Аннотация:
Practical Data Architecture (Практическая архитектура данных) — это набор моделей, правил, стандартов и методов, которые определяют, как данные собираются, хранятся, обрабатываются, интегрируются и используются в организации для достижения конкретных бизнес-целей. Согласно профессиональным стандартам (например, DAMA-DMBOK), архитектура данных является основой для Data Governance — управления данными в компании.
DAMA (The Data Management Association International) — это международная некоммерческая ассоциация, которая объединяет профессионалов в области управления данными по всему миру.
DM-BOK (Data Management Body of Knowledge) — переводится как «Свод знаний по управлению данными». DMBOK — это не жесткая пошаговая инструкция «делай раз, делай два». Это структурированная библиотека, аккумулирующая в себе десятилетия коллективного опыта, успехов и неудач тысяч компаний со всего мира. Она описывает «что» нужно делать для эффективного управления данными (Data Management), из каких компонентов состоит эта дисциплина и «почему» это важно.
Аудитория:
· Архитекторы данных и IT-архитекторы,
· Специалисты по качеству данных и Data Governance,
· Бизнес-аналитики и IT-специалисты,
· Разработчики (Data Engineers / Backend),
· Специалисты по совершенствованию и автоматизации бизнес-процессовPractical Data Architecture (Практическая архитектура данных) — это набор моделей, правил, стандартов и методов, которые определяют, как данные собираются, хранятся, обрабатываются, интегрируются и используются в организации для достижения конкретных бизнес-целей. Согласно профессиональным стандартам (например, DAMA-DMBOK), архитектура данных является основой для Data Governance — управления данными в компании.
DAMA (The Data Management Association International) — это международная некоммерческая ассоциация, которая объединяет профессионалов в области управления данными по всему миру.
DM-BOK (Data Management Body of Knowledge) — переводится как «Свод знаний по управлению данными». DMBOK — это не жесткая пошаговая инструкция «делай раз, делай два». Это структурированная библиотека, аккумулирующая в себе десятилетия коллективного опыта, успехов и неудач тысяч компаний со всего мира. Она описывает «что» нужно делать для эффективного управления данными (Data Management), из каких компонентов состоит эта дисциплина и «почему» это важно.
Аудитория:
· Архитекторы данных и IT-архитекторы,
· Специалисты по качеству данных и Data Governance,
· Бизнес-аналитики и IT-специалисты,
· Разработчики (Data Engineers / Backend),
· для всех, кто готовит данные к анализу: Обеспечивает понимание того, как данные влияют на бизнес-результаты.
Предварительная подготовка
Опыт работы с большими данными, знание архитектуры данных.
Рекомендуется иметь знания в объеме курса [BD610] DAMA DMBoK: Основы управления данными
Опыт работы с большими данными, знание архитектуры данных.
Рекомендуется иметь знания в объеме курса [BD610] DAMA DMBoK: Основы управления данными
Программа:
1. Корпоративная архитектура данных
· Data-driven организация: основные характеристики.
· Стратегия организации и корпоративная архитектура.
· Корпоративная стратегия управления данными и архитектура данных.
· Цели корпоративной архитектуры данных
· Сравнительный анализ фрэймворков корпоративной архитектуры данных DAMA-DMBOK2, Zakhman, TOGAF, DCAM, FEAF, DoDAF.
· Компоненты корпоративной архитектуры данных
2. Паттерны корпоративной архитектуры данных
· Централизованная и распределенная архитектура данных
· Паттерны централизованной архитектуры данных. Data Warehouse vs DataLake
· Паттерны распределенной архитектуры данных Data Lakehouse, Data Mesh, Data Fabric, Data Cloud.
· Паттерны архитектуры больших данных Lambda, Kappa, Dataflow.
· Разбор практических кэйсов применения паттернов корпоративной архитектуры данных
· Практическое задание
3. Корпоративная модель данных (Business Understanding)
· Корпоративная модель данных. Представления модели данных: концептуальное, логическое и физическое.
· Реляционная модель данных, концептуальная модель «сущность-связь»
· Нормализация отношений, нормальные формы. Денормализация.
· Сравнительный анализ подходов к проектированию хранилищ данных. Методологии Инмона и Кимбалла, Data Vault, Anchor Modelling.
· Подходы к зонированию Data Lake.
· Разбор практических кэйсов по разработке корпоративных моделей данных.
· Практическое задание
4. Активности (Activities)
· Подходы к разработке корпоративной архитектуры данных: quality-oriented и innovation-oriented
· Внедрение практики архитектуры данных
· Оценка спецификаций архитектуры данных
· Разработка дорожной карты
· Управление корпоративными требованиями в рамках проекта архитектуры данных
· Интеграция с корпоративной архитектурой данных
· Разбор практических кэйсов по реализации активностей корпоративной архитектуры данных
5. Инструменты (Tools)
· Инструменты моделирования данных и репозитории моделей.
· ПО для управления ИТ-активами
· Приложения для графического проектирования.
· Практическое задание
6. Техники (Techniques)
· Проекции артефактов на фазы жизненного цикла проектирования корпоративной архитектуры данных.
· Принципы визуализации корпоративной архитектуры данных
7. Шаги по внедрению корпоративной архитектуры данных (Implementation Guidelines)
· Оценка готовности архитектуры данных и оценка рисков
· Скорость принятия архитектурных практик и изменения корпоративной культуры
· Паттерны и антипаттерны внедрения корпоративной архитектуры данных
· Практическое задание
8. Управление архитектурой данных (Data Architecture Governance)
· Принципы управления архитектурой данных
· Метрики управления архитектурой данных
· Сравнительный анализ моделей управления архитектурой данных
· Разбор практических кэйсов по управлению корпоративной архитектурой данных.