Data Mesh - Eine dezentrale Datenarchitektur entwerfen
Reduzierte Artikel in dieser Kategorie
| Verlag | dpunkt |
| Auflage | 2023 |
| Seiten | 388 |
| Format | 16,8 x 2,2 x 24,2 cm |
| Großformatiges Paperback. Klappenbroschur | |
| Gewicht | 718 g |
| Reihe | Animals |
| ISBN-10 | 3960092075 |
| ISBN-13 | 9783960092070 |
| Bestell-Nr | 96009207M |
Aus erster Hand: Die Autorin ist die Begründerin des innovativen Data-Mesh-Konzepts Von traditionellen Data Warehouses und Data Lakes hin zum dezentralen Data Mesh Das Buch zeigt, wie Data-Mesh-Architekturen sowohl organisatorisch als auch technisch implementiert werden Mit zahlreichen farbigen Abbildungen
Wir befinden uns an einem Wendepunkt im Umgang mit Daten. Unser bisheriges Datenmanagement wird den komplexen Organisationsstrukturen, den immer zahlreicheren Datenquellen und dem zunehmenden Einsatz von künstlicher Intelligenz nicht mehr gerecht. Dieses praxisorientierte Buch führt Sie in Data Mesh ein, ein dezentrales soziotechnisches Konzept basierend auf modernen verteilten Architekturen. Data Mesh ist ein neuer Ansatz für die Beschaffung, Bereitstellung, den Zugriff und die Verwaltung analytischer Daten, der auch skaliert.
Zhamak Dehghani be gleitet Softwarearchitekt_innen, Entwickler_innen und Führungskräfte auf ihrem Weg von einer traditionellen, zentralen Big-Data-Architektur hin zu einer verteilten, dezentralen Organisationsstruktur für das Managen analytischer Daten. Data Mesh behandelt dabei Daten als Produkt, ist stark domänengetrieben und zielt auf eine Self-Serve-Datenplattform ab. Das Buch erläutert technische Migrationsstrategien, aber auch die organisatorischen Veränderungen von Teamstrukturen, Rollen und Verantwortlichkeiten, die mit dezentralen Architekturen einhergehen.
Lernen Sie die Prinzipien von Data Mesh und ihre Bestandteile kennen Entwerfen Sie eine Data-Mesh-Architektur Definieren Sie Ihre Data-Mesh-Strategie und begleiten Sie deren Umsetzung Steuern Sie den organisatorischen Wandel hin zu dezentraler Data Ownership Migrieren Sie von traditionellen Data Warehouses und Data Lakes hin zu einem verteilten Data Mesh
