Den här nya molntjänsten lanserades på den storslagna konferensen OpenWorld Europe i London i februari. Det handlar om att sätta lösningar för maskininlärning, big data och andra typer av dataanalys (analytics), eller data science som det också kallas, i händerna på alla. Den som vill kan även få in beslutsstöd (BI) och andra benämningar under begreppsparaplyet. Och så finns det stöd för programkod skriven med Python och andra språk. Nyckeln till enkelhet är att stora delar av användbara lösningar, ibland kompletta, finns inbyggda i tjänsten. Det finns till exempel färdiga modeller för maskininlärning och stöd för att finputsa modeller och för att bygga egna. Man har även tänkt på två till synes mer perifera arbetsmoment: att få till den tekniska infrastrukturen för dataanalys och, inte minst viktigt, att få tag på data som behövs.
Man erbjuder helt enkelt enorma mängder referensdata som ofta krävs för avancerade analyser, vilka vanligtvis är svåra att få tag på.
Vad gäller teknisk infrastruktur kommer enkelhet, helt enkelt, av att DSP är en plattformstjänst i molnet. Användare behöver alltså inte köpa, installera, konfigurera eller administrera hårdvara eller systemprogram själva. Lägg till det en hög grad av automatisering för arbetsuppgifter som traditionellt har tagit mycket tid. Enkelhet vad gäller data fås inte minst genom det Oracleägda företaget DataFox som tillhandahåller tredjepartsdata som kan användas i analyserna. Man erbjuder helt enkelt enorma mängder referensdata som ofta krävs för avancerade analyser, vilka vanligtvis är svåra att få tag på. På konferensen i februari berättade Oracle att det finns totalt en miljard datapunkter att välja bland.
Förenkling parallellt med specialisering
Även om den stora nyheten med DSP är förenkling för lekmän så har Oracle inte glömt bort specialisterna. Ett bra exempel på det är att det finns stöd för att integrera egenutvecklad Pythonkod, eller färdiga Pythonbibliotek, i analyslösningar som skapas. DSP är så klart integrerat med de avancerade analyslösningar som finns inbyggda i Oracles databas, till exempel AutoML för maskininlärning. Förutom stöd för Python täcks även SQL och R in, vilket gör den heliga treenigheten för programmeringsspråk vad gäller dataanalys komplett. Bland ytterligare funktionalitet som fås via Oracles databas märks till exempel inbyggd hantering av geografiska data (GIS-data).
Förutom att man kan programmera enkelt med valfri kod och valfria ramverk, så går det att samarbeta i team och projekt där lösningen förenklar samarbete mellan individer
Att samarbeta i team vars medlemmar har olika specialistområden och olika ansvarsområden blir allt vanligare inom dataanalys (data science). Vissa är specialister inom olika områden, som modelloptimering och prestandaoptimering, implementationer och hantering av olika modellers livscykler. Förutom att man kan programmera enkelt med valfri kod och valfria ramverk, så går det att samarbeta i team och projekt där lösningen förenklar samarbete mellan individer. Det ger bättre effekt i och med att man enkelt kan fördela kod som utför olika uppgifter till olika team, för att återanvända andras arbete och kunskap, istället för att börja om på nytt varje gång. Med andra ord slippa att återuppfinna hjulet.
Man betalar bara för det man använder
Med DSP går det att hantera hela livscykeln i ett analysprojekt och det går att få insyn i de modeller som skapas. Just insyn i analysmodeller blir allt viktigare, i takt med att AI och andra automatiserade lösningar tas i bruk. För att ge ett enkelt exempel måste en bankanställd som avslår en låneansökan eftersom en analysmodell ger det beskedet kunna förklara beslutet för den som ansökt om lånet.
Det gör att betalningen står i proportion till datavolymer, samt till komplexitet och frekvens för analyser.
En intressant aspekt med DSP är prismodellen. Det kostar inget att använda analystjänsten. Hur är det möjligt? Jo, Oracle tar i stället betalt för de IT-resurser som används i molnet, till exempel virtuella servrar eller specialiserade processorer för dataanalys. Det gör att betalningen står i proportion till datavolymer, samt till komplexitet och frekvens för analyser. Man betalar för det man använder. Bakgrunden till DSP är Oracles förvärv av DataScience.com för två år sedan. Genom att vidareutveckla och kombinera de lösningarna med en skalbar plattform i molnet har DSP blivit möjlig. Oracle själva pratar gärna om att DSP gör de typer av lösningar som forskare använder för dataanalys tillgängliga för gemene man och kvinna. Det kanske är ännu viktigare att påpeka att en molntjänst som DSP minimerar tekniska hinder för att ta dataanalysprojekt i mål.