Data Modeling in the Age of Big Data Turkmenistan Eğitimi

Veri modellemesi belki de geçmişte olmadığı kadar hala önemli bir süreç. Ancak veri modellemesinin amacı ve süreçleri, sürekli gelişen veri dünyasına ayak uydurabilmek için değişmek zorunda. Bu eğitim, büyük veri çağında etkin modelleme için ihtiyaç duyulan prensipleri, uygulamaları ve teknikleri incelemektedir.

Herhangi bir ön koşul yoktur.

Veri mimarları, veri modelleyiciler, veritabanı geliştiricileri, veri entegratörleri, veri analistleri, rapor geliştiriciler, yapılandırılmış kurumsal verilerle klasik olmayan veri kaynaklarını birlikte çalıştırma ihtiyacı karşısında zorluk yaşayan herkes katılabilir.

• Veri deposu modelleme ve veri erişimi modelleme arasındaki farkı ve bunların ne zaman faydalı olduğunu ayırt etme
• Tüm veri türlerine ilişkin veri modellemesi için ortak bir payda sağlayan temel veri özellikleri
• İlişkisel, boyusal, NoSQL, NewSQL, grafik ve belge gibi çeşitli veritabanı türlerini ele almak için bu ortak paydanın nasıl kullanıldığı
• Klasik mantıksaldan fiziksele modellemenin ne zaman çalıştığı ve süreci fizikselden mantıksala şeklinde tersine çevirmenin ne zaman mantıklı olduğu
• Veri modellemesinde metodolojik sıkıntı ile keşif odaklı çalışma arasındaki denge

Module 1 – Big Data Fundamentals

What is Big Data

• Big Data
• NoSQL
• Structured Data
• Beyond Structured Data

Big Data Opportunities

• Beyond Enterprise Data
• Beyond Transactions
• Understanding Cause and Effect
• Business Impact

NoSQL Technologies

• Relational Technology
• Key-Value Stores
• Document-Oriented Databases
• Graph Databases
• Summary of Database Technologies
• Vendor Landscape

Big Data Challenges

• Beyond Enterprise Data
• Multiple Management Platforms
• Lack of Fixed Schema
• Multiple Uses for Data
• Traditional Focus on Transactions
• Relational Perspective

Exercise: Big Data Opportunities

Module 2 – Modeling and Data

Models

• What is a Model?
• What is a Data Model?
• Why Model Data?
• More than a Diagram

Modeling for Relational Storage

• Relational Storage and BI
• Fixed Structure and Content
• Schema on Write
• Requirements First
• Data Modelers and Architects

Modeling for Non-Relational Storage

• Big Data and BI
• Flexible Schema
• Big Data Notation
• Schema on Read
• Data First, Requirements Last
• Business SMEs, Analytic Modelers, and Programmers

Complementary Approaches

• Relational and Non-Relational Data
• Incremental Value of Big Data
• Rigor vs. Agility
• Roles

Exercise: Modeling Purpose

Module 3 – Key-Value Stores

Key-Value Stores Defined

• The Basics
• NoSQL Foundation

Key-Value Data Representation

• Representing Things
• Representing Identities
• Representing Properties
• Representing Associations
• Representing Metrics

Use Cases

• Embedded Systems
• High-Performance In-Process Databases
• NoSQL Foundation

Examples

• Common Key-Value Store Products

Exercise: Key-Value Pairs Modeling

Module 4 – Document Stores

Document Stores Defined

• Document-Oriented Databases
• Basic Terminology
• Flexible Internal Structure
• Document Stores and Key-Value Stores
• Fields Can Have Multiple Values
• Fields Can Contain Sub-Documents
• Summary of Characteristics

Document Data Representation

• Representing Things
• Representing Identifiers
• Representing Properties
• Representing Associations
• Representing Metrics

Use Cases

• Choosing Document Storage
• Capture: Data Arrives in Document Format
• Explore Sources that Track Information Differently
• Augment
• Extend

Examples

• Common Document Store Databases

Exercise: Document Modeling

Module 5 – Graph Databases

Graph Databases Defined

• The Basics
• Data about Relationships
• The Terminology – Nodes and Edges
• The Terminology – Hyperedges
• The Terminology – Properties

Graph Data Representation

• Representing Things
• Representing Identities
• Representing Associations
• Representing Properties
• Representing Metrics

Use Cases

• Social Networks
• Network Analysis and Visualization
• Semantic Networks

Examples

• Common Graph Database Products

Module 6 – Embracing Big Data

BI Programs and Big Data

• Big Data and Information Asset Management
• The Gaps
  • What Is Lost with Non-Relational
  • BI and Analytics Gap
  • Role/Skill Gaps
• Organization and Planning
  • Balancing Standards with Flexibility
  • Organize Around Purpose, Not Tools
  • IAM Roadmap Including Big Data
  • Architecture Still Important
• The Journey
  • Cataloging and Prioritizing Opportunities
  • Evolving Skills
  • Technology Decision Models
  • Responding to Tool Failures

Human Side of Big Data

• Changing Role of Data Modeling
• Traditional Data Modeler Role
• More Roles Doing Data Modeling
• When Data Modeling Occurs
• Merging Data Modeling and Profiling

Tapping Into Big Data

• Process Agility and Flexibility Over Formality
• More Exploration, Iteration, and Risk
• Importance of Metadata

Taking the Next Steps

• Conversations to Gather Opportunities
• Proofs of Concept
• Business Case / ROI
• Ongoing Value of Data Modeling
• New Tools, Same Workbench

Exercise: Embracing Big Data

Module 7 – Summary and Conclusion

Summary of Key Points

• A Quick Review

References and Resources

• To Learn More

Bilginç IT Academy olarak, Birleşik Krallık ve Türkiye'deki güçlü varlığımızı birleştirerek, dünya genelindeki kurumlara yüksek kaliteli ve uygulamaya yönelik eğitim çözümleri sunuyoruz.

Global Varlık, Yerel Uzmanlık
İngiltere ve Türkiye’deki operasyonlarımız sayesinde, uluslararası standartları yerel pazar bilgisiyle birleştirerek farklı bölgelerde etkili eğitim deneyimleri sağlıyoruz.

Gerçek Deneyime Sahip Uzman Eğitmenler
Eğitimlerimiz, sektörde aktif deneyime sahip, alanında sertifikalı eğitmenler tarafından verilir. Bu sayede edindiğiniz bilgileri doğrudan iş hayatında kullanabilirsiniz.

Kurumsal Odaklı Eğitim Yaklaşımı
Eğitimlerimizi şirketinizin hedeflerine, teknolojilerine ve projelerine özel olarak uyarlıyoruz.

Dünya Çapında Esnek Eğitim Çözümleri
Global ölçekte; sınıf eğitimi, sanal sınıf ve yerinde eğitim seçenekleriyle kurumunuza en uygun eğitim modelini sunuyoruz.

Uygulamalı ve Etkileşimli Öğrenme
Gerçek hayat senaryoları, vaka çalışmaları ve interaktif uygulamalar ile kalıcı öğrenme sağlıyoruz. Kanıtlanmış Deneyim 10 yılı aşkın tecrübemizle, farklı sektörlerden birçok kurumun çalışanlarına eğitim verdik.