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 9. Regulación del acceso a los datos

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

Este capítulo describe los retos que supone proporcionar a los analistas acceso a los datos de un lago de datos y presenta varias buenas prácticas para hacerlo. Los lagos de datos difieren del almacenamiento de datos más tradicional en varios aspectos:

Carga: El número de conjuntos de datos, usuarios y cambios es extremadamente alto.
Ingestión sin fricción: Dado que un lago de datos almacena datos para futuros análisis aún por determinar, normalmente los ingiere con un procesamiento mínimo, si es que lo hace.
Cifrado: A menudo hay normativas gubernamentales o internas que exigen que se proteja la información sensible o personal, y sin embargo esos datos son necesarios para el análisis.
Carácter exploratorio del trabajo: Gran parte del trabajo de la ciencia de datos no puede ser anticipado por el personal informático. Los científicos de datos a menudo no saben qué hay disponible en el enorme y diverso almacén de datos. Esto crea una situación atrapante para los enfoques tradicionales: si los analistas no pueden encontrar datos a los que no tienen acceso, no pueden pedir acceso a ellos.

El modelo de acceso más sencillo es proporcionar a todos los analistas acceso a todos los datos. Por desgracia, esto no puede hacerse si los datos están sujetos a normativas gubernamentales (como ocurre, por ejemplo, con la información ...