• 快速开发和部署可直接处理数据库数据的 R 脚本
• 通过原生 R API，使用可扩展的数据库内机器学习算法、数据准备、数据探索和统计分析功能
• 借助由数据库托管的 R 引擎，通过 R 和 SQL API 以数据并行和任务并行的方式执行用户自定义 R 函数
• 使用支持用户访问权限管控的数据库库内 R 脚本仓库和 R 对象数据存储
• 通过 Oracle Analytics Cloud、Oracle Data Visualization Desktop 和 Oracle Business Intelligence 仪表盘纳入基于 R 的分析结果

• 通过 R 接口将 Oracle Database 用作高性能计算环境
• 利用可扩展的数据库内机器学习算法和统计函数
• 在生产应用中实现 R 脚本的业务化运行，无需迁移 R 代码或重新搭建部署架构
• 尽可能减少数据迁移
• 使用 R 社区贡献的 R 程序包
• 自动复用数据库现有的备份/恢复机制和流程
• 通过 Oracle Big Data SQL 访问数据湖中的数据

透明层 — 借助 R data.frame 代理对象，使数据始终保持为数据库表和视图。重载后的 R 函数可将选定的 R 功能转换为等效的 SQL 语句，以实现数据库内处理、并行计算、可扩展性和安全性。数据科学家可以使用熟悉的 R 语法来处理存储在数据库中的数据库数据。此外还可利用软件包 OREdplyr（该软件包提供了对开源热门 R 软件包 dplyr 的重载功能）。

机器学习算法 — R 用户可通过 R 语言使用 Oracle Machine Learning 提供的数据库内并行算法库。用户可使用熟悉的 R 公式语法指定机器学习模型。这些算法支持分类、回归、异常检测、聚类、特征提取、时间序列和关联规则。

嵌入式 R 执行 — 在 Oracle Database 中管理和调用用户自定义的 R 函数，支持数据并行、任务并行和非并行执行，同时还可使用第三方 R 程序包（例如来自 CRAN 仓库的程序包）。当数据科学家需要借助 R 生态系统中的技术来满足特定需求时，可直接利用 R 生态系统。

集成文本挖掘 —数据库内算法可接受来自表和视图的文本列，然后自动提取术语和主题。提取出的数据将与其他预测变量结合，用于构建模型和数据评分。

分区模型 — 借助数据库内模型，用户可以自动创建模型组合，其中每个组件模型均基于用户指定的数据分区进行构建。通过单一集成模型即可启用并简化数据评分。