甲骨文：一条发掘数据价值的通路

“甲骨文的业务增长是双引擎驱动的。所谓双引擎，第一个引擎当然是数据库，另一个就是云。”在日前的一次采访中，甲骨文公司副总裁及中国区技术平台总经理吴承杨分享了甲骨文2023财年第三季度（2022年12月-2023年2月）的财报：全球总营收是124亿美元，若按固定汇率计算同比增长 21%。其中，云服务业务营收达到了41亿美元，若按固定汇率计算增长为 48%；云基础设施营收为 12亿美元，若按固定汇率计算增长为57%。“我们深耕数据库领域已经超过45年，无论是国内还是国外，大量的企业都在使用Oracle数据库，所以数据库的业务增长依然非常强劲；现在，公有云业务也保持了40~50% 增长，且截至目前OCI已经在全球范围内拥有超过41个云区域，因此，云业务的发展也非常好。”吴承杨说。

甲骨文公司副总裁及中国区技术平台总经理吴承杨

如果认为说“甲骨文是云转型最成功的传统IT厂商”过于武断，那么说甲骨文是云转型最彻底和最果断的公司，绝对会得到绝大多数人的认可：从2010年完成软件云化，到2013年推出原生于云计算技术的云化数据库Oracle Database 12c，再到2013年正式推出SaaS服务，甲骨文在2015年宣称：要将甲骨文改造成一个由云计算技术驱动的软件公司，用5年时间全面、正式从战略层面进入到“云化”阶段，成为当时“业界唯一可以提供完整企业级IaaS、PaaS和SaaS产品与服务的云厂商”。

此后，基于云计算能力，甲骨文将传统数据库与新兴云计算进行了多次的融合创新，每次都能在行业内引起巨大的反响：2017年，甲骨文推出的一款号称无人驾驶的Oracle自治数据库（Oracle Autonomous Database）——与传统的数据库相比，Oracle自治数据库强调无需相关人力介入，即可在数据库运行的情况下，实现自动升级、微调、修补、更新、维护数据库与自行调整计算和存储资源：由于不会出现人为错误，也无需人工进行性能测试，因此如果采用该产品，可将代价高昂的计划性与非计划性停机时间缩短至一年30分钟以下。

随后，2019年，甲骨文又推出了基于自治数据库的Oracle业务数据平台（Oracle Autonomous Data Warehouse）；2020年，正式宣布推出Oracle专有云本地化解决方案（Oracle Dedicated Region Cloud@Customer）；2022 年 ，宣布推出融合数据库 Oracle Database 23c Beta。

“甲骨文作为数据库方面的领导者，我们在数据库技术有非常多的创新点。”李珈，甲骨文公司中国区技术咨询部高级总监在解读甲骨文在数据库产品技术创新时强调：所谓融合数据库（Converged Database）就是“把不同数据的类型都放在同一数据库中进行统一管理：“大家可能知道，业界有单独的分析型数据库，也有单独的交易型数据库，而甲骨文可以提供HTAP（Hybrid Transaction and Analytical Process）混合事务和分析处理能力——而且是10年前就已经有了，因此我们可以支持不同类型的工作负载。不仅如此，甲骨文也能够支持不同的数据类型、内置的Machine Learning（机器学习）的算法还能帮助企业用户对数据进行数据分析等等。”

甲骨文公司中国区技术咨询部高级总监 李珈

李珈尤其引用了IDC对Oracle 数据库23c 的 JSON Relational Duality 能力的一种说法：“Oracle JSON Relational Duality 是一个真正的革命性解决方案，这可能是信息科学领域近 20 年来非常重要的创新之一。”

“大家知道：以往在数据库领域，有关系型数据库，还有对象型数据库——Oracle就是关系型数据库的代表——此次通过Oracle 数据库23c 的 JSON Relational Duality，相当于把关系型和对象型之间的壁垒打破了。”李珈认为，打破两种类型数据库产品之间的应用壁垒，对于以往只能应用对象型数据库开发对象型应用的工程师而言，就不再需要MongoDB了，“因为MongoDB有一些痛点，比如说数据存储总是有冗余，更新代价非常大，且当数据量庞大时，数据库难以支撑……所有以上这些问题，利用Oracle 数据库23c都能解决，甲骨文都能应付得了的：数据处理能力、高可用、安全，完全可以支撑用户应用所需的性能要求。”

事实上，无论在技术领域做出多少的创新和突破，最终的目的都是要在具体的应用当中发挥更大作用。在数据库领域，更多的技术和产品创新，更多是希望帮助企业更多发掘现有数据的价值。其中的一个目标，就是通过对大量的数据的收集、管理和分析，为企业管理者的决策提供有的放矢的数据支持。

李珈分享了一项甲骨文在2023年年初的一项全球决策困境研究数据，其中根据来自于全球17个国家、总共14000份数据样本的统计结果显示：有 76% 的中国受访者表示，他们每天要做的决策的数量在过去3年当中增加了10倍。并且有超过一半的中国受访者（63%）认为他们每天要做的决策是超过100个的，而这个数据比全球数据高6个百分点（57%）。同时，有81%的中国受访者认为他们接受到更多渠道的数据轰炸，这个数据也是比全球数据要高3个百分点的（78%），因此，86%的中国受访者表示，庞大的数据量让他们的工作和决策的过程变得更加复杂。

一边的决策数量的激增；一边是大量信息和数据的涌现，于是，有37%的企业管理者难以分清数据的可信性，只能凭借直觉做判断，更有78%的决策者放弃做出决策。

“产生决策智能的关键要素，不是靠一种技术能够实现的，这是一门实践：需要通过技术的支撑，去理解数据，收集数据，对这些数据进行分析，进行挖掘，然后不断地产生企业的决策模型，并根据结果的反馈，去调优，去训练、修正模型——这才是一个改善决策智能关键要素的过程。”李珈强调，利用数据技术挖掘数据的价值驱动企业做出正确决定，实际上就是甲骨文不断将云计算、AI和机器学习融入数据库应用，并更新数据库技术和产品的目的：帮助企业真正建立一个能够支撑“决策智能”的数据平台和分析工具，如基于甲骨文数据库并内置了机器学习能力的Oracle 分析平台（Oracle Analytics Platform）。

“我们的做法，是让企业用户在今天使用数据库包括做决策的时候，能够足够简单：用最小的投入，让不懂数据库的人也能通过应用甲骨文的解决方案，得到最专业的结果。”吴承杨说。

写在最后

数据只有通过分析、挖掘得到有价值的结果，才能真正发挥其价值——这是所有对企业数字化转型抱有期望的用户的共识。而在当今的IT领域，对数据进行收集、管理、分析和应用，已经不是一个难以实现的目标，问题是：在一个机会窗口期稍纵即逝的年代，如果才能更有效率地完成整个过程？对于企业用户而言，要构建这样一个数据发掘的通路，需要考虑的选项还是相当多：诸如IT基础架构、数据类型、工作负载类型，甚至数据库本身的技术门类……而企业所面临的排列组合选项越多，实际上最终应用的技术门槛就越高，应用过程中效率就会越低，整合的成本越高，后续成长性也就越差。因此，搭建一个低门槛、维护成本低，且具有更多成长性的数据价值挖掘通路，对于绝大多数的企业用户而言，也许是一件比更快见到效益更重要的数字化转型目标。