ساخت معماری‌های مدالیون

برای ارائه بینش‌هایی که مزیت رقابتی به سازمان‌ها می‌دهند، سازمان‌ها به طور فزاینده‌ای به معماری اثبات‌شده مدالیون روی می‌آورند. با این حال، پیاده‌سازی یک معماری داده قوی می‌تواند دشوار باشد، به ویژه هنگامی که صحبت از استفاده از لایه‌های برنز، نقره‌ای و طلایی معماری مدالیون می‌شود—اگر به درستی انجام نشود، می‌تواند توانایی شما را برای اتخاذ تصمیمات مبتنی بر داده مختل کند. این راهنمای عملی به شما کمک می‌کند تا یک معماری مدالیون را به روش صحیح با Azure Databricks و Microsoft Fabric بسازید. پیتین استرنگهولت، با تکیه بر تجربه عملی خود در این زمینه، مفروضات رایج و مشکلات پیچیده‌ای را که هنگام شروع یک معماری داده جدید با آن‌ها روبرو خواهید شد، روشن می‌کند. معماران و مهندسان از هر طیفی پاسخ‌هایی به متداول‌ترین سوالات را به همراه بینش‌هایی از سازمان‌های واقعی در مورد آنچه کار کرده، چه چیزی کار نکرده و چرا، پیدا خواهند کرد. شما خواهید آموخت: - نحوه ساخت یک معماری مدالیون با Azure Databricks و Microsoft Fabric. - کسب بینش از سه مطالعه موردی واقعی که تجربه عملی و درس‌های آموخته شده را نشان می‌دهند. - بررسی ملاحظات مقیاس‌پذیری (Scalability)، از جمله حاکمیت (Governance)، امنیت، هوش مصنوعی مولد (Generative AI) و موارد دیگر. - اتخاذ تصمیمات آگاهانه هنگام طراحی یا پیاده‌سازی معماری‌های داده جدید. - دریافت الگوهای اثبات‌شده برای موفقیت که با اهداف سازمانی گسترده‌تر همسو هستند.

مدیریت داده در مقیاس بزرگ، ویرایش دوم

همانطور که مدیریت داده به سرعت در حال تکامل است، مدیریت تمام داده‌های شما در یک مکان مرکزی، مانند انبار داده (Data Warehouse)، دیگر مقیاس‌پذیر نیست. دنیای امروز در مورد تبدیل سریع داده‌ها به ارزش است. این امر مستلزم یک تغییر پارادایم در نحوه تفویض مسئولیت‌ها، مدیریت داده‌ها و در دسترس قرار دادن آن‌ها برای دیگران است. با این کتاب کاربردی، یاد خواهید گرفت که چگونه یک معماری داده نسل بعدی را طراحی کنید که مقیاس مورد نیاز سازمان شما را در نظر بگیرد. مدیران اجرایی، معماران و مهندسان، تیم‌های تحلیلگر و کارکنان بخش انطباق و حاکمیت، نحوه ساخت یک چشم‌انداز داده نسل بعدی را خواهند آموخت. نویسنده، پیتاین استرنگهولت، طرح‌های اولیه، اصول، مشاهدات، بهترین شیوه‌ها و الگوها را برای سرعت بخشیدن به کار شما ارائه می‌دهد. روندهای مدیریت داده، از جمله الزامات نظارتی، نگرانی‌های مربوط به حریم خصوصی و تحولات جدیدی مانند داده مش (Data Mesh) و داده فابریک (Data Fabric) را بررسی کنید. به عمق ساخت یک معماری داده مدرن، از جمله مناطق فرود داده ابری (Cloud Data Landing Zones)، طراحی مبتنی بر دامنه (Domain-Driven Design)، طراحی محصول داده (Data Product Design) و موارد دیگر بپردازید. حاکمیت داده (Data Governance) و امنیت داده، مدیریت داده اصلی (Master Data Management)، بازارهای داده سلف‌سرویس و اهمیت فراداده (Metadata) را کاوش کنید.