Oracle Autonomous Data Warehouse si aggiorna e potrà essere gestito senza conoscere l'SQL

La nuova versione dell'Oracle Autonomous Database Warehouse punta tutto sulla semplificazione, democratizzando l'accesso ai dati e permettendo a tutti, anche chi è privo di competenze specifiche di SQL, di lavorare sui dati, scovando eventuali anomalie e accedendo con facilità a nuovi insight. Ma le novità non si limitano a questo, e sono stati introdotti nuovi strumenti per automatizzare i modelli di machine learning. 

Oracle Autonomous Database Warehouse: un database che tutti possono utilizzare

La gestione dei database è un aspetto molto delicato e complesso, che richiede l'intervento di personale esperto, prevalentemente sviluppatori, dotato di elevate competenze tecniche. Questo anche perché nella maggior parte dei casi, un database può essere utilizzato solo per uno specifico compito: se si guarda all'offerta dei principali player, a seconda dell'utilizzo che si deve fare dei dati (archiviazione documenti, identificare correlazioni, gestire dati in tempo reale) è necessario adottare un DB specifico per l'utilizzo. Se si desidera effettuare altre elaborazioni o trasformazioni su questi dati, è spesso necessario spostare i dati da un DB all'altro, fatto che allunga i tempi e incrementa i costi. 

Da tempo Oracle sta puntando alla semplificazione e con l'aggiornamento all'Autonomous Data Warehouse mette a disposizione un DB che include già tutti gli strumenti necessari per fare qualsiasi tipo di elaborazione, semplificando il lavoro degli ingegneri e consentendo di abbattere i costi, oltre che il tempo necessario all'elaborazione. Oracle si è spinta anche oltre, introducendo funzionalità self service di data management, che semplificheranno il lavoro e permetteranno anche a chi non ha competenze specifiche di effettuare interrogazioni. Parliamo dei citizen data scientist, cioè quelle figure che pur non sapendo scrivere codice né operare su modelli di machine learning, conoscono bene i problemi da affrontare e le risposte che vogliono ottenere. 

Con l'Autonomous Database Warehouse i dati si caricano col drag & drop

La novità più evidente è la semplicità con cui si possono caricare i dati: basta il semplice drag & drop, senza nemmeno dover definire il tipo di dato che si sta caricando. Sarà compito del DB comprendere di cosa si tratta e catalogarli correttamente. Fra le fonti supportate ci sono le piattaforme di cloud storage (inclusi gli AWS S3 e gli Azure Blob Storage), altri database Oracle, sia on-prem sia in cloud, ma anche i file dell'endpoint. Un passo avanti significativo: in precedenza, non era semplice svolgere queste operazioni in autonomia ed era necessario richiedere l'intervento di uno sviluppatore SQL. 

Una volta caricati i dati è poi possibile usare le funzioni di Autonomous Database Warehouse per generare in autonomia modelli di business, andare alla ricerca di anomalie nei set di dati, individuando pattern non subito evidenti, e sperimentando l'impatto di potenziali cambiamenti.

Non mancano novità per i più esperti, sempre nell'ottica della semplificazione, a partire dal supporto per Python nella programmazione dei modelli di machine learning per arrivare a quello dei Property Graph, che possono essere creati direttamente sul data warehouse tramite PGQL (Property Graph Query Language) per poi analizzarli attraverso i 60 algoritmi integrati. 

Semplificato anche l'accesso ai data lake, con l'introduzione di tre nuove funzionalità: 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.

"Oracle Autonomous Data Warehouse è oggi l’unico data warehouse in cloud totalmente autogestito" - spiega Andrew Mendelsohn, executive vice president, database server technologies di 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".

Un caso concreto: l'esperienza di MineSense

Chi non è addetto ai lavori difficilmente ha idea dell'importanza dei database in alcuni scenari. Un esempio concreto di come un database moderno possa dare una spinta alla produttività arriva da MineSens, cliente di Oracle specializzato nel settore dell'estrazione mineraria.

Per accelerare le operazioni di movimentazione del materiale, MineSense ha dotato ruspe e altri macchinari di sensori che analizzano in tempo reale il tipo di materiale caricato in quel momento, trasferendo le informazioni in tempo reale all'Autonomous Database Warehouse che analizza i dati, li confronta con quelli storici e offre indicazioni su dove posizionarli correttamente per separare il materiale utile dagli scarti di lavorazione. Parliamo di una lavorazione molto complessa a livello di dati, e MineSense dichiara che l'adozione del DB di Oracle le abbia permesso di velocizzare il tempo di sviluppo di nuove app da 6 settimane a una sola, grazie ai nuovi strumenti low-code.