El análisis asociativo combina la información de múltiples canales para mejorar las tasas de conversión.

• Análisis entre fuentes

  Los datos de CTR de anuncios, almacenados en OBS, y los datos de registros de usuarios en RDS se pueden consultar directamente sin necesidad de migrar a DLI.

• Solo SQL

  Las fuentes de datos interconectadas, puede mapearse junto con una tabla creada únicamente con instrucciones SQL.

Las empresas de videojuegos necesitan una plataforma de análisis de datos de calidad para mejorar la publicación de anuncios, la retención de jugadores nuevos, las operaciones y los comentarios para futuras iteraciones de los juegos.

El análisis de logs suele realizarse por períodos. Durante los períodos de inactividad entre cada tarea, se desperdician recursos.

• Pago por uso y escalado automático

  Libere recursos inactivos con políticas de escalado flexibles y ahorre la mitad de los costes de los clústeres exclusivos.

• Análisis convergente

  Solo se necesita una copia de los metadatos para la limpieza en tiempo real y el procesamiento ETL fuera de línea. Los resultados del procesamiento de datos pueden utilizarse directamente en análisis interactivos para la minería de datos.

Cuando múltiples departamentos necesitan administrar recursos de forma independiente, la gestión de permisos de alta granularidad mejora la seguridad de los datos y la eficiencia de las operaciones.

• Asignación de permisos más sencilla

  Otorgue permisos por columnas o por operaciones específicas, como INSERT INTO/OVERWRITE, y configure los metadatos en modo de solo lectura.

• Gestión unificada

  Una sola cuenta de IAM gestiona los permisos para todos los usuarios del personal.

El análisis genómico requiere del uso de bibliotecas de análisis de terceros, basadas en el marco de trabajo distribuido de Spark.

- Se requieren grandes habilidades técnicas para instalar bibliotecas de análisis como ADAM y Hail.

- Cada vez que se crea un clúster, hay que volver a instalar estas bibliotecas de análisis.

• Imágenes personalizadas

  En lugar de instalar bibliotecas mediante un proceso exigente en términos técnicos, empaquételas en imágenes personalizadas que se cargan directamente en SoftWare Repository for Container (SWR). Cuando se utiliza DLI para crear un clúster, las imágenes personalizadas en SWR se extraen automáticamente para no tener que volver a instalar estas bibliotecas.

• Imágenes base incorporadas

  Las imágenes Spark y Flink mejoradas de Huawei (múltiples versiones) y las imágenes de IA de código abierto (TensorFlow/Keras/PyTorch) están disponibles para su conveniencia.

Casi todos los aspectos relacionados con los servicios financieros requieren la gestión y la mitigación exhaustivas de los riesgos.

Cuando se trata del control de riesgos, hay muy poca tolerancia a la latencia excesiva.

• Alto throughput

  El análisis de datos en tiempo real en DLI con la ayuda de un modelo de flujo de datos de Apache Flink mantiene baja la latencia. Una sola CPU procesa entre 1.000 y 20.000 mensajes por segundo

• Cobertura del ecosistema

  Guarde flujos de datos en tiempo real en múltiples servicios en la nube, como CloudTable y SMN, para una aplicación integral.

Con la COVID-19 presente en todo el mundo, los gobiernos deben ser capaces de monitorizar los datos clave en el momento en que se presentan los hechos.

Los empleados gubernamentales no están necesariamente capacitados en big data. SQL suele ser mucho más conocido.

• Capacidad de respuesta en milisegundos

  Gracias a su potente marco de cómputo en memoria, el motor integrado openLooKeng optimiza el rendimiento de las consultas para realizar análisis interactivos sobre la marcha.

• Compatibilidad general

  Las consultas de DLI usan sintaxis SQL, por lo que el personal no necesita estar especializado en big data. Esta sintaxis conocida es totalmente compatible con ANSI SQL 2003 estándar.

Volúmenes masivos de datos que incluyen petabytes de imágenes satelitales y muchos tipos de datos: datos rasterizados de teledetección estructurados, datos vectoriales y datos de ubicación espacial no estructurados. El análisis y la minería de todos estos datos requieren herramientas eficientes.

• Análisis de datos espaciales

  Los operadores de algoritmos de Spark en DLI permiten el procesamiento de flujos en tiempo real y el procesamiento por lotes fuera de línea. Admiten tipos de datos masivos, entre los que se incluyen los datos estructurados de imágenes de teledetección, el modelado 3D no estructurado y los datos de puntos láser en la nube.

• Funcionalidad de SQL CEP

  Instrucciones SQL son todo lo que se necesita para la detección de guiñadas y las geovallas.

• Procesamiento de datos pesados

  Migre rápidamente hasta exabytes de imágenes de teledetección a la nube y luego divídalas en fuentes de datos para realizar el procesamiento por lotes distribuido.