組織若能夠透過其資料成功地產生業務價值，便能超越同行。 Aberdeen 調查問卷顯示實作資料湖的組織，其機能性收入增長比其他同類型的公司高出 9%。 這些領導者能夠透過日誌檔案、點擊流資料、社交媒體，以及存放在資料湖中的網際網路連線裝置等新來源，進行機器學習之類的新類型分析。 資料湖 透過吸引和留住客戶，提高效率，主動維護裝置，以及做出明智的決策，這可協助他們更快地確定業務機會並採取行動。
對客戶提供智慧型手機 App 的公司，在客戶使用該應用程式時，可能會即時或接近該 App 的資料接收。 但它可讓行銷部門對業務進行精細的監控，並創造特殊、獎勵、折扣及微促銷活動。 電信電信提供者運用今天產生的前所未有的磁碟區和各種資料，透過 ETL 解決方案加強對資料的管理及了解。
資料湖: 資料湖庫 vs. 資料湖與資料倉儲
由於具備這些功能，資料倉儲可被視為組織的單一真實資訊來源。 資料湖可讓組織儲存大量的結構化和非結構化資料 (例如，從社群媒體或按一下串流資料)，並且立即將它提供給即時分析、資料科學及機器學習使用案例。 透過資料湖，資料會以其原始形式擷取，無須進行更改。 由於資料湖庫整合了資料倉儲和資料湖的功能，因此它是許多不同工作負載的理想解決方案。 從業務報告到資料科學團隊到分析工具，資料湖庫的固有特質可以支援組織內的不同工作負載。 資料倉儲通常提供資料管理功能，例如資料清除、ETL 和綱要強制實行。
然而，資料倉儲要求您在儲存資料之前設計結構描述。 其可存放非結構化和半結構化資料，例如 Web 伺服器日誌、點擊流、社交媒體和感應器資料。 您可以隨時隨地擷取資料，將其轉換為結構化格式，然後將其載入您的倉儲。 將資料轉變成高價值的商業資產，推動數位轉型。 將雲端優點與資料湖泊相結合，可提供推動轉型的基礎。 雲端資料湖泊允許公司將分析應用於歷史資料，以及日誌檔案、點擊流、社群媒體、網際網路連線裝置等新資料來源，以獲取可據以行動的洞察。
資料湖: 開始使用 OCI 上的資料湖
在 Databricks Delta Lake 資料湖倉的案例中，來自資料倉儲的結構化資料通常會添加至資料湖中。 對此，資料湖倉加入了優化層，使資料能夠更廣泛地用於收集洞見。 在傳統的模式中，企業維持兩組系統，作為資料策略的一部分：一組帳務系統，用於運行業務，以及一組洞察系統（如資料倉儲），用於收集商業智慧（BI）。
此解決方案播放書提供關鍵服務的總覽，協助您在 OCI 資料湖 上建置和使用資料湖。 您也可以瞭解其他可用的服務，並可根據我們的部分否決模式與專家指引來設計您的資料湖解決方案。 業務團隊可以快速將不同來源和格式 (包括空間和圖表) 的所有必要資料結合在整合資料庫中，針對資料市集提供的單一真值來源進行安全地協同合作。
資料湖: 資料倉儲的演進 - 從資料分析到 AI 和機器學習
資料湖以相對較低的成本容納更大的資料量，尤其是對於大量影像和影片。 資料倉儲往往更可靠，因為您可以預先執行處理。 可以提前完成重複資料刪除、排序、彙總、驗證等多項功能，以確保資料的準確性。
資料倉儲和資料市集對於成功的企業來說至關重要。 透過 Oracle 整合資料庫、資料倉儲和資料湖，意味著使用單一 SQL 查詢，就能從多個位置存取資料。 目前的應用程式和工具可通透地存取所有資料，無需變更且無需學習新技能。 資料湖泊是一個中央資料儲藏庫，有助於解決資料孤立問題。
資料湖: 資料湖的定義
使用 BigQuery 可為您帶來多方面的協助，讓您透過即時的預測分析獲得深入解析，不僅能享有資料高度防護等級，並且可以輕鬆進行存取等。 Oracle Autonomous Data Warehouse 是一個簡單好用的全自治式資料庫，可彈性調整規模、提供快速查詢效能，而且無需進行資料庫管理。 資料湖2023 此外，也提供直接存取物件儲存體外部或混合分割表格的資料。 快速建立以 Hadoop 為基礎的資料湖或以 Spark 為基礎的資料湖，以擴充您的資料倉儲，並以符合成本效益的方式輕鬆存取及管理所有資料。
