Oracle Autonomous Data Warehouse, il primo e unico data warehouse in cloud di Oracle che si autogestisce (NdR e una delle tre soluzioni di Autonomous Database, insieme ad Autonomous Transaction Processing e Autonomous JSON Database) si rinnova con il lancio della nuova versione che trasforma in maniera radicate il data warehousing in cloud regalando un’esperienza d’uso point-and-click che lo rendono utilizzabile da data analyst, data scientist non professionisti (“citizen data scientist”) e utenti business. Il software funziona in maniera intuitiva con una user experience simile a quella offerta dalle applicazioni SaaS.
L’approccio “Zero-Administration” insito in Oracle Autonomous Data Warehouse consente alle organizzazioni di ridurre la spesa e ottenere molto più valore dai dati grazie alle accresciute capacità di estrapolare valore dai dati stessi.
Le novità
Le più recenti innovazioni introdotte in Oracle Autonomous Data Warehouse creano una piattaforma dati unificata, con cui le aziende possono acquisire, trasformare, conservare e governare tutti i loro dati da qualsiasi fonte ed eseguire carichi di lavoro analytics diversificati, con sistemi dipartimentali, data warehouse aziendali, data lake. Strumenti semplici e integrati offrono un’interfaccia intuitiva drag-and-drop, che rende più facile per gli analisti caricare, trasformare, ripulire i dati, così come creare automaticamente modelli di business e scoprire automaticamente pattern che possano generare nuove informazioni.
Oracle ha anche introdotto strumenti self-service rivolti sia ai data analyst sia ai citizen data scientist, con cui si possono preparare facilmente dei data-set, costruire modelli di machine learning guidati da AutoML e distribuire i modelli così sviluppati.
Per dare agli sviluppatori la capacità di creare applicazioni data-driven, Oracle offre Oracle APEX (Application Express) Application Development un tool di sviluppo applicativo low code integrato direttamente nel database, e servizi RESTful che rendono semplice l’interazione tra qualsiasi applicazione moderna e i dati contenuti nel warehouse.
A differenza dei database in cloud single-purpose offerti da altri fornitori, Oracle Autonomous Data Warehouse supporta specifiche multi-modello, multi-workload e multi-tenant – tutto all’interno di un unico motore database convergente – che comprende documenti JSON, database e servizi operativi e analitici, grafi, Machine Learning e blockchain.
“Oracle Autonomous Data Warehouse è oggi l’unico data warehouse in cloud totalmente autogestito” spiega Andrew Mendelsohn, Executive Vice President, Database Server Technologies, Oracle. “Con questa nuova generazione di Autonomous Data Warehouse offriamo un insieme di strumenti no-code facili sa usare, che danno ai business analyst la capacità unica nel suo genere di diventare citizen data scientist, data engineer, sviluppatori”.
Le opinioni dei clienti
Soddisfazione si respira anche tra i clienti della nuova release della soluzione software per il data warehousing proposta da Oracle.
Frank Hoogendoorn, Chief Data Officer, MineSense, afferma: “Con Oracle Autonomous Data Warehouse e APEX, ho un motore database di altissimo livello, scalabile, super sicuro, super potente, ma non solo: con i tool di sviluppo applicativo integrati posso anche creare e distribuire applicazioni in modo quasi immediato, per dare alle persone accesso ai dati. Non conosco nessun’altra piattaforma in cui possa fare tutto questo con immediatezza”.
“Disporre di strumenti innovativi per caricare i dati integrati direttamente in Oracle Autonomous Data Warehouse dovrebbe farci risparmiare una quantità enorme di tempo” commenta Derek Hayden, SVP of Data Strategy and Analytics, OUTFRONT Media. “L’estrazione, trasformazione e caricamento dichiarativa (ELT) con la funzionalità drag-and-drop ci permetterà di caricare e trasformare rapidamente diversi tipi di dati e vederne le correlazioni grazie alle capacità di auto-insight”.
