SAS^® Data Loader for Hadoop

Management von Daten ohne IT-Spezialwissen.

Nehmen Sie die Sache selbst in die Hand: Sie wissen, welche Informationen, Sie aus den Daten ziehen wollen und analysieren sie auch selbst. Der SAS Data Loader for Hadoop erleichtert Anwendern oder Data Scientists auch alle Aufgaben in der Vorbereitung einer Analyse. Meistern Sie die Herausforderungen von Datenintegrationen, Datenqualität und Datenvorbereitung ganz ohne ein komplexes MapReduce-Programm schreiben oder andere um Hilfe bitten zu müssen.

Für einfache Skalierung und höchste Performance.

Nie war Datenmanagement für den Fachbereich einfacher. Bereits erfahrene Data Scientists und SAS® Programmierer profitieren von gesteigerter Geschwindigkeit, Effizienz und Agilität. Dank eines Code-Beschleunigers können Codes im Hadoop-Cluster parallel und somit schneller ausgeführt werden. Zudem können Sie die Datenqualität verbessern, ohne Daten verschieben zu müssen: in Hadoop eingebette Datenqualitätsroutinen machen das möglich.

Mehr Zeit für IT zur Bearbeitung technischer Aufgaben.

Entlasten Sie Ihre IT von einfachen Routineaufgaben im Datenmanagement, die sich im Fachbereich schneller und pragmatischer lösen lassen. Mit SAS Data Loader for Hadoop kann sich die IT verstärkt darauf konzentrieren, Ihre Systeme besser, schneller und leistungsfähiger zu machen.

Machen Sie mehr aus Big Data.

Es ist viel einfacher als Sie denken, Daten von relationalen Datenquellen oder SAS Datenbestände auf und von Hadoop zu laden. Datenmanagement muss keine Hürde sein, um wirklich alle Daten voll auszunutzen. SAS unterstützt Sie mit bahnbrechenden Innovationen auf dem Weg zum datengetriebenen Unternehmen, das in einer digitalisierten Welt im Wettbewerb besteht.

• Intuitive Benutzeroberfläche. Greifen Sie einfach auf in Hadoop gespeicherte Daten zu, transformieren und managen Sie diese mit einer Web-basierten Schnittstelle, die Schulungsanforderungen reduziert.
• Speziell für das Laden von Daten auf oder von Hadoop entwickelt. Von Grund auf für das Management auf Hadoop entwickelt; nicht von vorhandenen IT-orientierten Tools umfunktioniert.
• Qualität und Profiling von Big Data. Daten werden dank Direktiven, die Schreibweisen, Gender-Analysen, Musteranalysen und Feldextraktion beinhalten, und einer Profilerstellung, die zur Steigerung der Performance parallel im Hadoop-Cluster ausgeführt wird, genau und nutzbar.
• Verkettung und Zeitplanung von Direktiven. Mehrere zusammengefasste Direktiven können gleichzeitig oder nacheinander laufen. Die öffentlich freizugängliche API kann genutzt werden, um die Direktiven zeitlich festzulegen oder zu automatisieren.

• Datenmanagement in Spark. Datenqualitätsfunktionen werden In-memory in Spark ausgeführt. Spark Matching und "Golden Record" ermöglichen Stammdatenmanagement für Big Data.
  
• Integration von Big Data. Importieren Sie Daten als CSV oder in ähnlichen Formaten in Hadoop. Sie können außerdem HiveQL-Befehle ausführen und Zeilen in Hadoop-Tabellen löschen.
• In-Memory-Analytics-Server. Laden Sie Daten in den Arbeitsspeicher, um sie für leistungsstarkes Reporting, Visualisierungen oder Analysen vorzubereiten.
• In-Cluster-Code und Durchführung von Datenqualitätsprojekten. Führen Sie in Hadoop Analysen und Datenqualitätsprozesse durch, um schnelle und kostengünstige Ergebnisse zu erhalten. Vermeiden Sie dabei die Verschiebung von Daten, um eine höhere Skalierbarkeit, Data Governance und Performance zu erreichen.