Fundamentos para la arquitectura de soluciones de datos: Gestión de proyectos de datos de éxito

Opiniones de los lectores

El libro ofrece una visión general de alto nivel de la arquitectura y los conceptos de datos, por lo que resulta informativo pero carece de detalles prácticos de aplicación. Mientras que algunos lectores lo encuentran bien organizado y lleno de ideas esenciales, otros critican su estilo de redacción y profundidad.

Premisas bien documentadas, capítulos informativos y bien organizados, bueno para comprender conceptos de alto nivel, incluye humor y perspectivas interesantes sobre la arquitectura de datos.

Mal redactado y difícil de leer, carece de ejemplos detallados de aplicación, demasiado amplio en su alcance con insuficientes orientaciones concretas.

(basado en 8 opiniones de lectores)

Título original:

Foundations for Architecting Data Solutions: Managing Successful Data Projects

Contenido del libro:

Mientras que muchas empresas reflexionan sobre detalles de implementación como los motores de procesamiento distribuido y los algoritmos para el análisis de datos, este libro práctico adopta una visión mucho más amplia del desarrollo de big data, empezando por la planificación inicial y avanzando diligentemente hacia la ejecución. Sus autores, Ted Malaska y Jonathan Seidman, le guiarán a través de los principales componentes necesarios para iniciar, diseñar y desarrollar con éxito proyectos de big data.

Desde directores de sistemas de información y directores de operaciones hasta arquitectos y desarrolladores principales explorarán una variedad de arquitecturas y aplicaciones de big data, desde canalizaciones masivas de datos hasta aplicaciones a escala web. Cada capítulo aborda una parte del ciclo de vida del desarrollo de software e identifica patrones para maximizar el éxito a largo plazo durante toda la vida del proyecto.

⬤ Inicie el proceso de planificación teniendo en cuenta los tipos de proyectos de datos clave.

⬤ Utilizar pautas para evaluar y seleccionar soluciones de gestión de datos.

⬤ Reduzca el riesgo relacionado con la tecnología, su equipo y los requisitos imprecisos.

⬤ Explore el diseño de la interfaz del sistema utilizando APIs, REST y sistemas pub/sub.

⬤ Elegir el sistema de almacenamiento distribuido adecuado para su sistema de big data.

⬤ Planificar e implementar colecciones de metadatos para su arquitectura de datos.

⬤ Utilizar pipelines de datos para asegurar la integridad de los datos desde la fuente hasta el almacenamiento final.

⬤ Evaluar los atributos de varios motores para procesar los datos que recopila.