ARMG: Курс Архитектура Данных в России

Data Driven подход. Успехи. Проблемы. Эволюция. Внедрение Data Lake: что может пойти не так? Application Centric vs Data Centric. Когда, внедряя Big Data мы приближаемся к Data Centric, а когда отдаляемся? Какие проблемы мы не можем решить на уровне Data Lake/DWH. Задачи Data Governance. Корпоративная модель данных (EDM) как часть Data Governance Архитектор данных. Роли и задачи. Стандартизация работы с данными предприятия. Внедрение практик культуры работы с данными. Задачи. Процессы. Сложности.

Обобщенная схема архитектур -решений. Требования к компонентам и моделям данных. Понятие модели данных. Виды моделей данных. Их назначение и особенности. Реляционная модель данных. Нормализация и денормализация. Классическая концептуальная модель «сущность-связь» и ее расширения. Нотации и инструменты моделирования данных. Концептуальная, логическая и физическая модели данных. Ключевое отличие к построению моделей данных аналитических систем — работа со временем. Поддержка истории изменений. BEAM (Business Event Activity Modeling) — подход к проектированию моделей для аналитических задач Design-паттерны проектирования моделей данных Моделирования ядра. Подход Data Vault. Его преимущества и ограничения. Развитие подхода.

Итеративное развитие модели данных ядра Моделирование аналитических витрин. Подход Р. Кимбалла и его развитие. Отраслевые примеры моделей данных. Виды метаданных для аналитических систем. Эффективное обновление данных. Управление загрузкой.