Proseguendo nella sua spinta all’automazione dei sistemi informativi che passa da Autonomous Database e Autonomous Linux, Oracle ha presentato le attese novità per il suo Autonomous Data Warehouse, primo e unico data warehouse in cloud che si autogestisce, e che è disponibile sia su Oracle Public Cloud, sia nei data center privati grazie all’opzione Oracle Cloud@Customer.

Il parallelo con i veicoli a guida autonoma è stato fatto direttamente da Andrew Mendelsohn, Executive Vice President, Database Server Technologies di Oracle, durante la presentazione ufficiale, che è possibile rivedere in differita da questo link.

Breakeven vicino, ritorno immediato

ADW è una delle tre soluzioni di Autonomous Database, insieme ad Autonomous Transaction Processing e Autonomous JSON Database. ADW esiste da tre anni, ma siamo oggi in presenza di innovazioni che cambiano la prospettiva.

Le nuove funzionalità si uniscono alle precedenti, tra le quali va ricordata la capacità di scalare automaticamente i carichi di lavoro, pagando solo le risorse effettivamente necessarie.

IDC ha analizzato alcuni dei casi di studio di aziende che lo hanno adottato, rilevando un break even medio in 5 mesi e un ROI del 417%.

Un database a guida autonoma

Oracle Autonomous Data Warehouse è una soluzione di data warehouse basata su cloud che elimina tutte le classiche complessità di gestione di un data warehouse: provisioning, configurazione, sicurezza, ottimizzazione, scalabilità e backup.

La semplicità d’impiego nell’amministrazione, nell’integrazione di intelligenza artificiale e nella gestione da console lo rendono ancora più adatto a integrare in azienda qualsiasi tipo di dato, con grandi novità anche nella fruizione.

Oracle Autonomous Data Warehouse supporta specifiche multi-modello, multi-workload e multi-tenant. Si tratta di un unico motore database convergente che comprende documenti JSON, database e servizi operativi e analitici, grafi, machine learning e blockchain.

Con le più recenti innovazioni introdotte in ADW si può creare una piattaforma dati unificata. 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 e data lake.

Al riguardo, ben tre sono le nuove funzionalità per i data lake:

  • 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.

Tra le nuove funzionalità, grande interesse ha suscitato in particolare la gestione di dati spaziali, che descrivono situazioni distribuiti sul territorio. Soprattutto, è rilevante il meccanismo che individua nuove connessioni tra i dati: non solo la nuova analisi per grafi, ma anche le stesse funzioni di machine learning.

Strumenti per lo sviluppo

L’attenzione al personale non tecnico non porta al rallentamento di quella per i developer. Oracle APEX (Application Express) Application Development è un tool di sviluppo applicativo low-code integrato direttamente nel database. I servizi RESTful rendono semplice l’interazione tra qualsiasi applicazione moderna e i dati contenuti nel warehouse.

Python permette di 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. Sempre disponibile e centrale resta la funzione dell’SQL.

Parlando di grafi, poi, 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.

Machine Learning con AutoML

Una delle notizie forti è l’inserimento di nuove funzionalità che permettono a chiunque di adottare il machine learning. La piattaforma è ora abbastanza semplice sia per gli analisti di dati, sia per gli utenti aziendali.

L’interfaccia utente AutoML automatizza i passaggi della creazione di modelli di machine learning, risparmiando molto tempo. In questo modo i data scientist diventano più produttivi, anche tra i citizen data scientists.

oracle-autonomous-data-warehouse-citizen-analystL’approccio no-code permette anche a personale non esperto di sfruttare il machine learning, ma ovviamente è disponibile anche il classico coding con Python e relative librerie.

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.

Query semplificate

Il data warehouse contiene strumenti per un facile caricamento dei dati. In molti casi, dopo un drag’n’drop la trasformazione dei dati avviene automaticamente. Anche grazie a questo miglioramento, Oracle continua il suo percorso verso la convergenza al database unico. La dashboard di analisi dei dati e gli insight automatici permettono un controllo molto stretto dei risultati.

Graph Studio

Oracle ha anche aggiunto il supporto per l’analisi delle relazioni tra le entità. ADW gestisce più di 60 algoritmi grafici in memoria per eseguire l’analisi. Gli utenti possono creare grafi nell’interfaccia utente di Graph Studio, facile da usare anche per utenti non tecnici.

Le innovazioni di ADW sono molte e in questo articolo ne abbiamo scelte solo alcune. Maggiori informazioni sono disponibili sul sito di Oracle e anche in questo video tecnico su Youtube.