L'analyse associative combine des informations provenant de plusieurs canaux afin d'améliorer les taux de conversion.

• Analyse croisée des sources

  Les données CTR relatives à la publicité stockées dans OBS et les données relatives à l'enregistrement des utilisateurs dans RDS peuvent être interrogées directement sans migration vers DLI.

• Seul SQL est nécessaire

  Les sources de données interconnectées sont mises en correspondance avec une table créée à l'aide de simples instructions SQL.

Les entreprises de jeu-vidéos requièrent une plateforme d'analyse de données de qualité afin d'optimiser le positionnement des publicités, d'accroître la fidélisation des nouveaux joueurs, d'améliorer les opérations et de recueillir des retours d'informations en vue des futures itérations de jeux.

L'analyse des journaux est généralement effectuée par période. Pendant les périodes d'inactivité entre chaque tâche, les ressources sont gaspillées.

• Paiement à l'utilisation et mise à l'échelle automatique

  En adoptant des politiques de mise à l'échelle flexibles, il est possible de libérer les ressources inutilisées et de réduire de manière significative les coûts associés aux clusters exclusifs.

• Analyse convergente

  Une seule copie des métadonnées suffit pour le nettoyage en temps réel et le traitement ETL hors ligne. Le résultat du traitement des données peut être directement utilisé dans l'analyse interactive pour l'exploration de données.

Lorsqu'il est nécessaire que plusieurs services gèrent des ressources de manière indépendante, une gestion fine des autorisations permet d'améliorer à la fois la sécurité des données et l'efficacité des opérations.

• Attribution plus facile des autorisations

  Accordez des autorisations par colonne ou par opération spécifique, telle que INSERT INTO/OVERWRITE, et définissez les métadonnées en lecture seule.

• Gestion unifiée

  Un seul compte IAM gère les autorisations pour tous les utilisateurs du personnel.

L'analyse du génome repose sur des bibliothèques d'analyse tierces, qui sont construites sur l'infrastructure logicielle distribué Spark.

- Des compétences techniques élevées sont nécessaires pour installer des bibliothèques d'analyse telles que ADAM et Hail.

- Chaque fois que vous créez un cluster, vous devez réinstaller ces bibliothèques d'analyse.

• Images personnalisées

  Plutôt que d'installer des bibliothèques dans le cadre d'un processus techniquement exigeant, vous pouvez les intégrer dans des images personnalisées téléchargées directement dans le Software Repository for Container (SWR). Lorsque vous utilisez DLI pour créer un cluster, les images personnalisées dans SWR sont automatiquement extraites, de sorte que vous n'avez pas besoin de réinstaller ces bibliothèques.

• Images de base intégrées

  Des images Spark et Flink améliorées par Huawei (plusieurs versions) et des images IA open-source (TensorFlow/Keras/PyTorch) sont disponibles pour votre commodité.

Presque tous les aspects des services financiers nécessitent une gestion et une atténuation globales des risques.

En matière de contrôle des risques, la tolérance à l'égard d'une latence excessive est très faible.

• Haut débit

  L'analyse des données en temps réel dans DLI à l'aide d'un modèle de flux de données Apache Flink permet de réduire la latence. Un seul CPU traite de 1 000 à 20 000 messages par seconde.

• Couverture de l'écosystème

  Sauvegarde des flux de données en temps réel vers plusieurs services en cloud tels que CloudTable et SMN pour une application complète.

Dans un contexte où la COVID-19 fait rage dans le monde entier, les pouvoirs publics doivent être en mesure de contrôler les données clés au moment même où les choses se produisent.

Les fonctionnaires n'ont pas nécessairement beaucoup d'expérience en matière de Big Data tandis que SQL leur est généralement beaucoup plus familier.

• Réactivité en quelques millisecondes

  Grâce à son infrastructure logicielle de calcul en mémoire performant, le moteur intégré d'openLooKeng optimise les performances des requêtes, permettant ainsi une analyse interactive sur le moment.

• Compatibilité avec le marché général

  Les requêtes DLI utilisent la syntaxe SQL, de sorte que le personnel n'a pas besoin d'une formation en Big Data. Cette syntaxe familière est entièrement compatible avec la norme ANSI SQL 2003.

Les volumes massifs de données englobent des quantités de l'ordre des pétaoctets d'images satellites, ainsi que divers types de données, tels que des données matricielles de télédétection structurées, des données vectorielles et des données de localisation spatiale non structurées. L'analyse et l'exploitation de toutes ces données nécessitent des outils efficaces.

• Analyse des données spatiales

  Les opérateurs d'algorithmes Spark dans DLI permettent le traitement de flux en temps réel et le traitement par lots hors ligne. Ils prennent en charge un grand nombre de types de données, y compris les données d'images de télédétection structurées, la modélisation 3D non structurée et les données issues d'un nuage de points laser.

• Fonctionnalité SQL de CEP

  Des instructions SQL suffisent pour la détection de lacet et la gestion de géobarrières.

• Traitement de données lourdes

  Migrez rapidement des quantités d'images de télédétection pouvant aller jusqu'à des exaoctets vers le cloud, puis découpez-les en sources de données pour un traitement distribué par lots.