Data Warehouse: Architettura e Principi

Descrizione

A trent’anni dal suo esordio sul mercato, la soluzione Data Warehouse/Business Intelligence è la soluzione funzionale in cui le aziende investono maggiormente.

Dall’architettura proposta da Bill Inmon ai Data Lake/Big Data fino agli Advanced Analytics basati sulle tecniche d’intelligenza Artificiale: molta strada è stata fatta per creare soluzioni o ambienti di analisi sempre più veloci e intelligenti.

E’ ormai dominio comune l’utilizzo di Data Lake al posto di Operational Data Store o Aree di Staging: quando è meglio l’una o l’altra? E la Data Virtualization quale apporto di semplificazione può portare all’intera architettura?

Architetture, tecnologie, soluzioni che ruotano intorno alla crescente consapevolezza del valore dei dati e alla loro qualità semantica e formale.

I sistemi operazionali forniscono dati che vengono integrati da dati esterni, dal web, dai moderni dati di Web Analytics, sia on premise, sia in Cloud: tutto è da integrare, da comprendere e da razionalizzare per fornire nuove sinergie fra sistemi, uffici, funzioni aziendali.

Questo è lo scenario in cui si muove il corso.

Il corso, partendo dal ciclo di vita del Data Warehouse, esplora le nuove tecnologie disponibili (DW, ETL, BI) e le nuove richieste informative provenienti dal business (dal marketing al controllo di gestione, al customer care…) con l’obiettivo di identificare la risposta più appropriata in relazione alle necessità dell’utente.

Obiettivo del corso è quindi di dare una panoramica completa specialmente dal punto di vista delle strutture dati, del loro ciclo di vita e della qualità.

A chi si rivolge

  • Responsabili dello sviluppo
  • Progettisti e Designer
  • Analisti

Prerequisiti

Conoscenza di base su sistemi gestionali e di Business Intelligence, dati, ciclo di vita del software.

Argomenti trattati

Data Warehouse Framework architettura di un ambiente di Data Warehousing
 

Aspetti architetturali e modelli

  • Le diverse architetture (Data Warehouse, Data Mart, Data Lake e ODS)
  • I modelli (SQL, NoSQL, Star Schema e derivati)
     

Architetture per i Big Data che cosa sono, quali i sono i principi, quando sono utili e quali sono i parametri da tenere sotto controllo
 

Data Virtualization
 

Big Data e Data Warehouse quando e come integrarli, posizionamento
 

Il progetto di Data Warehouse:

  • Organizzazione, attori, obiettivi e deliverable
  • Progettazione di Uno Star Schema
  • OLAP e le altre operazioni sui cubi multidimensionali
     

Metadati ruolo all’interno dell’ambiente di Data Warehousing, Data Calatog
 

Applicare le regole di Data Governance a un Data Warehouse

  • Dal glossario alla derivazione degli schemi, agli schemi di sintesi
  • Qualità dei metadati e dei dati
     

Security e Audit di un Data Warehouse

  • Segmentazione e tipologie di utenti
     

Acquisizione dei dati

  • Problematiche e tecniche per la costruzione delle componenti di ETL
     

Problematiche e modalità di gestione di un progetto Data Warehouse

  • Confronto tra approccio tradizionale al PM e approccio Agile (requisiti, metodi di analisi, strategie di Test)
     

Le applicazioni che operano su un Data Warehouse

 

Esempi e Caso studio

Data

02 - 04 Dic 2020
Expired!

Costo

€900,00

Luogo

Evento online
Share on:
Facebook
Twitter
LinkedIn
Email
WhatsApp
Pocket
Reddit