Architekturen für analytische Datenplattformen

Im post-DWH Zeitalter ist eine Diskussion der bestehenden Ansätze zu Datenarchitekturen nicht nur akademisch unerlässlich, sondern insbesondere dann, wenn ein konkretes Ziel erreicht werden soll. Nicht alle Architekturen sind für alle Ziele nützlich. Zu diskutieren und einzuordnen sind die gängigen Datenarchitekturen: Vom Data Warehouse zum Data Lakehouse.

Datenseitig bedeutet dies einen besonderen Blick zu werfen auf: Datenspeicherung, Datenverarbeitung, Datennutzung, Datenverwaltung im Vergleich.

Technologische Grundlagen die zu verifizieren sind: Trennung von Compute und Storage, Schema-on-read vs. Schema-on-write und der Weg vom CSV zum Delta-File.

Aktuell spannend: Technologische Alternativen: Synapse vs. Microsoft Fabric
Was gilt es z.B. zu tun, wenn legal Vorgaben (noch) keine Cloud-Nutzung gestattet? Data Lakehouse onprem?

Das sind wichtige praxisrelevante Themen, die wir in Bälde an dieser Stelle diskutieren werden.

Schauen Sie auch auf unsere entsprechende und gut besuchte Veranstaltung zu diesem Thema LinkedIn Daten Architekturen

Die Fragen und Anregungen haben gezeigt, dass die Kombination aus Synapse Analytics, Python und SQL eine zukunftssichere Lösung für die Herausforderungen moderner Datenarchitekturen ist.