book

Datos de malla

by Zhamak Dehghani

September 2024

Intermediate to advanced

386 pages

12h 27m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Por qué escribí este libro y por qué ahoraQuién debería leer este libroCómo leer este libroConvenciones utilizadas en este libroAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Malla de datos en acciónUna cultura de curiosidad y experimentación de datosUna asociación integrada con datos y MLLa Plataforma y las Políticas InvisiblesEscala ilimitada con productos de datos autónomosEl efecto red positivo¿Por qué transformar en malla de datos?El camino a seguir
Los resultadosLos turnosLos principiosPrincipio de propiedad del dominioPrincipio de los datos como productoPrincipio de la Plataforma de Datos de AutoservicioPrincipio de Gobernanza Computacional FederadaInteracción de los principiosUn vistazo al modelo de malla de datosLos datosDatos operativosDatos analíticosEl origen
Breves antecedentes del diseño dirigido por dominiosAplicar el Diseño Estratégico del DDD a los DatosArquetipos de datos de dominioDatos de dominio alineados con la fuenteDatos de dominio agregadosDatos de dominio alineados con el consumidorTransición a la propiedad del dominioEmpujar la propiedad de los datos hacia arribaDefinir varios modelos conectadosAdopta los Datos de Dominio Más Relevantes: No esperes una única fuente de la verdadOcultar los conductos de datos como implementación interna de los dominiosRecapitula
Aplicar el pensamiento de producto a los datosAtributos básicos de usabilidad de un producto de datosTransición a los datos como productoIncluir la propiedad de los productos de datos en los dominiosReformular la nomenclatura para crear el cambioPiensa en los datos como un producto, no como un mero activoEstablecer una cultura de confianza pero verificación de los datosUnir datos y cálculo como una unidad lógicaRecapitula
Plataforma Data Mesh: Comparación y contrasteServir a equipos autónomos orientados al dominioGestión de productos de datos autónomos e interoperablesUna plataforma continua de capacidades operativas y analíticasDiseñado para una mayoría generalistaFavorecer las tecnologías descentralizadasDominio agnósticoPensamiento sobre la Plataforma Data MeshPermitir que los equipos autónomos obtengan valor de los datosIntercambiar valor con productos de datos autónomos e interoperablesAcelerar el intercambio de valor reduciendo la carga cognitivaCompartir datos a gran escalaApoya una cultura de innovación integradaTransición a una plataforma de malla de datos de autoservicioDiseña primero las API y los protocolosPrepárate para la adopción generalistaHaz un inventario y simplificaCrear API de nivel superior para gestionar productos de datosConstruye experiencias, no mecanismosEmpieza con la base más sencilla, luego cosecha para evolucionarRecapitula
Aplicar el pensamiento sistémico a la gobernanza de la malla de datosMantener el equilibrio dinámico entre la autonomía de dominio y la interoperabilidad globalAdopta la Topología Dinámica como Estado por DefectoUtiliza la Automatización y la Arquitectura DistribuidaAplicar la Federación al Modelo de GobernanzaEquipo FederadoValores guíaPolíticasIncentivosAplicar el cálculo al modelo de gobernanzaLas normas como códigoPolíticas como códigoPruebas automatizadasMonitoreo automatizadoTransición a la Gobernanza Computacional FederadaDelegar la responsabilidad en los dominiosIntegrar la ejecución de políticas en cada producto de datosAutomatizar la habilitación y el monitoreo sobre las intervencionesModela las lagunasMedir el efecto redPrefiere el cambio a la constanciaRecapitula

