A análise associativa combina informações de diversos canais para melhorar as taxas de conversão.

• Análise entre fontes

  Dados de CTR de anúncios armazenados no OBS e dados de registros de usuários mantidos no RDS podem ser consultados e armazenados diretamente sem migrá-los para o DLI.

• Apenas SQL é necessário

  As fontes de dados interconectadas mapeiam com uma tabela criada usando apenas instruções SQL.

Uma empresa de jogos precisa de uma plataforma de análise de dados qualificada para melhorar o posicionamento dos anúncios, a retenção de novos jogadores, as operações e os feedbacks para iterações de jogos futuras.

A análise de logs é geralmente realizada por período. Durante os períodos ociosos entre cada tarefa, os recursos são desperdiçados.

• Pagamento por uso e dimensionamento automático

  Dispense recursos ociosos com políticas de dimensionamento flexíveis e economize 50% dos custos de clusters exclusivos.

• Análise convergente

  Apenas uma única cópia de metadados atua para limpeza em tempo real e processamento de ETL offline. O resultado do processamento de dados pode ser usado diretamente em análises interativas para a mineração de dados.

Quando vários departamentos precisam gerenciar recursos de forma independente, o gerenciamento de permissões refinado melhora a segurança dos dados e a eficiência das operações.

• Atribuição de permissões simplificado

  Conceda permissões por coluna ou por operações específicas, como INSERT INTO/OVERWRITE, e defina os metadados como somente leitura.

• Gerenciamento unificado

  Uma única conta de IAM gerencia permissões para todos os usuários da equipe.

A análise do genoma depende de bibliotecas de análise de terceiros, fundamentadas na estrutura distribuída Spark.

-Habilidades técnicas avançadas são necessárias para instalar bibliotecas de análise como ADAM e Hail.

- Sempre que um cluster é criado, é preciso instalar essas bibliotecas de análise novamente.

• Imagens personalizadas

  Ao invés de instalar bibliotecas em um processo tecnicamente exigente, empacote-as em imagens personalizadas carregadas diretamente no Software Repository for Container (SWR). Ao usar o DLI para criar um cluster, as imagens personalizadas no SWR são obtidas automaticamente para que você não precise reinstalar essas bibliotecas.

• Imagens de base embutidas

  As imagens Spark e Flink otimizadas pela Huawei em diversas versões e imagens de IA de código aberto (TensorFlow/Keras/PyTorch) estão disponíveis para a sua conveniência.

Quase todos os aspectos dos serviços financeiros exigem gerenciamento e mitigação abrangentes de riscos.

Há pouquíssima tolerância a latências excessivas quando se trata de controle de riscos.

• Alta taxa de transferência

  Realize a análise de dados em tempo real no DLI com a ajuda de um modelo de fluxo de dados do Apache Flink, que mantém baixa latência. Uma única CPU é capaz de processar de 1.000 a 20.000 mensagens por segundo.

• Cobertura do ecossistema

  Salve fluxos de dados em tempo real em diferentes serviços em nuvem, como CloudTable e SMN, para abrangência de aplicações.

Com a epidemia de COVID-19 em todo o mundo, os governos precisam ser capazes de monitorar dados importantes de forma imediata.

Funcionários do governo não necessariamente têm experiência com Big Data. Geralmente, eles estão muito mais familiarizados com SQL.

• Respostas em milissegundos

  Graças ao seu poderoso framework computacional em memória, o mecanismo embutido openLooKeng otimiza o desempenho da consulta para obter análises interativas instantâneas.

• Compatibilidade convencional

  As consultas DLI usam a sintaxe SQL, para que a equipe não precise ter muita experiência com Big Data. Essa conhecida sintaxe é inteiramente compatível com o padrão ANSI SQL 2003.

Grandes volumes de dados incluem petabytes de imagens de satélite e muitos outros tipos como dados raster estruturados de sensoriamento remoto, dados vetoriais e dados de localização espacial não estruturados. A análise e a mineração de todos esses dados necessitam de ferramentas eficientes.

• Análises de dados espaciais

  Os operadores de algoritmo do Spark no DLI permitem o processamento de fluxo em tempo real e o processamento offline em lote. Eles oferecem suporte para grandes volumes de tipos de dados, incluindo dados estruturados de imagens de sensoriamento remoto, modelagem 3D não estruturada e dados de nuvem de pontos em laser.

• Processamento de eventos complexos (CEP) com SQL

  Você só precisa de declarações de SQL para detectar eixos verticais e utilizar geofencing.

• Processamento intensivo de dados

  Rapidamente migre até exabytes de imagens de sensoriamento remoto para a nuvem e fatie as imagens em fontes de dados com o objetivo de realizar o processamento distribuído em lote.