Le lac de données de l'entreprise (Big Data Lake) : La promesse du Big Data et de la science des données

Note :   (4,4 sur 5)

Le lac de données de l'entreprise (Big Data Lake) : La promesse du Big Data et de la science des données (Alex Gorelik)

Avis des lecteurs

Résumé:

Ce livre offre une vue d'ensemble complète des lacs de données et de la gestion des big data, en proposant des idées précieuses et des meilleures pratiques pour les débutants comme pour les praticiens expérimentés. Si de nombreux lecteurs apprécient son accessibilité et son approche pratique, d'autres trouvent qu'il manque de profondeur et de détails techniques. Certains lecteurs ont été déçus par l'organisation du livre et le manque d'exemples d'application dans le monde réel.

Avantages:

Accessible et facile à comprendre pour les lecteurs de tous niveaux.
Offre les meilleures pratiques et les points de vue d'experts du secteur.
Fournit une bonne vue d'ensemble des concepts de big data et de leur applicabilité.
Utile pour comprendre la gestion et la gouvernance des lacs de données.
Aperçu de haut niveau sans jargon excessif.

Inconvénients:

Manque de profondeur et de détails techniques, en particulier pour les lecteurs avancés.
Certains se plaignent des répétitions et du manque d'exemples concrets.
L'absence de numéros de page entrave les citations.
Peu de discussions sur la préparation et la sécurité des nuages.
Certains éléments semblent dépassés ou mal structurés.

(basé sur 15 avis de lecteurs)

Titre original :

The Enterprise Big Data Lake: Delivering the Promise of Big Data and Data Science

Contenu du livre :

Le lac de données est une nouvelle approche audacieuse qui permet d'exploiter la puissance de la technologie du big data et d'offrir des capacités de libre-service pratiques. Mais cette approche est-elle adaptée à votre entreprise ? Ce livre s'appuie sur des discussions avec des praticiens et des dirigeants de plus d'une centaine d'organisations, qu'il s'agisse d'entreprises axées sur les données telles que Google, LinkedIn et Facebook, de gouvernements ou d'entreprises traditionnelles. Vous apprendrez ce qu'est un lac de données, pourquoi les entreprises en ont besoin et comment le construire avec succès grâce aux meilleures pratiques présentées dans ce livre.

Alex Gorelik, directeur technique et fondateur de Waterline Data, explique pourquoi les anciens systèmes et processus ne peuvent plus répondre aux besoins de l'entreprise en matière de données. Ensuite, dans une collection d'essais sur la mise en œuvre des lacs de données, vous examinerez les initiatives de lacs de données, les projets analytiques, les expériences et les meilleures pratiques des experts en données travaillant dans divers secteurs.

⬤ Une introduction succincte à l'entreposage de données, au big data et à la science des données.

⬤ Apprenez les différentes voies empruntées par les entreprises pour construire un lac de données.

⬤ Explorer comment construire un modèle de libre-service et les meilleures pratiques pour permettre aux analystes d'accéder aux données.

⬤ Utiliser différentes méthodes pour architecturer votre lac de données.

⬤ Découvrir les méthodes de mise en œuvre d'un lac de données auprès d'experts de différents secteurs d'activité.

Autres informations sur le livre :

ISBN :9781491931554
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2019
Nombre de pages :200

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Le lac de données de l'entreprise (Big Data Lake) : La promesse du Big Data et de la science des...
Le lac de données est une nouvelle approche...
Le lac de données de l'entreprise (Big Data Lake) : La promesse du Big Data et de la science des données - The Enterprise Big Data Lake: Delivering the Promise of Big Data and Data Science

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)