Qu'est-ce qu'une plateforme de données cloud ?

Plateforme de données cloud

L'objectif principal d'une plateforme de données cloud est d'offrir à une entreprise un moyen plus facile d'utiliser ses données, tout en sécurisant ces données, en les gérant et en offrant une vue intégrée de celles-ci. Les plateformes de données cloud combinent :

  • Évolutivité plus simple et plus rapide
  • Entreposage de données
  • Lacs de données
  • Ingénierie des données
  • Science des données
  • Développement d'applications de données
  • Échange de données (partage sécurisé et utilisation de données partagées)

Compte tenu de la croissance rapide des données, ainsi que des différents types de données utilisées dans la prise de décisions commerciales, les entrepôts de données cloud doivent offrir une flexibilité et des options dont une variété d'entreprises peuvent tirer profit. Qu'il s'agisse de grandes sociétés multinationales ou de petites entreprises, tout le monde étudie ou utilise ces entrepôts de données cloud, car ils peuvent être des partenaires fiables et abordables pour la gestion des données.

Composants d'un entrepôt de données d'aujourd'hui


Intégration

Données en continu et par lots, sur site et dans le cloud


Entrepôt de données

Autonomie, conduite autonome, auto-sécurisation, auto-réparation


Lac de données

Lac de données basé sur le stockage d'objets, accès intégré à l'entrepôt de données


Analyses

Analyse et visualisation basées sur le ML ; narration automatique


Data Science

Machine learning, usage général et base de données

Avantages d'une plateforme de données cloud intégrée

La meilleure plateforme de données cloud devrait fournir une solution complète et intégrée pour :

Les clients peuvent ingérer n'importe quelles données par lots, en streaming ou en temps réel, les stocker dans des entrepôts de données ou des lacs de données, les cataloguer et les gouverner, les visualiser et les analyser, et construire et déployer des solutions de machine learning.

Grâce à une solution intégrée, le client peut appliquer des stratégies de sécurité à l'ensemble de l'entrepôt de données et du lac de données, ainsi qu'interroger de manière transparente le lac de données et l'entrepôt de données ensemble. La prise en charge intégrée des données multimodèles et de plusieurs charges de travail telles que le SQL analytique, le machine learning, les graphiques et les données spatiales au sein d’une instance de base de données réduit la complexité de l'intégration et l'administration nécessaires avec d'autres fournisseurs, tout en offrant une prise en charge des outils d'intégration et d'analyse tiers.



Mise en route facile

Avec une plateforme de données cloud, les entreprises peuvent se déployer en quelques minutes au lieu de plusieurs mois. Oracle fournit des interfaces utilisateur Web pour le provisionnement en libre accès, le chargement de données et l’analyse de données. Le provisionnement et l’analyse des données ne prennent que quelques minutes, aucune intégration n’est requise.

Les clients Oracle Database existants peuvent conserver les mêmes modèles de données, outils et ETL, ce qui simplifie la modernisation. Bien qu'il soit important de l'envisager, la mise en route est bien plus que le moment de provisionner un entrepôt de données opérationnel. Les applications, outils, processus ETL existants, et bien d'autres encore, doivent tous fonctionner avec la nouvelle plateforme de données cloud. Comme notre plateforme cloud est basée sur la même base de données sur site largement utilisée, la migration des clients de bases de données existantes est beaucoup plus simple.

Facile à utiliser et à sécuriser

Disposer d'une plateforme de données cloud qui fournit les outils nécessaires au développement, à l'intégration, à la surveillance et à la sécurité des applications, ainsi que la possibilité d'utiliser les analyses pour créer des informations précises, exploitables et transformationnelles peut s'avérer un défi. Chaque plateforme ne peut pas y parvenir. C'est pourquoi une approche sécurisée du cloud est essentielle, avec une sécurité intégrée dans chaque couche du cloud (jusqu'à la couche de la puce) et des services de sécurité distincts que les clients peuvent intégrer dans leurs applications cloud.