“Oracle Autonomous Data Warehouse ha ridotto il time-to-market di un nostro tipico progetto di data warehousing da tre mesi a tre giorni, offrendo allo stesso tempo insight più approfondite e più fruibili” conclude Steven Chang, CIO, Kingold. “Poter cogliere i vantaggi di una maggiore automazione nell’acquisizione e trasformazione dei dati, nella costruzione di modelli di business e nell’ottenere informazioni azionabili è un’ottima notizia e non vediamo l’ora di usare queste funzionalità”.
Il commento degli analisti
“Le nostre analisi, basate su interviste con vari clienti del mondo, mostrano che i clienti di Oracle Autonomous Data Warehouse hanno ottenuti all’incirca una riduzione del -63% del TCO, e hanno incrementato del +27% la produttività dei loro team di data analytics, raggiungendo il break-even rispetto al loro investimento, in media, nel giro di cinque mesi” spiega Carl Olofson, Research Vice President, Data Management Software, IDC. “Questo ROI include un significativo aumento di produttività dei team dedicati al database, alle analytics, allo sviluppo. Anche se i risultati per i singoli clienti possono variare, i vantaggi evidenziati in questo studio sono indicativi del tipo di miglioramenti che ci si può attendere. Con questi nuovi strumenti intuitivi integrati in Oracle Autonomous Data Warehouse ci possiamo ragionevolmente attendere che il guadagno in produttività sia ancora più grande, con un ritorno sull’investimento più elevato”.
“Oracle Autonomous Database in tutte le sue espressioni continua ad affermarsi, senza che ci sia una vera risposta dai concorrenti anche dopo tre anni dal suo ingresso sul mercato” dice Holger Mueller, Vice President and Principal Analyst di Constellation Research. “Adesso Oracle aggiunge altri elementi che dimostrano la sua leadership in questo campo, con innovazioni in Oracle Autonomous Data Warehouse che mirano a democratizzare tutti gli aspetti di analytics e machine learning eliminando la necessità per gli utenti di conoscere il linguaggio SQL. Oracle offre invece interfacce utente di tipo drag-and-drop e AutoML, per costruire e testare modelli di machine learning; gli utenti di tipo business possono esplorare i dati in autonomia senza dipendere da personale IT come ad esempio amministratori di database o di sistema per gestirli. Il tutto si fonda sul database convergente Oracle (“Converged Database”), che offre agli utenti accesso unificato a tutti i modelli e tipi di dati”.
“Oracle continua a semplificare in modo molto significativo la vita di tutti coloro che si occupano di dati e del loro valore” afferma Mark Peters, Principal Analyst & Practice Director, Enterprise Strategy Group. “Dopo aver iniziato aiutando amministratori di database e di sistema con il suo Autonomous Database che si auto-gestisce, Oracle adesso sta estendendo di molto i vantaggi di produttività ed efficienza del suo Autonomous Data Warehouse, così che tutti – dai data analyst ai citizen data scientist fino agli utenti aziendali, possano sfruttarlo in modo semplice e a loro familiare. L’interfaccia utente drag-and-drop e le interfacce low-code semplificano tutto il processo: dal caricare e analizzare i dati al creare modelli di machine learning. Mentre i concorrenti di Oracle – che richiedono ancora competenze tecnologiche estese, strumenti di terze parti, operazioni manuali per recuperare i dati da database esterni – hanno ancora del lavoro da fare per rispondere meglio alle necessità del personale non tecnico, Oracle è già arrivata a farlo”.
“L’obiettivo dell’automazione IT è rimuovere l’IT dai flussi di lavoro quotidiani e permettere alle linee di business di lavorare direttamente per definire e cercare i dati rilevanti per loro” afferma David Floyer, CTO & Cofounder, Wikibon. “Oracle Autonomous Data Warehouse adesso permette agli utenti di usare tecnologie low-code e drag-and-drop per definire i requisiti in termini dati di un’ampia varietà di strumenti utilizzati dagli utenti finali, quali Tableau e Qlik. ADW ha migliorato le analytics spaziali, i grafi e il Machine Learning disponibili on-premise o in cloud pubblici, con migliori performance in tempo reale. Oracle è tornata a essere ‘cool’, ora”.
