Oracle biedt al geruime tijd semantische modelleringsmogelijkheden aan via de OAS Model Administration Tool: een volwassen, lang bestaand en krachtig tool dat volledige beheerde mogelijkheden voor gegevensmodellering biedt, waaronder uitgebreide zakelijke semantiek, gegevensbeheer en regels voor gegevensinteractie. Gegevens van uiteenlopende databronnen kunnen worden opgehaald, verwerkt en op diverse granulariteitsniveaus worden gepresenteerd.
De nieuwe Semantic Modeler van Oracle is een op de browser gebaseerd modelleringsinstrument dat volledig geïntegreerd is in Oracle Analytics. Deze browser based tool maakt gebruik van een op JSON gebaseerde Semantic Modeler Markup Language om de complexiteit van de gegevens te verbergen en zo meer flexibele bewerkingen en updates van semantische modellen mogelijk te maken. Dit opent het gebruik van de tool voor een breder scala aan gebruikers.
Deze whitepaper richt zich op het vergelijken van de twee Semantic Modeling tools. Laten we deze tools nauwkeuriger analyseren, hun functies vergelijken en beoordelen hoe ze zich verhouden tot de steeds complexere eisen van moderne organisaties.
Download de Whitepaper
Genetische algoritmes worden in veel domeinen toegepast, zoals engineering, financiën en biologie. Het genetische algoritme is een generiek model en kan toegepast worden op verschillende optimalisatieproblemen. Dit betekent dat er weinig diepgaande probleem specifieke aanpassingen nodig zijn.
Full Orbit heeft de ambitie zich te onderscheiden als een toonaangevende dienstverlener op het gebied van optimalisatieproblemen. Een casestudie over een auto oplaadnetwerk planning in Pennsylvania wordt in deze whitepaper gebruikt als voorbeeld om de werking en implementatie van een GA uit te leggen.
Download de Whitepaper
Data-applicaties bieden allerlei kansen voor bedrijven bij de ondersteuning van besluitvorming of als middel voor nieuwe producten en diensten. Bijvoorbeeld door met weerdata te voorspellen hoeveel zonne- en windenergie er opgewekt gaat worden, om zo het elektriciteitsnetwerk in balans te houden. Of het gebruiken navigatiedata die met de snelheid van auto’s voorspelt waar en hoelang de files zijn om zo alternatieve routes te kunnen suggereren. We maken, vaak zonder dat we het weten, dagelijks al gebruik van data-applicaties.
Hoe je jouw organisatie in de juiste positie kunt te brengen om ook data-applicaties te ontwikkelen en de voordelen ervan te benutten is het onderwerp van deze whitepaper.
Deze whitepaper beschrijft de best practices om data-applicaties te ontwikkelen en beheren (Ops), de levenscyclus van data-applicaties, de functionele bouwblokken die nodig zijn en het pad naar volwassen data-applicatie ontwikkeling binnen je hele organisatie.
De zakelijke behoeften evolueren snel. Digitalisering, Internet of Things (IoT) en sociale media creëren een grote verscheidenheid aan informatie waarvan bedrijven optimaal gebruik willen maken en waarmee ze beslissingsondersteunende modellen willen bouwen.
Veel traditionele datawarehouses kunnen niet voldoen aan de vereisten rondom modernisering, aangezien Big Data en realtime analyse een nieuwe manier van omgaan met gegevens vereisen. Met dit in gedachten wordt de behoefte aan een flexibel, betrouwbaar en schaalbaar Dataplatform steeds groter.
Deze whitepaper legt uit wat een modern dataplatform precies inhoudt, uit welke verschillende componenten het bestaat, en hoe de inzet van deze componenten analytische prestaties mogelijk maakt met een snelheid en schaalgrootte die voor legacy business intelligence- en datawarehouseplatforms niet haalbaar is.
Data-applicaties bieden rijke, snelle inzichten, in combinatie met automatisering en integratie. Zij stellen organisaties in staat compleet nieuwe bedrijfsmodellen te creëren, hun activiteiten te voorzien van ongekende niveaus van automatisering, en hun productiviteit aanzienlijk te verbeteren.
Download de WhitepaperDe wereld is constant aan het veranderen en er wordt steeds meer data verzameld en opgeslagen. Data Scientists zijn in staat om waardevolle inzichten uit deze grote hoeveelheden data te halen, en Data Science wordt daardoor steeds populairder. Helaas zijn er ook veel Data Science projecten die mislukken.
Hoe zorg je er nu voor dat je Data Science project succesvol verloopt? In deze whitepaper bespreken we de volgende zes belangrijke basisprincipes om een Data Science project succesvol te laten verlopen:
1. De doelstelling helder krijgen
2. Uitvoeren van een Exploratory Data Analysis
3. Algoritme selectie
4. Feature selectie
5. Model selectie: Hyperparameter Tuning & Cross Validation
6. Model Evaluatie
Steeds meer bedrijven passen Data Science of Machine Learning toe om voorspellingen te kunnen maken op basis van hun data. Echter, maar een klein percentage van deze initiatieven groeit uit tot een volwaardige eindproduct. Dat werpt de volgende vragen op.
Deze handleiding geeft meer inzicht in de levenscyclus van Data Science projecten en is gebaseerd op ervaringen met complexe data gedreven oplossingen.
Download de Whitepaper
Wil je meer weten over de waarde die Data Science je bedrijf kan bieden, en wat het verschil is ten opzichte van standaard Business Intelligence oplossingen? Download dan nu de Infographic.
Download de Infographic
Strategische besluitvorming is gebaseerd op accurate informatie. Door nauwkeurige data in een overzichtelijk format beschikbaar te hebben, kun je actiegerichte beslissingen nemen die van invloed zijn op de bedrijfsprestaties. In dit whitepaper laten we zien dat door het gebruik van Business Intelligence oplossingen, gecombineerd met een aantal best practices, je beter in staat bent om prestatiemetingen te tracken en meer waarde te halen uit de bedrijfsdata.
Download de Whitepaper