Słowo wstępne

Przedmowa

Część I. Fundamenty

• 1. Technologia Big Data
  • Czym jest technologia Big Data i jak może być pomocna?
  • Dojrzałość danych
    • Etap 1: reakcyjny
    • Etap 2: informacyjny
    • Etap 3: predyktywny
    • Etap 4: transformatywny
  • Samoobsługowa analityka biznesowa
  • Podsumowanie
• 2. Typy architektur danych
  • Ewolucja architektur danych
  • Relacyjna hurtownia danych
  • Jezioro danych
  • Nowoczesna hurtownia danych
  • Architektura Data Fabric
  • Architektura Data Lakehouse
  • Siatka danych
  • Podsumowanie
• 3. Sesja projektowania architektury
  • Czym jest sesja projektowania architektury?
  • Dlaczego należy przeprowadzać sesję ADS?
  • Przed sesją ADS
    • Przygotowanie
    • Zaproszenie uczestników
  • Przeprowadzanie sesji ADS
    • Wprowadzenia
    • Ustalenia
    • Korzystanie z tablicy
  • Po zakończeniu sesji ADS
  • Wskazówki dotyczące prowadzenia sesji ADS
  • Podsumowanie

Część II. Typowe pojęcia związane z architekturami danych

• 4. Relacyjna hurtownia danych
  • Czym jest relacyjna hurtownia danych?
  • Czym hurtownia danych nie jest?
  • Podejście odgórne
  • Dlaczego warto skorzystać z relacyjnej hurtowni danych?
  • Wady związane z korzystaniem z relacyjnej hurtowni danych
  • Zasilanie hurtowni danych
    • Częstotliwość wyodrębniania danych
    • Metody wyodrębniania
    • Metoda określania, jakie dane zmieniły się od ostatniej operacji wyodrębnienia
  • Informacje o kresie relacyjnej hurtowni danych okazały się mocno przesadzone
  • Podsumowanie
• 5. Jezioro danych
  • Czym jest jezioro danych?
  • Dlaczego warto używać jeziora danych?
  • Podejście oddolne
  • Najlepsze praktyki projektowania architektury jeziora danych
  • Wiele jezior danych
    • Zalety
    • Wady
  • Podsumowanie
• 6. Procesy i rozwiązania z zakresu magazynowania danych
  • Rozwiązania do przechowywania danych
    • Składnice danych
    • Magazyny danych operacyjnych
    • Centra danych
  • Procesy danych
    • Zarządzanie danymi głównymi
    • Wirtualizacja i federacja danych
    • Katalogi danych
    • Platformy danych
  • Podsumowanie
• 7. Metody projektowe
  • Porównanie systemów OLTP i OLAP
  • Dane operacyjne i analityczne
  • Przetwarzanie SMP i MPP
  • Architektura Lambda
  • Architektura Kappa
  • Trwałość poliglotyczna i poliglotyczne magazyny danych
  • Podsumowanie
• 8. Metody modelowania danych
  • Modelowanie relacyjne
    • Klucze
    • Diagramy relacji encji
    • Reguły i formy normalizacji
    • Śledzenie zmian
  • Modelowanie wymiarowe
    • Fakty, wymiary i klucze
    • Monitorowanie zmian
    • Denormalizacja
  • Wspólny model danych
  • Model Data Vault
  • Metodologie Kimballa i Inmona dotyczące hurtowni danych
    • Metodologia odgórna Inmona
    • Metodologia oddolna Kimballa
    • Wybór metodologii
    • Modele hybrydowe
  • Mity dotyczące metodologii
  • Podsumowanie
• 9. Metody pozyskiwania danych
  • Porównanie procesów ETL i ELT
  • Odwrócony proces ETL
  • Porównanie przetwarzania wsadowego oraz przetwarzania w czasie rzeczywistym
    • Zalety i wady przetwarzania wsadowego
    • Zalety i wady przetwarzania w czasie rzeczywistym
  • Nadzór nad danymi
  • Podsumowanie

