Data Warehouse: architettura e principi
Il Data Warehouse è una soluzione dati per supportare in modo adeguato i processi decisionali. Dopo oltre vent’anni di esperienze, vanno riconsiderare le scelte fatte in passato, in termini sia architetturali sia di fruizione dei dati, alla luce dei modelli di business emergenti che vedono come prerequisito la connessione 24x7 al sistema informativo. Sul Back End, il Cloud delocalizza la base dati, mentre sul Front End i dispositivi Mobile consentono l’utilizzo delle informazioni ad un bacino di utenza sempre più ampio. Un altro aspetto importante è quello delle tecnologie che supportano i Big Data, strutturati o meno. 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? Il corso, partendo dal ciclo di vita del Data Warehouse, esplora le nuove tecnologie disponibili (DW, ETL, ELT, 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. Sono inoltre esaminate le principali architetture, da quelle classiche a 2/3 livelli, fino alla Lambda / Gamma-Delta Architecture evidenziandone caratteristiche, pregi e difetti e comparandole fra loro in termini di necessità di utilizzo. 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 Data Governance.
Contenuti
Architettura di un ambiente di Data Warehousing
Confronto tra le diverse architetture (Data Warehouse, Data Mart e ODS), confronto tra i modelli (SQL, NoSQL, Star Schema e derivati)
Che cosa sono, quali i sono i principi, quando sono utili e quali sono i parametri da tenere sotto controllo.
On Premise e in Cloud, con disamina delle principali offerte di mercato (da Amazon a Snowflake).
ETL, ELT ed ESB, fino alla Data Virtualization.
Problematiche e tecniche per la costruzione delle componenti della componente software.
Quando e come integrarli, posizionamento.
ruolo all’interno dell’ambiente di Data Warehousing, Data Catalog.
Dal Business Glossary al Data Catalog, alla derivazione degli schemi, agli schemi di sintesi. Qualità dei metadati e dei dati.
Segmentazione e tipologie di utenti.
Confronto tra approccio tradizionale al PM e approccio Agile (requisiti, metodi di analisi, strategie di Test).
Prerequisiti
Conoscenza di base su sistemi gestionali e di business intelligence, dati, ciclo di vita del software.
Destinatari