“Mentre alcuni altri fornitori di data warehouse in cloud stanno ancora cercando di capire come creare una buona integrazione con il machine learning, Oracle ha alzato di parecchio l’asticella” conclude Marc Staimer, President, Dragon Slayer Consulting e Wikibon analyst. “Oracle Autonomous Data Warehouse ora include anche Auto-ML, e fin dall’inizio prevedeva funzionalità per il machine learning integrate; ora però tutto questo è stato automatizzato, così che i clienti possano usarlo senza competenze specialistiche. Questo fa sembrare le altre offerte, a confronto, rudimentali e primitive”.
Le innovazioni di Autonomous Data Warehouse
Quest’ultima versione di Autonomous Data Warehouse comprende molte innovazioni; troviamo non solo un ampio insieme di funzionalità che rendono più semplice per analisti, non professionisti e sviluppatori delle line-of-business sfruttare tutti i vantaggi del primo e unico data warehouse in cloud che si autogestisce – ma anche funzionalità per ottenere analisi più approfondite e una più stretta integrazione con i data lake.
Le principali novità sono le seguenti:
Strumenti integrati per i dati: i business analyst ora hanno un ambiente semplice e self-service per caricare i dati e renderli disponibili al team esteso per lavorarci in modo collaborativo. Possono caricare e trasformare i dati dal loro laptop o dal cloud, semplicemente con un drag-and-drop. Possono generare automaticamente modelli di business; scoprire velocemente anomalie, valori fuori scala e pattern nascosti nei dati; comprendere le dipendenze tra i dati e l’impatto dei cambiamenti.
Interfaccia Utente (UI) Oracle Machine Learning AutoML: automatizzando i passaggi della creazione di modelli di machine learning che richiedono più tempo, l’interfaccia utente AutoML no-code rende i data scientist più produttivi, migliora l’accuratezza dei modelli e permette anche a personale non esperto di sfruttare il machine learning.
Oracle Machine Learning per Python: i data scientist e gli altri utenti Python possono ora usare questo linguaggio per applicare il machine learning ai dati custoditi nel data warehouse, sfruttando pienamente le capacità parallele e ad alte prestazioni e gli oltre 30 algoritmi di machine learning nativi di Oracle Autonomous Data Warehouse.
Oracle Machine Learning Services: i team DevOps e di data science possono applicare e gestire modelli in-database nativi e modelli di classificazione e regressione in formato ONNX al di fuori di Oracle Autonomous Data Warehouse, e possono anche invocare l’analisi cognitiva del testo. Gli sviluppatori di app hanno endpoint REST facili da integrare per tutte le funzionalità.
Supporto Property Graph: i grafi aiutano a modellare e analizzare le relazioni tra varie entità (ad esempio il grafo di un social network). Gli utenti ora possono creare grafi nei loro data warehouse, interrogare i grafi usando PGQL (property graph query language) e analizzarli con oltre 60 algoritmi di analisi dei grafici in-memory.
Graph Studio UI: Graph Studio si basa sulle funzionalità per grafi proprietarie di Oracle Autonomous Data Warehouse per rendere l’analisi dei grafi più semplice per i principianti. Include la modellazione automatizzata, la visualizzazione integrata e flussi di lavoro precostituiti per diversi casi d’uso.
Accesso immediato ai data lake: Oracle Autonomous Data Warehouse amplia la sua capacità di query sui dati in Oracle Cloud Infrastructure (OCI) Object Storage e in tutti gli object store in cloud più diffusi, con tre nuove funzionalità per i data lake, ovvero il querying facilitato dei dati in Oracle Big Data Service (Hadoop); l’integrazione con OCI Data Catalog per semplificare e automatizzare la data discovery nell’object storage; il processing scale-out per accelerare le query su grandi data-set in object storage.
