Data Management at Scale: Best Practices for Enterprise Architecture

از آنجایی که مدیریت و یکپارچه سازی داده ها به سرعت در حال پیشرفت است، ذخیره همه داده های شما در یک مکان، مانند انبار داده، دیگر مقیاس پذیر نیست. در آینده نزدیک، داده ها باید برای چندین راه حل تکنولوژیکی توزیع و در دسترس باشند. با این کتاب عملی، یاد خواهید گرفت که چگونه سازمان خود را از یک چشم انداز داده پیچیده و محکم به یک معماری انعطاف پذیرتر و آماده برای دنیای مدرن مصرف داده منتقل کنید.

مدیران، معماران داده، تیم های تحلیلی، و کارکنان انطباق و حاکمیت یاد خواهند گرفت که چگونه با استفاده از معماری مقیاس‌پذیر، یک چشم‌انداز داده‌های مقیاس‌پذیر مدرن بسازند، که می‌توانید به صورت تدریجی و بدون سرمایه‌گذاری اولیه بزرگ آن را معرفی کنید. نویسنده Piethein Strengholt طرح‌ها، اصول، مشاهدات، بهترین شیوه‌ها و الگوهایی را برای سرعت بخشیدن به شما ارائه می‌دهد.

• روندهای مدیریت داده‌ها، از جمله پیشرفت‌های فناوری، الزامات قانونی، و نگرانی‌های مربوط به حریم خصوصی را بررسی کنید
• عمیق به معماری مقیاس شده بروید و یاد بگیرید که چگونه قطعات با هم قرار می‌گیرند
• کاوش در مدیریت داده و امنیت داده، مدیریت داده‌ها، بازارهای داده‌های سلف سرویس، و اهمیت ابرداده‌ها

As data management and integration continue to evolve rapidly, storing all your data in one place, such as a data warehouse, is no longer scalable. In the very near future, data will need to be distributed and available for several technological solutions. With this practical book, you’ll learnhow to migrate your enterprise from a complex and tightly coupled data landscape to a more flexible architecture ready for the modern world of data consumption.

Executives, data architects, analytics teams, and compliance and governance staff will learn how to build a modern scalable data landscape using the Scaled Architecture, which you can introduce incrementally without a large upfront investment. Author Piethein Strengholt provides blueprints, principles, observations, best practices, and patterns to get you up to speed.

• Examine data management trends, including technological developments, regulatory requirements, and privacy concerns
• Go deep into the Scaled Architecture and learn how the pieces fit together
• Explore data governance and data security, master data management, self-service data marketplaces, and the importance of metadata