Eğitim Hakkında

Veri entegrasyonu ortamı geçtiğimiz birkaç yıl içinde önemli ölçüde değişti. Bir zamanlar kurumsal işlem sistemlerinden alınan verilerin harmanlanması ve yekpare bir hale getirilmesi konusunda göreceli olarak yönetilebilir görünen sorunlar günümüzde harici verileri, Web verilerini, tıklama verilerini, son kullanıcı verilerini, büyük verileri, bulut verilerini ve çok daha fazlasını kapsayacak şekilde büyüdü. Bilgi odaklı işletme çevikliğine yönelik yeni beklentiler de modern veri entegrasyonunun karmaşıklıklarını daha da çoğalttı. ETL tabanlı veri ambarları artık yeterli değil. Veri sanallaştırma, yeni nesil veri entegrasyonu mimarilerinin, tekniklerinin ve teknolojilerinin temel bir bileşeni haline geldi.

Siz de veri entegrasyonu yetkinliklerinizi geliştirmeye, iş hızında bilgi sunmaya ve veri entegrasyonu teknolojisindeki en son yeniliklerden faydalanmaya hazır olun. Ders anlatımları, alıştırmalar ve örnek vaka incelemelerinden oluşan bu kursta veri sanallaştırmanın nasıl çalıştığını ve veri entegrasyonu mimariniz ve süreçlerinizde veri sanallaştırmayı nasıl konumlandırabileceğinizi öğreneceksiniz.

Bu Eğitimde Neler Öğreneceksiniz

• Veri sanallaştırma tanımları ve terminolojisi
• Veri sanallaştırmanın iş alanında kullanımı ve teknik mantığı
• Sanallaştırmanın temel kavramları ve prensipleri -- görünümler, servisler, vb.
• Veri sanallaştırma yaşam döngüsü, özellikleri ve prosesleri
• Sanallaştırma ile veri ambarı nasıl genişletilebilir
• Sanallaştırma veri birliğini ve kurumsal veri entegrasyonunu nasıl etkinleştirmektedir
• Sanallaştırma, büyük veri ve bulut verisi ile ilgili zorluklara nasıl uygulanmaktadır
• Şirketler, iş sorunlarını çözmek ve işletme çevikliliğini yönlendirmek için sanallaştırmayı nasıl kullanıyor

Bu Eğitime Kimler Katılmalı

• İş zekası, MDM ve veri ambarı program ve proje yöneticileri
• Veri entegrasyonu mimarları, tasarımcıları ve geliştiricileri
• Veri ve teknoloji mimarları

Eğitim İçeriği

Data Virtualization Module 1. Data Virtualization Concepts and Principles

Data Virtualization Basics

• Data Virtualization Defined
• Virtualization vs. Materialization
• Virtualization vs. Synchronization
• Virtualization vs. Federation
• History and Evolution

Why Data Virtualization?

• Business Agility
• The Data Virtualization Business Case
• The Data Virtualization Technical Case

The Data Virtualization Foundation

• Views
• Query Optimization
• Data Services
• A “Bird’s-Eye” View

Virtualize or Materialize?

• Decision Factors
• Business Considerations Discussion

Module 2. Data Integration Architecture

Integration Architecture Concepts

• Integration Architecture Defined
• Data Sources, Middleware, and Data Consumers
• You Have It (Whether Defined or Not)

Reference Architectures

• Forrester’s Data Architecture Reference Model
• Forrester’s IaaS Architecture
• Gartner’s Data Services Layer Architecture
• IBM’s BI Reference Architecture

Integration Architecture Examples

• Example 1 – Ministry Social Services Logical Architecture
• Example 2 – Energy Industry Logical Architecture
• Example 3 – Energy Industry Technical Architecture
• Example 4 – Financial Services Logical Architecture

Virtualize or Materialize?

• Data Source Considerations Discussion

Module 3. Data Virtualization in Integration Architecture

Virtualization in Data Integration Projects

• Data Virtualization Use Cases

Data Warehousing Use Cases

• Data Warehouse Augmentation
• Data Warehouse Federation
• Hub and Virtual Spoke
• Complement ETL
• Data Warehouse Prototyping
• Data Warehouse Migration

Data Federation Use Cases

• Federated Views
• Data Services
• Data Mashups
• Caches
• Virtual Data Marts
• Virtual Operational Data Store (ODS)

MDM and EIM Use Cases

• Master Data Hub Extension
• Master Data Services
• Virtual Data Layer
• Enterprise Data Services

More Data Virtualization Applications

• Virtualization and Big Data
• Virtualization and Cloud Data

Virtualize or Materialize?

• Data Consumer Considerations Discussion

Module 4. Data Virtualization Platforms

Platform Requirements

• Data and Information Services
• Development Environment
• Management Functions

Platform Capabilities

• Access
• Delivery
• Transformation
• Abstraction
• Federation
• Query Optimization
• Caching
• Security
• Quality
• Governance

Platform Variations

• Stand-Alone Data Virtualization
• Extension of BI or Data Warehousing Platform
• Embedded and Appliances
• Some Vendors

Module 5. Implementing Data Virtualization

Analysis

• Goals and Purpose
• Scoping
• Data Source Discovery
• Source Data Analysis

Design and Modeling

• Data Source Layer
• Data Integration Layer
• Publish and Access Layer

Development

• Connect to Data Sources
• Build the Views
• Test and Validate
• Publish and Connect Applications

Deployment

• Acceptance Testing and Production

Operation

• Runtime Operations
• Management and Governance

Virtualize or Materialize?

• A Decision Tool

Module 6. Getting Started with Data Virtualization

Skills and Competencies

• Capabilities and Expertise

Human Factors

• People and Data Virtualization

Goals and Expectations

• DV Readiness
• Choosing a First DV Project
• Planning a DV Roadmap

Best Practices

• What Works in DV
• Mistakes to Avoid