La gestion autonome permet aux clients d'exploiter des entrepôts de données hautement performants, hautement disponibles et sécurisés, tout en éliminant la complexité administrative et en réduisant les coûts. Cela permet, par exemple, aux différents secteurs d'activité de mettre en place leur propre entrepôt de données sans devoir faire appel à l'informatique pour le fournir et le faire fonctionner. Oracle Autonomous Data Warehouse automatise le provisionnement, la configuration, la sécurisation, le réglage, la mise à l'échelle, la sauvegarde et la réparation des entrepôts de données.

Facile à analyser

Les plateformes de données cloud doivent être dotées d'outils d'analyse puissants et faciles à utiliser, afin de permettre un meilleur service client et de créer de nouvelles sources de revenus. Nous fournissons des outils d'analyse intégrés, tels que des outils spatiaux et graphiques avec Autonomous Data Warehouse, une intégration facile avec Oracle Analytics Cloud, la prise en charge d'autres outils de veille stratégique (BI) courants et des services intégrés pour créer et déployer des modèles de machine learning. Cet ensemble complet d’outils et de services permet aux clients de créer des organisations agiles qui évoluent plus rapidement.

Pour moderniser et tirer le meilleur parti de vos données, les clients ont besoin de 4 points  :

Solution intégrée complète

Mise en route facile

image infographique

Facile à utiliser et à sécuriser

Facile à analyser

Plateforme de données cloud - Cas d’utilisation

  • Construire un centre de données : les analystes ont besoin d'un moyen efficace de consolider les données provenant de plusieurs feuilles de calcul et d'autres sources de données plates dans une source fiable, facile à maintenir et optimisée pour les requêtes. Grâce à une plateforme de données cloud, ils peuvent charger et optimiser les données provenant de plusieurs sources dans un entrepôt de données centralisé afin que les services puissent analyser les données et obtenir des informations exploitables.
  • Intégration aux applications stratégiques : charger et optimiser les données d'Oracle E-Business Suite et d'autres sources dans un entrepôt de données centralisé pour analyse afin que les services puissent obtenir des informations exploitables, et veiller à ce qu'il existe un moyen simple de rendre les résultats opérationnels et de les intégrer aux applications pour prendre des décisions basées sur les données.
  • Construire un entrepôt de données : les données sur les ressources humaines sont souvent distribuées dans plusieurs systèmes à travers l’entreprise et il peut s’avérer délicat de les intégrer et de les analyser pour produire des informations exploitables. Enrichir les données des applications d'entreprise avec des données brutes et des données d'événements pour produire des informations prédictives.
  • Intégrer un lac de données et un entrepôt de données : combiner les capacités d'un lac de données et d'un entrepôt de données pour traiter les données en continu et un large éventail de ressources de données d'entreprise et exploiter les données pour l'analyse commerciale et le machine learning.
  • Traiter et analyser les données de diffusion en continu avec le machine learning : traiter les événements et les données de journal en continu pour la maintenance prédictive. Appliquez des capacités avancées d’analyse et de data science pour comprendre le contexte d’un événement pouvant faire l’objet d’une action, avoir un aperçu et créer une réponse. Oracle Autonomous Database s'intègre bien à Oracle Analytics Cloud, ce qui vous permet de créer, de tester et de déployer des applications, tout en tirant parti des analyses graphiques et spatiales intégrées.

Base de données convergente

Les bases de données à usage unique, ou bases de données spécialisées comme on les appelle souvent, sont conçues pour aider à résoudre un ensemble restreint de problèmes. Leur simplicité signifie qu'elles font quelques choses très bien, mais d'autres pas du tout. Par exemple, de nombreuses bases de données à usage unique s'adaptent bien, car elles n'offrent aucune garantie de cohérence élevée.

Au début, les bases de données à usage unique semblent être une bonne option, car les développeurs obtiennent exactement ce dont ils ont besoin pour commencer un projet. Cependant, les exigences de développement changent en cours de projet et des besoins commerciaux imprévus apparaissent, ce qui place les développeurs devant une décision difficile : repartir de zéro avec une autre base de données à usage unique pour répondre aux nouvelles exigences ou contourner les limites de la base de données à usage unique d'origine, ce qui ajoute une complexité inutile. Et des tâches telles que l'établissement de rapports opérationnels deviennent très difficiles, voire impossibles, avec des données nécessaires réparties dans de multiples formats et différentes bases de données spécialisées.