過往，Walgreens 曾試圖利用資料湖完成這項任務，但卻面臨了兩項重大障礙：成本及時間。 由於許多企業均試圖從龐大的資料中獲得分析知識，因此深明所面臨的種種挑戰。 最終結局是，企業獲取洞見的方式出現了典範轉移，即仰賴一種新的技術類別，協助企業將資料的價值最大化。 若要讓儲存在資料湖中的非結構化資料非常有用，您必須處理並準備該資料以供分析使用。 如果您缺少廣泛的資料工程資源，這通常會受到挑戰。 資料市集可讓您輕鬆存取組織內特定團隊或營業單位所需的資料。
資料湖: 架構
Ronthal 表示：「我們正朝著資料湖倉成為最佳實踐的方向前進，但每個人的演化速度各自有別。「在大多數的情況下，湖並無能力提供生產需求」。 在現今資訊快速流通的時代，巨量資料帶來效率與生產力的龐大效益無庸置疑，企業若能深入分析資料，就能發揮龐大的潛能，讓決策更精準、明確與迅速。 試試這個免費的資料湖研討會，其中示範典型的使用案例，並重點介紹一些可用來建置資料湖的工具。 「資料湖泊」一詞的演變，反映出具流動性且儲存資料量更大的概念，特別是與更孤立、定義明確且結構化的資料市集相比。
某些應用程式，例如大數據分析、全文搜尋和機器學習，即使資料是「半結構化」或完全非結構化也可以存取。 擷取、轉換、載入 資料湖 (ETL) 工具用於預先清除、篩選和建置資料集。 組織通常會使用擷取、載入、轉換 (ELT) 工具。
資料湖: 資料湖倉的崛起：資料價值的新時代
Hadoop 可以在多台電腦上輕鬆擴展，能夠容納幾乎任何大小的資料集，而且儲存和處理資料的方式為不斷擴展的資料儲存提供有吸引力的企業解決方案。 Hadoop 是開放原始碼架構，能夠處理儲存和剖析大量資料的所有元件。 低廉的入門成本和隨處可進行分析的能力促使這個架構成為處理大數據的絕佳方式。
資料湖支援營運報告和業務監控，需要立即存取資料和靈活分析，以瞭解當前業務正在發生的情況。 多個使用者和專案需要存放在資料倉儲中的資料。 因此，倉儲通常具有更長的使用壽命，並且本質上更複雜。
資料湖: 資料湖泊的類型
他們的人力資源決策和員工投入度面臨了阻礙，而公司也尋求了改善效率的解決方案。 整合 資料湖 Oracle Autonomous Data Warehouse 與 Generali 的資料來源，免除孤島，並為所有 HR 分析建立單一資源。 這提升了效率並提升了 HR 職員之間的生產力，讓他們能夠專注於增加附加價值的活動，而不是增加報告的流失。
大多數組織都有服務各種使用者的多個 DSS 環境。 儘管 DSS 環境會使用相同的大部份資料，但常會複製該環境資料的收集、清理和整合作業。 資料倉儲集中管理並整合來自於大量來源的大量資料。 其分析功能可讓組織從其資料中推知寶貴的資料見解，以改善決策制定。 資料倉儲會隨著時間建置對於資料科學家和商業分析師而言屬於無價之寶的歷史記錄。
資料湖: 資料湖上的更多資源
目標資料存放區可以是資料庫、資料倉儲或資料湖，視目標和技術實作而定。 資料倉儲受到控制和分類，資料湖則是所有資料的龐大自由流動轉儲。 所有資料都會儲存起來，無論是否已經過分析還是有用途的資料，或甚至是可能在某個時間點有用途的資料。 資料是以其原始格式匯入，只有在需要時才會予以分析。 由於 Hadoop 的硬體相當低成本，因此可以視需要輕鬆擴展以儲存或剖析大量資料。
- 一個 MySQL 的雲端資料庫服務，可用於跨資料倉儲和資料湖的交易、即時分析，以及機器學習，無需 ETL 複製的複雜性、延遲、風險和成本。
- 一般而言，資料湖庫會移除資料湖與資料倉儲之間的孤島牆。
- 這通常會導致人為錯誤、混淆、複雜的調節，以及多種事實來源，稱為「報紙夜間諜」。
- 對於因工作負載繁重而受困的 IT 團隊來說，設定資料市集也會非常重要，因為他們需要持續管理這些資料市集，並確保資料安全。
- 在傳統的模式中，企業維持兩組系統，作為資料策略的一部分：一組帳務系統，用於運行業務，以及一組洞察系統（如資料倉儲），用於收集商業智慧（BI）。
