios e aprendizado de máquina. Os dados podem ser descobertos de várias fontes dentro e fora da Oracle e, em seguida, ingeridos pela transformação. A transformação dos dados brutos em dados mensuráveis e acionáveis requer que os dados sejam processados em vários estágios:

Descobrir
Ingestor
Transformação
Curar
Analise, aprenda e & preveja
Meça e aja

Os seguintes recursos abrangem toda a região do Oracle Cloud Infrastructure (OCI):

Governança
Segurança, Identidade e Gerenciamento de Acesso do &
O FastConnect no local permite transferência de dados on-line com recursos de Computação Flexível e Armazenamento Flexível do OCI
A parceria da Oracle com o Azure Interconnect permite a migração para a nuvem e a criação de aplicativos nativos da nuvem.

A região é dividida em camadas funcionais que contêm componentes físicos ou funcionais:

Estágio de descoberta: você pode descobrir dados de uma ampla variedade de fontes, como Aplicativos Empresariais, Azure e outros bancos de dados, Oracle Data Cloud, Webclicks, Fluxos de Eventos, Sensores e Mídia ou Armazenamento de Objetos de Arquivos.
Camada do Data Refinery: Os dados passam pelo estágio Ingestão nesta camada.
- Os serviços de Ingestão de Lotes (OCI Data Integration, ODI e Ferramentas de BD) consomem dados de aplicativos. O Oracle Autonomous Data Warehouse consome dados refinados do aplicativo. O armazenamento em Nuvem na camada Plataforma de Persistência de Dados consome dados brutos.
- A Captura de Dados de Alteração (GoldenGate e ODI) e a Transferência em Massa (FastConnect Data Transfer, MFT, CLI) permitem que dados brutos se movam de todos os caminhos de refinaria de dados para o armazenamento na nuvem na camada de Processamento e Persistência de Dados.
- O serviço Streaming Ingest (Streaming Service, Big Data Service) consome os dados de Fluxo de Eventos. O serviço Streaming Processing (GoldenGate Stream Analytics) consome os dados de fluxo e os transfere para o armazenamento na nuvem na camada de Processamento e Persistência de Dados.
Camada de Persistência de Dados & Processamento: Os dados passam pelos estágios Transformar e Curates. Esta camada facilita a navegação de dados para mostrar a exibição de negócios atual.

A camada Processamento da Persistência de Dados & estrutura os dados com base em se a tecnologia de banco de dados que você usa é relacional ou não relacional. O serviço Governance (Data Catalog) se aplica aos dados do aplicativo e aos dados brutos quando eles passam por essa camada.
Camada de & Acesso à Interpretação: os dados passam pelo estágio Analisar, Aprender e Prever. Esta camada prepara os dados para acesso e integração usando o Analytics, o Machine Learning e o AI Services, como a Detecção de Anomalia. Você pode visualizar dados refinados do aplicativo usando o serviço Oracle Analytics Cloud. Os cientistas de dados podem aproveitar os serviços de Aprendizagem por Máquina (Data Science, Notebooks OML, OML) para criar e treinar modelos com uma interface de usuário familiar. O Machine Learning consome dados brutos que podem ser usados para modelos de treinamento. Os serviços do Streaming Analytics (GoldenGate Stream Analytics) fornecem visualizações de dados para disponibilizar os dados para acesso e interpretação.

As APIs disponíveis por meio de um API Gateway e Funções podem ser usadas pelos desenvolvedores para criar seus próprios aplicativos e aproveitar os dados brutos usando serviços de machine learning e AI.
Etapa Medir & Act: O Oracle Applications Data Warehouse pode aproveitar os dados analisados, usá-los, aprender com eles e prever resultados. Análise Avançada Ampliada, Painéis e Relatórios, Modelos de Aprendizagem por Máquina, Aplicativos Orientados por Dados, Serviços Habilitados por IA e todos os benefícios utilizando as medidas e agindo nas previsões. As organizações podem monetizar os dados, tomando decisões de negócios orientadas por dados usando aplicativos baseados em dados. Eles podem treinar modelos de machine learning, criar painéis de controle e relatórios, além de análises ampliadas.