Sobre el autorNeil Barton es el Director de Tecnología de WhereScape.
Parece que en todas partes, alguien habla de big data o análisis de datos. Este movimiento hacia las empresas basadas en datos está respaldado por una variedad de infraestructuras de datos, pero puede ser difícil entender qué está pasando entre sus lagos de datos y sus almacenes de datos y por qué Incluso podría necesitar un centro de almacenamiento de datos.
Sin embargo, cada uno de estos conceptos se trata simplemente de encontrar formas de ingerir y administrar sus datos de manera efectiva para el nivel actual de toma de decisiones basadas en el conocimiento. Entonces, ¿cuáles son las opciones, cómo se relacionan y para qué sirven?
ทะเลสาบข้อมูล
Los lagos de datos son enormes colecciones de datos, que van desde datos en bruto no organizados o procesados hasta varios niveles de conjuntos de datos organizados. Una de las ventajas del análisis es que los diferentes tipos de consumidores pueden acceder a los datos apropiados para sus necesidades.
Esto lo hace perfecto para algunos casos de uso más recientes, como Data Science, AI y aprendizaje automático, que muchas empresas ven como el futuro del trabajo. ; análisis. Esta es una excelente manera de almacenar gran cantidad de datos sin procesar en soluciones de almacenamiento escalables sin recurrir a ETL tradicional o ELT (extracción, transformación, carga), lo que puede costar Querido para este volumen.
Sin embargo, para análisis más tradicionales, este tipo de entorno de datos puede ser engorroso y confuso. Esta es la razón por la que las empresas están recurriendo a otras soluciones para administrar datos críticos en entornos más estructurados.
En términos de posicionamiento dentro de una infraestructura de datos, los lagos de datos están, si lo prefiere, más arriba de otra infraestructura de datos, y se pueden usar como un área de transferencia para un enfoque más estructurado, como un almacén de datos, y para proporcionar datos. Exploración y ciencia de datos.
ที่เก็บข้อมูล
Un almacén de datos, o un almacén de datos de negocios, como a veces se llama, es un repositorio de datos mejor organizado. Es invaluable proporcionar a los usuarios comerciales acceso a la información apropiada en un formato utilizable, y puede incluir información actual e histórica.
Cuando los datos entran en el entorno del almacén de datos, se limpian, transforman, clasifican y etiquetan, lo que facilita la gestión, el uso y el monitoreo del punto de vista del cumplimiento. . Ahí es donde entra la automatización.
El volumen y la velocidad de los datos a los que se enfrentan las empresas de hoy en día hacen que en el mundo moderno sea imposible integrar, procesar y garantizar manualmente que los datos se almacenen y se acceda a ellos de manera oportuna. Cumplir con los requisitos de cumplimiento en un almacén de datos.
Sin embargo, dado que las compañías buscan constantemente utilizar los datos como fuente de informes y pronósticos, un almacén de datos es invaluable. Es importante que los lagos de datos no asuman el papel de una infraestructura de datos más estructurada simplemente debido a la percepción del esfuerzo de ingestión. La automatización puede ayudar a acelerar la ingesta y el procesamiento para acelerar el retorno de la inversión a través de la toma de decisiones basada en datos en un almacén de datos.
มาร์ท
ดาต้ามาร์ทคือชุดย่อยเฉพาะของคลังข้อมูล ซึ่งมักใช้เพื่อจัดการข้อมูลในโดเมนเฉพาะ ซึ่งต้องสามารถเข้าถึงได้ง่ายในระยะเวลาอันสั้น เนื่องจากมีความเฉพาะเจาะจง การก่อสร้างมักจะเร็วกว่าและถูกกว่าคลังข้อมูลที่สมบูรณ์ อย่างไรก็ตาม ดาต้ามาร์ทไม่สามารถจัดการและจัดการข้อมูลทั่วทั้งบริษัทเพื่อประกอบการตัดสินใจได้
คลังข้อมูล
El modelado de almacenamiento de datos es un enfoque de almacenamiento de datos que busca resolver algunos de los problemas que la transformación de datos plantea como parte del proceso de almacenamiento de datos. Uno de los grandes beneficios de una bóveda de datos es que no evalúa qué datos son "valiosos" o no. Mientras que los datos se procesan y se limpian en un entorno de almacén, esta decisión generalmente se toma.
Las bóvedas de datos tienen la flexibilidad para manejar esto y procesar los orígenes de datos cambiantes, lo que permite que el enfoque de la bóveda de datos se acredite al proporcionar una "versión única de los hechos" en lugar de "una versión única". de la verdad ".
Para las empresas con conjuntos de datos grandes, en crecimiento y dispares, un enfoque de almacenamiento de datos basado en almacenamiento de datos puede ayudar a convertir la gran cantidad de datos grandes en una solución manejable y centrada en bases de datos. Negocio, pero su configuración puede llevar mucho tiempo.
La automatización de la bóveda de datos es esencial para garantizar que las empresas puedan proporcionar y administrar bóvedas de datos que cumplan con los estrictos requisitos de la metodología de Data Vault 2.0 de manera conveniente, rentable y oportuna.
เข้าใจความแตกต่าง
Tener una comprensión general de cómo funciona cada uno de estos diferentes enfoques de datos podría ser muy útil para los gerentes de TI y los líderes empresariales porque tienen problemas para entender lo que es posible o no porque Big Data se convierte en una prerrogativa empresarial tanto como una tecnología. .
Es fundamental encontrar formas de acelerar el establecimiento y la gestión de estas prácticas utilizando tecnologías como la automatización para ayudar a las empresas a reducir el tiempo para valorar y tener éxito en la empresa. panorama empresarial basado en datos.
Neil Barton es el Director de Tecnología de WhereScape,