book

El Lago de Grandes Datos de la Empresa

by Alex Gorelik

October 2024

Intermediate to advanced

224 pages

7h 26m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

¿Quién debería leer este libro?Convenciones utilizadas en este libroAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Madurez del lago de datosCharcos de datosEstanques de datosCrear un lago de datos con éxitoLa plataforma adecuadaLos datos correctosLa interfaz adecuadaEl pantano de los datosHoja de ruta hacia el éxito del lago de datosPoner en marcha un lago de datosOrganizar el Lago de DatosConfigurar el lago de datos para el autoservicioArquitecturas de lagos de datosLagos de datos en la nube públicaLagos de datos lógicosConclusión
El impulso de los datos de autoservicio: el nacimiento de las bases de datosEl imperativo analítico: el nacimiento del almacenamiento de datosEl ecosistema del almacén de datosAlmacenar y consultar los datosCargar los datos-Herramientas de integración de datosOrganización y gestión de los datosConsumir los datosConclusión
Hadoop lidera el cambio histórico hacia Big DataEl Sistema de Archivos HadoopCómo interactúan el procesamiento y el almacenamiento en un trabajo MapReduceEsquema en LecturaProyectos HadoopCiencia de datos¿En qué debe centrarse tu organización analítica?Aprendizaje automáticoExplicabilidadGestión del cambioConclusión
El qué y el porqué de HadoopEvitar la proliferación de charcos de datosAprovechar el Big DataLiderar con Ciencia de DatosEstrategia 1: Descargar la funcionalidad existenteEstrategia 2: Lagos de datos para nuevos proyectosEstrategia 3: Establecer un Punto Central de Gobernanza¿Qué camino es el adecuado para ti?Conclusión
Funciones esenciales de un almacén de datosModelización dimensional para el análisisIntegrar datos de fuentes distintasConservar la historia utilizando dimensiones que cambian lentamenteLimitaciones del almacén de datos como repositorio históricoTrasladarse a un Estanque de DatosMantener la Historia en un Estanque de DatosImplementación de Dimensiones de Cambio Lento en un Estanque de DatosConvertir estanques de datos en un lago de datos: cargar datos que no están en el almacén de datosDatos brutosDatos externosInternet de las Cosas (IoT) y otros datos en streamingLagos de datos en tiempo realLa arquitectura LambdaTransformaciones de datosSistemas objetivoAlmacenes de datosAlmacenes de datos operativosAplicaciones y productos de datos en tiempo realConclusión
Los inicios del autoservicioAnalistas de negocioEncontrar y Comprender los Datos-Documentar la EmpresaEstablecer la confianzaAprovisionamientoPreparar los datos para el análisisGestión de datos en el lago de datosSituar la preparación de datos en HadoopCasos de uso habituales para la preparación de datosAnalizar y visualizarEl nuevo mundo de la inteligencia empresarial de autoservicioEl nuevo flujo de trabajo analíticoDe porteros a tenderosGobernar el AutoservicioConclusión
Organizar el Lago de DatosZona de aterrizaje o en brutoZona DoradaZona de trabajoZona sensibleMúltiples lagos de datosVentajas de mantener separados los lagos de datosVentajas de fusionar los lagos de datosLagos de datos en la nubeLagos de datos virtualesFederación de datosVirtualización de Big DataEliminar la redundanciaConclusión
Organizar los datosMetadatos técnicosMetadatos empresarialesEtiquetadoCatalogación automatizadaGestión de datos lógicosGestión de datos sensibles y control de accesoCalidad de los datosRelacionar datos disparesEstablecer el linajeSuministro de datosHerramientas para crear un catálogoComparación de herramientasEl océano de datosConclusión
Autorización o control de accesoPolíticas de acceso a datos basadas en etiquetasDesidentificación de datos sensiblesSoberanía de los datos y cumplimiento de la normativaGestión de acceso de autoservicioDatos de aprovisionamientoConclusión

Big Data en los servicios financierosLos consumidores, la digitalización y los datos están cambiando las finanzas tal y como las conocemosSalvar el bancoNuevas oportunidades que ofrecen los nuevos datosProcesos clave para utilizar el lago de datosValor añadido de los lagos de datos en los servicios financierosLagos de datos en el sector de los segurosCiudades inteligentesBig Data en Medicina

Content preview from El Lago de Grandes Datos de la Empresa

Capítulo 4. Poner en marcha un lago de datos

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

Como se ha comentado en el capítulo anterior, la promesa del lago de datos es almacenar los datos de la empresa de forma que se maximice su disponibilidad y accesibilidad para el análisis y la ciencia de datos. Pero, ¿cuál es la mejor forma de empezar? En este capítulo se analizan los distintos caminos que siguen las empresas para construir un lago de datos.

Apache Hadoop es un proyecto de código abierto que se utiliza con frecuencia para este fin. Aunque existen muchas otras alternativas, especialmente en la nube, los lagos de datos basados en Hadoop ofrecen una buena representación de las ventajas que proporcionan, por lo que vamos a utilizar Hadoop como ejemplo. Empezaremos repasando qué es y algunas de sus ventajas clave para dar soporte a un lago de datos.

El qué y el porqué de Hadoop

Hadoop es una plataforma de almacenamiento y ejecución masivamente paralela que automatiza muchos de los aspectos difíciles de crear un clúster altamente escalable y disponible. Tiene su propio sistema de archivos distribuido, HDFS (aunque algunas distribuciones de Hadoop, como MapR e IBM, proporcionan sus propios sistemas de archivos para sustituir a HDFS). HDFS replica automáticamente los datos en el clúster para lograr un alto paralelismo y disponibilidad. Por ejemplo, si Hadoop utiliza el factor de replicación predeterminado de ...