Leitfaden zum Aufbau eines Cloud-Analytics-&-BI-Stacks [PDF, 187 S.]

<p>Erklärt einen modernen Analytics-Stack und fasst zusammen, wie man klein anfängt und skaliert<br /> #1 Datenerfassung, -integration und -speicherung<br /> #2 Datenverarbeitung: Transformation und Modellierung<br /> #3 Daten sichtbar machen und nutzen <br /> Empfehlenswerte kostenpflichtige/Open-Source-Tools für jede Phase werden zusammengestellt<br /> <br /> Was die Autoren (Entwickler von Holistics, einer Full-Stack-Datenplattform) bevorzugen:<br /> - ELT statt ETL <br /> - Cloud Data Warehouse statt On-Premise: Empfehlung für BigQuery <br /> - Beim Setup von Analytics-Tools ist Data Modeling unverzichtbar<br /> - SQL-basierte Analytics-Tools werden sich gegen nicht-SQL-basierte Tools durchsetzen<br /> - Wichtiger als ein Fokus auf Visualisierung sind Analytics-Workflow/-Betrieb <br /> <br /> Chapter 1: High-level Overview of an Analytics Setup<br /> Chapter 2: Centralizing Data<br /> Chapter 3: Data Modeling for Analytics<br /> Chapter 4: Using Data<br /> Chapter 5: Conclusion</p>

[inthelife]

<p>Download: https://cdn.holistics.io/guidebook/…;

[xguru]

<p>Vielen Dank, haha. Da ich die News hochlade, versuche ich auch, die Originalseite zu verlinken, deshalb poste ich zwar den Link zum Originaltext, aber wenn Sie ihn so in den Kommentaren ergänzen, ist das für andere Nutzer vermutlich hilfreich ;)</p>