La hoja de ruta de los datos de autoservicio

Capítulo 11. Servicio de Transformación de Datos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Hasta ahora, en la fase de construcción, hemos ultimado la metodología para manejar modelos de datos políglotas y el procesamiento de consultas necesario para implementar la lógica de conocimiento. En este capítulo, profundizaremos en la implementación de la lógica empresarial, que tradicionalmente sigue el patrón Extraer-Transformar-Cargar (ETL) o Extraer-Cargar-Transformar (ELT).

El desarrollo de la lógica de transformación conlleva algunos puntos críticos. En primer lugar, los usuarios de datos son expertos en lógica empresarial, pero necesitan apoyo de ingeniería para implementar la lógica a escala. Es decir, con el crecimiento exponencial de los datos, se necesitan modelos de programación distribuidos para implementar la lógica de forma fiable y eficaz. Esto a menudo ralentiza el proceso global, ya que los usuarios de los datos tienen que explicar la lógica empresarial y luego las pruebas de aceptación del usuario (UAT) a los ingenieros. En segundo lugar, cada vez es más necesario construir transformadores de lógica empresarial en tiempo real. Tradicionalmente, la transformación ha estado orientada a lotes, lo que implicaba leer de un archivo, transformar el formato, unir con diferentes fuentes de datos, etc. Los usuarios de datos no son expertos en la evolución de los modelos de programación, sobre todo para ...