Starburst Funktionen

Sammelt, speichert und organisiert riesige, unstrukturierte Daten in Echtzeit

Erleichtert die Verbreitung der gesammelten Big Data in parallelen Rechenclustern

Erstellt ein Repository zum Sammeln und Speichern von Rohdaten von Sensoren, Geräten, Maschinen, Dateien usw.

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Erleichtert die Ausführung und Skalierung der Lösung auf einer großen Anzahl von Maschinen und Systemen

Kuratiert gesammelte Daten für Big-Data-Analyselösungen, um sie zu analysieren, zu manipulieren und zu modellieren

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Verlagerung der Big-Data-Erfassung und -Verarbeitung in die Cloud

Verarbeitet Batch-, Echtzeit- und Streaming-Daten-Workloads in einzelnen, mandantenfähigen oder Cloud-Systemen

Erleichtert die Analyse großer Datenmengen in Echtzeit.

Ermöglicht es dem Benutzer, Daten über Abfragesprachen wie SQL abzufragen.

Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus

Integriert Daten aus mehreren externen Datenbanken.

Erleichtert die Verbreitung der gesammelten Big Data in parallelen Computing-Clustern.

Verarbeitet Daten und stellt Interpretationen in einer Vielzahl von grafischen Formaten dar.

Reiht bestimmte Funktionen und Datasets aneinander, um Analyseiterationen zu automatisieren.

Isoliert bestimmte Datensätze und erleichtert die Verwaltung des Datenzugriffs.

Ermöglicht das Big-Data-Tool das Ausführen und Aufzeichnen von Daten in externen Anwendungen.

Verwenden von Notebooks für Aufgaben wie das Erstellen von Dashboards mit vordefinierten, geplanten Abfragen und Visualisierungen

Konsolidiert, bereinigt und normalisiert Daten aus mehreren unterschiedlichen Quellen.

Hilft bei der Einsparung von Speicherkapazität und verbessert die Abfrageleistung.

Eliminiert Dateninkonsistenzen und Duplikate und gewährleistet die Datenintegrität.

SQL-basierte Analysefunktionen wie Zeitreihen, Musterabgleich, Geodatenanalyse usw.

Bietet integrierte Funktionen wie Algorithmen für maschinelles Lernen, Datenaufbereitungsfunktionen, Modellauswertung und -verwaltung usw.

Ermöglicht die Datenabfrage über Datenformate wie Parquet, ORC, JSON usw. und die Analyse komplexer Datentypen auf HDFS

Lässt sich in Data-Science-Workflows, maschinelles Lernen und künstliche Intelligenz (KI) integrieren.

Lässt sich in BI-Tools integrieren, um Daten in umsetzbare Erkenntnisse umzuwandeln.

Bietet Geschwindigkeit bei der Datenverarbeitung und Erfassung von unstrukturierten, halbstrukturierten und Streaming-Daten.

Bietet On-Premise-Bereitstellungsoptionen.

Bietet Cloud-Bereitstellungsoptionen (Private oder Public Cloud, Hybrid Cloud).

Verwaltet riesige Datenmengen, die je nach Bedarf hoch- oder herunterskaliert werden können.

Richtlinien, Verfahren und Standards für die Verwaltung und den Zugriff auf Daten.

Schränkt den Datenzugriff auf Zellebene ein, maskiert oder verbirgt Teile von Zellen und verschlüsselt Daten im Ruhezustand und während der Übertragung

Ermöglicht Benutzern das Generieren von Text basierend auf einer Texteingabeaufforderung.

Fasst lange Dokumente oder Texte zu einer kurzen Zusammenfassung zusammen.