Características de Oracle Analytics Cloud

Informes (5)

Interfaz de informes: La interfaz de informes para informes estándar y de autoservicio es intuitiva y fácil de usar.
Pasos para responder: Requiere un número mínimo de pasos/clics para responder a las preguntas de negocio.
Gráficos y tablas: Ofrece una variedad de atractivos formatos de gráficos y tablas.
Tarjetas de puntuación: Las tarjetas de puntuación rastrean visualmente los KPI.
Paneles: Proporciona a los usuarios empresariales una interfaz para diseñar, refinar y colaborar fácilmente en sus paneles

Campos calculados: Mediante fórmulas basadas en elementos de datos existentes, los usuarios pueden crear y calcular nuevos valores de campo.
Filtrado de columnas de datos: Los usuarios empresariales tienen la capacidad de filtrar datos en un informe basado en parámetros predefinidos o automodelados.
Descubrimiento de datos: Los usuarios pueden profundizar y explorar datos para descubrir nuevos conocimientos.
Buscar: Capacidad para buscar en un conjunto de datos global para encontrar y descubrir datos.
Colaboración / Flujo de trabajo: Capacidad para que los usuarios compartan datos e informes que han creado dentro de la herramienta de BI y fuera de la herramienta a través de otras plataformas de colaboración.
Automodelado: La herramienta sugiere automáticamente tipos de datos, esquemas y jerarquías.

Transformación de datos: Convierte los formatos de datos de origen en el formato requerido para el sistema de informes sin errores.
Modelado de datos: Capacidad para (re)estructurar los datos de una manera que permita extraer información de forma rápida y precisa.
Diseño de informes WYSIWYG: Proporciona a los usuarios empresariales una interfaz para diseñar y refinar fácilmente sus paneles e informes. (Lo que ves es lo que obtienes)
API de integración: Interfaz de programación de aplicaciones - Especificación de cómo la aplicación se comunica con otro software. Las API suelen permitir la integración de datos, lógica, objetos, etc. con otras aplicaciones de software.

Ejecución Autónoma de Tareas: Capacidad para realizar tareas complejas sin intervención humana constante
Planificación en varios pasos: Capacidad para descomponer y planificar procesos de múltiples pasos
Integración entre sistemas: Funciona en múltiples sistemas de software o bases de datos
Aprendizaje Adaptativo: Mejora el rendimiento basado en la retroalimentación y la experiencia
Interacción en Lenguaje Natural: Participa en conversaciones similares a las humanas para la delegación de tareas
Asistencia proactiva: Anticipa necesidades y ofrece sugerencias sin que se lo pidan.
Toma de decisiones: Toma decisiones informadas basadas en los datos disponibles y los objetivos.

Constructor de Tableros sin Código: Permite a los usuarios no técnicos crear paneles a través de interfaces intuitivas de arrastrar y soltar.
Programación y automatización de informes: Habilita la generación automática de informes y la entrega programada a las partes interesadas.
Analítica integrada y etiquetado blanco: Permite que los paneles y análisis se integren en aplicaciones externas con flexibilidad de marca.
Conectividad de Fuente de Datos: Admite la integración con las principales fuentes de datos como almacenes de datos en la nube, bases de datos SQL/NoSQL y aplicaciones SaaS.

Información y narrativas generadas automáticamente: Utiliza IA para generar resúmenes textuales, puntos clave e historias de datos a partir de paneles de control.
Consultas en lenguaje natural: Permite a los usuarios consultar datos y crear informes utilizando lenguaje conversacional o sencillo.
Monitoreo proactivo de KPI y alertas: Detecta y notifica a los usuarios sobre anomalías en los KPI o cambios significativos en las métricas en tiempo real.
Agentes de IA para seguimientos analíticos: Recomienda las siguientes preguntas, análisis o caminos de exploración utilizando agentes de IA autónomos.

Aprendizaje conductual para el refinamiento contextual de consultas: Aprende de las interacciones históricas de los usuarios para mejorar y personalizar los resultados de las consultas con el tiempo.
Personalización de Información Basada en Roles: Adapta las vistas del panel y las sugerencias según los roles de usuario, los niveles de acceso y el comportamiento pasado.
Analítica conversacional y basada en indicaciones: Admite la exploración impulsada por IA a través de indicaciones o conversaciones de varios turnos para consultas iterativas.

Gobernanza y Observabilidad de la IA: Proporciona visibilidad y control sobre cómo los sistemas de IA o los agentes automatizados interactúan con la capa semántica.
Linaje Métrico para Datos de Entrenamiento de IA: Rastrea cómo se utilizan las métricas y conjuntos de datos gobernados en el entrenamiento de IA/ML para garantizar la transparencia, el cumplimiento y una clara trazabilidad de los datos.
Control de versiones y análisis de impacto de cambios: Proporciona control de versiones para modelos semánticos y métricas, con seguimiento de cambios, reversión y análisis de impacto para ver cómo las actualizaciones afectan a los datos o informes posteriores.

Interfaz de Consulta en Lenguaje Natural: Permite a los usuarios o asistentes de IA explorar y consultar métricas a través de indicaciones en lenguaje natural.
Capa Semántica para Modelos de IA/ML: Permite que los sistemas de IA y aprendizaje automático consuman directamente métricas y lógica estandarizadas y reguladas.
Motor de Recomendación: Sugiere métricas relevantes, uniones o perspectivas basadas en el contexto y patrones de uso histórico.

Orquestación de Consultas Agenciales: Permite a los agentes de IA autónomos componer, ejecutar y refinar consultas analíticas a través de la capa semántica.
Capa de razonamiento contextual: Proporciona gráficos de contexto semántico que ayudan a los agentes de IA a comprender las relaciones de datos y la lógica empresarial.
Automatización de flujos de trabajo mediante agentes semánticos: Permite a los agentes semánticos activar acciones automatizadas como actualizaciones de datos, alertas o generación de informes.