Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Prinzipien des Data Lake-Designs
Der Aufbau eines Data Lakes kann Datensilos aufbrechen und Daten für die Wertextraktion demokratisieren. Ein zentraler Datenspeicher ermöglicht es Unternehmen, datengestützte Entscheidungen zu treffen und schnell Innovationen zu entwickeln.
Organizations benötigen eine kostengünstige und elastische Speicherkapazität, um unterschiedliche Datenquellen zu speichern, die exponentiell wachsen. Sie möchten riesige Datenmengen zentral verwalten und über verschiedene Geschäftsbereiche hinweg gemeinsam nutzen. Darüber hinaus möchten sie ihre Mitarbeiter und Stakeholder in die Lage versetzen, mit kürzeren Geschäftsinformationen zu gewinnen. time-to-value
Überlegungen beim Entwerfen eines Data Lakes:
-
Wie sammelt, speichert und analysiert man Hochgeschwindigkeitsdaten verschiedener Datentypen, einschließlich strukturierter, unstrukturierter und halbstrukturierter Daten?
-
Wie speichern und teilen Sie Petabyte an Daten auf Abruf weltweit und kostengünstig?
-
Wie skalieren Sie IT-Ressourcen, um eine große Anzahl gleichzeitiger Abfragen Ihrer Daten zu unterstützen, und wie skalieren Sie sie automatisch, um Kosten zu sparen?
-
Wie können Ihre Benutzer heute Abfragen in mehreren Datenrepositorien aufrufen, durchsuchen und ausführen?
-
Wie leiten Sie future Erkenntnisse aus historischen Datenmustern und vergangenen Szenarien ab?
