Inovação com dados em nuvem

Ponto de vista introdutório sobre a definição de Computação em Nuvem (Cloud Computing) e os modelos de Infraestrutura como Serviço (Infrastructure as a Service, IaaS), Plataforma como Serviço (Platform as a Service, PaaS) e Software como Serviço (Software as a Service, SaaS).  

Ponto de vista introdutório sobre a Modelagem Dimensional de Dados para Data Warehouse. Definição de Modelo Estrela (Star Schema) e o contraponto com a modelagem Snowflake. Definição do processo de negócio. Declaração de grão. Identificação de dimensões. Identificação de fatos. Exemplos práticos de Modelagem Dimensional de Dados. Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Ponto de vista sobre a Arquitetura de Solução para o Data Warehouse moderno. A gravidade de dados é fator determinante na combinação de tecnologias adequadas para a entrega de valor ao negócio. O Banco de Dados Convergente, além da computação em nuvem (cloud), é uma possibilidade viável na adoção de uma plataforma única para o trabalho com dados. Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Ponto de vista sobre a Arquitetura de Dados para o paradigma Lakehouse. Lakehouse é um paradigma que combina elementos de Data Lake e Data Warehouse. Os projetos Apache HUDI, Apache Iceberg e Delta Lake abordam este paradigma. Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Ponto de vista sobre Arquiteturas de Solução para Data Warehouse e Data Lake baseados em computação em nuvem (Cloud). Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Ponto de vista sobre a Arquitetura Clássica do Data Lake e a sua evolução até a Arquitetura Lambda. A visão de maturidade do Data Lake é detalhada em poça de dados, charco, lago de dados e oceano. Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Ponto de vista sobre a Arquitetura Clássica do Data Warehouse. Uma Arquitetura Clássica de Data Warehouse usualmente é composta por 4 camadas: camada de Origem dos Dados, camada de área de trabalho (Stage ou Staging), camada em Modelagem 3NF (modelada na Terceira Forma Normal), camada em Modelagem Dimensional de Dados e camada de Visualização para a entrega dos casos de uso de relatórios, painéis e ciência de dados. Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Ponto de vista sobre as características estratégicas aos negócios para as tecnologias de persistência de dados. Escalabilidade, desempenho, controle transacional ACID (atomicidade, consistência, isolamento e durabilidade), formatos diversos (dados estruturados, semiestruturados e não-estruturados), cargas de trabalho mistas, acessibilidade. Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Ponto de vista sobre o framework Triângulo da Estratégia dos Sistemas de Informação (Information Systems Strategy Triangle) e a Estratégia de Dados. Nas empresas de sucesso, a Estratégia de Negócio direciona a Estratégia Organizacional e a Estratégia da Informação. Mudanças em qualquer estratégia requerem mudanças nas demais para manter a harmonia. A Estratégia de Dados abrange modelos semânticos, autosserviço e inteligência artificial, alavancados pela computação em nuvem. Dados geram vantagem competitiva para os negócios e, por isso, construímos Data Warehouses, Data Lakes e Lakehouses.

Esta é uma reflexão sobre o contexto econômico do trabalho sobre dados. Dados geram vantagem competitiva para os negócios. Dados são fatores de produção de bens e serviços digitais. Dados constituem um novo tipo de capital; constituem um bem de experiência, infungível e não-rival. Por isso, construímos Data Warehouses, Data Lakes e Lakehouses.