Część III. Architektury danych

• 10. Nowoczesna hurtownia danych
  • Architektura nowoczesnej hurtowni danych
  • Zalety i wady architektury nowoczesnej hurtowni danych
  • Łączenie relacyjnej hurtowni danych z jeziorem danych
    • Jezioro danych
    • Relacyjna hurtownia danych
  • Kamienie milowe prowadzące do hurtowni MDW
    • Rozbudowa korporacyjnej hurtowni danych
    • Tymczasowe jezioro danych oraz korporacyjna hurtownia danych
    • Rozwiązanie kompleksowe
  • Studium przypadku: strategiczne przejście firmy Wilson & Gunkerk do nowoczesnej hurtowni danych
    • Wyzwanie
    • Rozwiązanie
    • Rezultat
  • Podsumowanie
• 11. Architektura Data Fabric
  • Architektura Data Fabric
    • Zasady dostępu do danych
    • Katalog metadanych
    • Zarządzanie danymi głównymi
    • Wirtualizacja danych
    • Przetwarzanie w czasie rzeczywistym
    • Interfejsy API
    • Usługi
    • Produkty
  • Dlaczego warto dokonać przejścia z hurtowni MDW na architekturę Data Fabric?
  • Potencjalne wady
  • Podsumowanie
• 12. Architektura Data Lakehouse
  • Opcje warstwy Delta Lake
  • Poprawa wydajności
  • Architektura Data Lakehouse
  • Co się stanie, gdy zrezygnujesz z relacyjnej hurtowni danych?
  • Relacyjna warstwa udostępniająca
  • Podsumowanie
• 13. Fundamenty siatki danych
  • Zdecentralizowana architektura danych
  • Szum wokół siatki danych
  • Cztery zasady Dehghani dotyczące siatki danych
    • Pierwsza zasada: własność domeny
    • Druga zasada: dane jako produkt
    • Trzecia zasada: samoobsługowa infrastruktura danych jako platforma
    • Czwarta zasada: nadzór nad federacyjnymi zasobami obliczeniowymi
  • "Czysta" siatka danych
  • Domeny danych
  • Logiczna architektura siatki danych
  • Różne topologie
  • Porównanie siatki danych i architektury Data Fabric
  • Warianty zastosowania
  • Podsumowanie
• 14. Czy powinno się adaptować siatkę danych? Mity, obawy i przyszłość
  • Mity
    • Mit: użycie siatki danych to cudowny środek pozwalający szybko poradzić sobie z wszystkimi trudnościami towarzyszącymi danym
    • Mit: siatka danych zastąpi Twoje jezioro danych i hurtownię danych
    • Mit: wszystkie projekty z hurtownią danych nie udają się, a siatka danych rozwiąże ten problem
    • Mit: budowanie siatki danych oznacza decentralizację absolutnie wszystkiego
    • Mit: możesz użyć wirtualizacji danych, aby utworzyć siatkę danych
  • Obawy
    • Kwestie filozoficzne i koncepcyjne
    • Łączenie danych w środowisku zdecentralizowanym
    • Inne kwestie związane z decentralizacją
    • Złożoność
    • Duplikacja
    • Wykonalność
    • Ludzie
    • Bariery na poziomie domen
  • Ocena organizacyjna: czy powinno się adaptować siatkę danych?
  • Zalecenia dotyczące implementowania z powodzeniem siatki danych
  • Przyszłość siatki danych
  • Szersze spojrzenie: zrozumienie architektur danych i ich zastosowań
  • Podsumowanie

Część IV. Ludzie, procesy i technologia

• 15. Ludzie i procesy
  • Organizacja zespołów: role i obowiązki
    • Role w przypadku nowoczesnej hurtowni danych oraz architektur Data Fabric lub Data Lakehouse
    • Role w przypadku siatki danych
  • Dlaczego projekty się nie udają: pułapki i zapobieganie im
    • Pułapka: pozwalanie szefostwu myśleć, że analityka biznesowa jest "łatwa"
    • Pułapka: używanie niewłaściwych technologii
    • Pułapka: zgromadzenie zbyt wielu wymagań biznesowych
    • Pułapka: zgromadzenie zbyt małej liczby wymagań biznesowych
    • Pułapka: prezentowanie raportów bez wcześniejszego sprawdzenia poprawności ich zawartości
    • Pułapka: zatrudnianie niedoświadczonej firmy konsultingowej
    • Pułapka: zatrudnianie firmy konsultingowej, która zleca prace projektowe pracownikom z innych krajów
    • Pułapka: przekazywanie konsultantom własności projektu
    • Pułapka: zlekceważenie konieczności transferu zasobów wiedzy z powrotem do organizacji
    • Pułapka: zmniejszanie budżetu w połowie trwania projektu
    • Pułapka: rozpoczynanie od daty końcowej i cofanie się z działaniami
    • Pułapka: określanie struktury hurtowni danych zgodnie z danymi źródłowymi, a nie wymogami firmy
    • Pułapka: zaprezentowanie użytkownikom rozwiązania z długim czasem odpowiedzi lub innymi problemami z wydajnością
    • Pułapka: przesadzenie z projektem architektury danych lub niedopracowanie go
    • Pułapka: kiepska komunikacja między działem informatycznym i domenami biznesowymi
  • Wskazówki dotyczące sukcesu
    • Nie oszczędzaj na inwestycjach
    • Angażuj użytkowników, prezentuj im wyniki i wzbudzaj ich entuzjazm
    • Zapewnij wartość w nowych raportach i panelach kontrolnych
    • Poproś użytkowników o zbudowanie prototypu
    • Znajdź orędownika/sponsora projektu
    • Stwórz plan projektu z celem 80% efektywności
  • Podsumowanie
• 16. Technologie
  • Wybór platformy
    • Rozwiązania open source
    • Rozwiązania lokalne
    • Rozwiązania dostawców usług w chmurze
  • Modele usług w chmurze
    • Główni dostawcy usług w chmurze
    • Rozwiązania z wieloma chmurami
  • Środowiska oprogramowania
    • Hadoop
    • Databricks
    • Snowflake
  • Podsumowanie

• Назва: Nowoczesne architektury danych. Przewodnik po hurtowni danych, siatce danych oraz Data Fabric i Data Lakehouse
• Автор: James Serra
• Оригінальна назва: Deciphering Data Architectures: Choosing Between a Modern Data Warehouse, Data Fabric, Data Lakehouse, and Data Mesh
• Переклад: Piotr Pilch
• ISBN: 978-83-289-1670-8, 9788328916708
• Дата видання: 2024-11-26
• Формат: Eлектронна книга
• Ідентифікатор видання: noarda
• Видавець: Helion