ПРОГРАММА КУРСА АРХИТЕКТУРА ДАННЫХ

ДЕНЬ 1-2

Архитектура данных как часть реализации стратегии Data Centric на уровне предприятия.
Роль и задачи архитектора данных. Data Governance.

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

ДЕНЬ 3-4

Основные подходы к проектированию моделей данных ключевых компонентов Big Data-решений.

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

ДЕНЬ 5-6

Основные подходы к проектированию моделей данных ключевых компонентов Big Data-решений. Метаданные. Эффективная загрузка данных.

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