甲骨文日前宣布多項資料庫創新，延續「用單一融合資料庫引擎，滿足所有企業需求」的長期策略，新的資料庫功能可更加活用先進的技術趨勢，例如：使用區塊鏈技術防範詐欺，充分利用JSON文件格式的靈活性，以及在資料庫內部試用和評估機器學習演算法等。
未來是資料驅動的時代，企業能否有效地使用資料將直接決定公司的競爭力，要充分了解企業資料的價值，就需要具備新一代的資料驅動型應用程式。
甲骨文的融合資料庫引擎提供資料模型支援、流程類型和開發範例，協助建立現代的資料驅動型應用程式，輕鬆地對同一資料運行多種負載。相較之下，其他雲端供應商則需要使用數十種不同的專用資料庫來處理不同類型的資料。
此外，部署多個單一用途資料庫還會帶來其他問題。比如說，採用多個不同的資料庫引擎會增加複雜度、風險和成本，因為每一種資料庫都會採用自己的安全模型，有獨立一套執行度高的步驟以及獨有的擴展功能，而這些都需要單獨的技術去運行。
甲骨文此次發布了進一步擴展Oracle資料庫的融合功能，這些功能包括：
Oracle機器學習（OML）透過直接在資料中嵌入進階ML演算法以加速生成預測性洞察。由於ML演算法已經與資料庫內的資料搭配，因此無需將資料移出資料庫。此外，資料科學家還可以使用Python來擴展資料庫中的ML演算法。
藉助OML4Py AutoML，非專家級用戶也可以充分利用機器學習的優勢。AutoML會推薦最佳的演算法，自動化特徵選擇（Feature Selection）並調整超參數，進而大幅提升模型準確性。
資料庫的資料和重做（Redo）現在皆可以儲存在本地的持續性儲存（PMEM）中。SQL可以直接在映射的PMEM文件系統中儲存的資料上運行，從而消除IO代碼路徑並減少對大型緩衝快取記憶體的需求。這樣對於高頻率交易和行動通訊等需要較低延遲性的工作負載，企業可以加快跨負載的資料存取速度。
Oracle Database In-Memory同時優化了分析和混合負載連線交易處理，讓 Oracle資料庫不僅提供優化的交易處理性能，還支援即時分析與報表。自動記憶體中的管理功能可以自動評估資料使用模式，無需任何人工介入即可確定哪些表格放在In-Memory欄位儲存（In-Memory Column Store）中以獲得最大優勢，從而大幅簡化In-Memory的使用。
甲骨文的用戶可以輕鬆藉助此新特性，利用區塊鏈技術來識別和防範詐欺。甲骨文的原生區塊鏈表類似於標準表，允許SQL插入、且所插入的列（row）都將以加密方式連結。使用者可以選擇對每列資料簽名，來杜絕身份詐欺。Oracle區塊鏈表可以輕鬆整合到應用程式中，也可以參與其他表的交易和查詢。此外，由於區塊鏈提交過程無需達成共識，因此與去中心化的區塊鏈相比，甲骨文的原生區塊鏈表可支援極高的插入率（insert rates）。
以二進位格式儲存在Oracle資料庫中的JSON文件格式可將更新速度提高4倍，掃描速度提高10倍。