La base de données convergée prend en charge nativement tous les types de données innovants intégrés à un seul produit. Les bases de données convergentes prennent en charge les données spatiales pour la localisation, les données graphiques pour la modélisation des relations, JSON pour les magasins de documents, l'IoT pour l'intégration des dispositifs, les technologies en mémoire pour l'analyse en temps réel et les données relationnelles traditionnelles. En prenant en charge ces différents types de données, une base de données convergente peut exécuter tous les types de charges de travail, de l'IoT et de la blockchain à l'analytique et au machine learning. Et en intégrant de nouveaux types de données et de charges de travail au sein d'une base de données convergente, vous pouvez prendre en charge différents types de charges de travail et de données plus simplement, sans avoir à gérer et à maintenir plusieurs systèmes, ni à assurer une sécurité unifiée entre eux. Grâce à la prise en charge des algorithmes de machine learning et des données graphiques dans la même base de données, vous pouvez facilement réaliser une ingénierie des caractéristiques avec l'analyse des graphiques, puis utiliser ces données pour enrichir vos données de machine learning. Il est ainsi plus facile et plus rapide de développer des applications axées sur les données.

Développement d'une plateforme de données cloud

Une plateforme de gestion de données cloud dotée d'un portefeuille étendu et approfondi au sein des applications, plateformes et de l'infrastructure offre à votre entreprise les outils et la possibilité de créer votre propre chemin vers un cloud performant. Ainsi, vous consacrez moins de temps à la maintenance informatique et davantage à l'innovation réelle, sachant que votre partenaire dispose des outils nécessaires pour répondre à tous vos besoins.

Le choix d’options de déploiement Cloud offre aux entreprises un contrôle et une flexibilité totales. Notre plateforme de données cloud permet aux clients de déployer et de gérer leurs applications respectives sur leur propre cloud privé, ou de déplacer ces charges de travail vers le cloud public. Il s'agit d'une migration transparente grâce à l'utilisation de technologies standard (mêmes normes, mêmes produits et gestion unifiée). De plus, notre solution Cloud@Customer offre des options supplémentaires en permettant aux entreprises de profiter de la puissance de notre cloud dans leurs pare-feu respectifs.

Nous changeons la façon dont les données sont gérées avec l'introduction de la première base de données autoguidée au monde. Notre technologie de base de données automatise la gestion des données pour offrir une disponibilité, des performances et une sécurité sans précédent grâce à l'intégration de l'intelligence artificielle et du machine learning. La solution Autonomous Database comprend trois éléments clés : l'infrastructure as a Service optimisée pour les bases de données, les opérations de base de données automatisées, l'optimisation et le machine learning des charges de travail basée sur des stratégies. Cette solution permet l'approvisionnement, l'application de correctifs, la mise à niveau et la sauvegarde en ligne ; la surveillance, la mise à l'échelle, le diagnostic des performances, le réglage et l'optimisation ; et le traitement automatique des défaillances et des erreurs. La solution Autonomous Database est fournie avec JSON, le machine learning, les analyses graphiques et les analyses spatiales, ce qui signifie que les utilisateurs n'ont pas besoin de déplacer des données et sont en mesure de travailler avec la même base de données pour répondre à plusieurs besoins.

La plateforme de données cloud est une solution intégrée qui prend en charge le machine learning, les analyses tierces et les applications ISV. Nous proposons une solution unique qui fournit une intégration autonome, un entrepôt de données, des lacs de données, des services d'analyse et une science des données pour permettre aux entreprises de tirer le maximum de valeur de leurs données. Cet entrepôt de données moderne simplifie tous les aspects des données, y compris l'assimilation, la transformation, le traitement, le repérage et l'analyse des données. Grâce à cet outil, les entreprises sont en mesure d'extraire la valeur la plus élevée de leurs données afin de mieux servir les clients aujourd'hui tout en recherchant l'innovation commerciale à l'avenir.