Grandes expectativas de datosLa Gran Brecha de los DatosEscala: Encuentro de un nuevo tipoMás allá del ordenAcercándose a la Meseta del RetornoRecapitula
Responder con elegancia al cambio en una empresa complejaAlinear el negocio, la tecnología y ahora los datos analíticosCerrar la brecha entre los datos analíticos y los operativosLocalizar los cambios de datos en los dominios empresarialesReducir la complejidad accidental de las tuberías y la copia de datosMantener la agilidad frente al crecimientoElimina los cuellos de botella centralizados y monolíticosReducir la coordinación de los conductos de datosReducir la coordinación de la gobernanza de datosActivar la AutonomíaAumenta la Relación entre el Valor de los Datos y la InversiónAbstraer la complejidad técnica con una plataforma de datosImplantar el pensamiento de producto en todas partesVe más allá de los límitesRecapitula
Evolución de las Arquitecturas Analíticas de DatosPrimera Generación: Arquitectura del almacén de datosSegunda Generación: Arquitectura del Lago de DatosTercera Generación: Arquitectura Multimodal en la NubeCaracterísticas de la arquitectura analítica de datosMonolíticoPropiedad centralizada de los datosOrientación tecnológicaRecapitula
Interfaces de intercambio de datos analíticos orientados al dominioDiseño de la interfaz operativaDiseño de la interfaz de datos analíticosDependencias de datos analíticos entre dominiosEl Producto de Datos como Quantum de la ArquitecturaComponentes estructurales de un producto de datosDatos Producto Datos Compartidos InteraccionesAPI de Descubrimiento y Observabilidad de DatosLa Plataforma de Datos MultiplanoUn Plano PlataformaPlano de Infraestructura de Datos (Utilidad)Plano de Experiencia del Producto de DatosPlano de experiencia de mallaEjemploPolíticas informáticas integradasDatos Producto SidecarProducto de datos Contenedor computacionalPuerto de controlRecapitula
Diseña una plataforma impulsada por los viajes de los usuariosTrayectoria del Desarrollador de Productos de DatosIncept, Explore, Bootstrap y SourceConstruir, Probar, Implementar y EjecutarMantener, evolucionar y jubilarViaje del consumidor de productos de datosIncept, Explorar, Bootstrap, FuenteConstruir, Probar, Implementar, EjecutarMantener, evolucionar y jubilarRecapitula
Asequibilidad de los productos de datosCaracterísticas de la arquitectura de productos de datosDiseño Influenciado por la Simplicidad de los Sistemas Adaptativos ComplejosComportamiento emergente a partir de reglas locales simplesSin Orquestador CentralRecapitula
Servir datosLas necesidades de los usuarios de datosServir propiedades de diseño de datosServir Diseño de DatosConsumir datosArquetipos de fuentes de datosLocalización del consumo de datosDiseño del Consumo de DatosTransformar datosTransformación programática frente a transformación no programáticaTransformación basada en el flujo de datosEl ML como transformaciónTransformación de la Variante TemporalDiseño de transformaciónRecapitula
Descubre, Comprende, Confía y ExploraComienza el descubrimiento con el autorregistroDescubre el URI GlobalComprender los modelos semántico y sintácticoEstablece la confianza con garantías de datosExplora la forma de los datosAprende con la documentaciónDescubre, explora y comprende el diseñoComponer datosConsumir datos Propiedades de diseñoEnfoques tradicionales de la componibilidad de datosComponer el diseño de datosRecapitula
Gestionar el ciclo de vidaGestionar el diseño del ciclo de vidaComponentes del manifiesto de productos de datosGobernar DatosGobernar el diseño de datosNormalizar las políticasIntegración de datos y políticasPolíticas de enlaceObservar, depurar y auditarDiseño de observabilidadRecapitula
¿Deberías adoptar hoy la malla de datos?La malla de datos como elemento de la estrategia de datosMarco de ejecución de la malla de datosEjecución orientada a la empresaEjecución de principio a fin e iterativaEjecución evolutivaRecapitula
CambiaCulturaValoresRecompensaMotivaciones intrínsecasMotivaciones extrínsecasEstructuraSupuestos de la estructura organizativaDescubre los límites de los productos de datosPersonasFuncionesDesarrollo de competenciasProcesoCambios en los procesos claveRecapitula

Content preview from Datos de malla

Capítulo 8. Antes del punto de inflexión

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Los problemas de hoy provienen de las "soluciones" de ayer.

Peter M. Senge, La Quinta Disciplina

Complejidad organizativa, proliferación de fuentes de datos, crecimiento de las expectativas de datos: éstas son las fuerzas que han puesto a prueba nuestros enfoques actuales de la gestión analítica de datos. Nuestros métodos actuales han hecho notables progresos escalando las máquinas: gestionando grandes volúmenes de una variedad de tipos de datos con almacenamiento de datos distribuido a escala planetaria, transmitiendo de forma fiable datos de alta velocidad a través de flujos, y procesando cargas de trabajo de datos intensivos de forma concurrente y rápida. Sin embargo, nuestros métodos tienen limitaciones con respecto a la complejidad y escala organizativa, la escala humana.

En este capítulo, presento brevemente el panorama actual de las arquitecturas de datos, sus características subyacentes y las razones por las que, de cara al futuro, nos limitan.

Evolución de las Arquitecturas Analíticas de Datos

La forma en que gestionamos los datos analíticos ha experimentado cambios evolutivos, cambios impulsados por los nuevos modelos de consumo, que van desde la analítica tradicional en apoyo de las decisiones empresariales hasta los productos inteligentes aumentados con ML. Aunque hemos asistido a un crecimiento acelerado del ...