Jump Talk: Teradata

No episódio 19, trouxemos Fábio Rodrigues – Solutions Engineer Manager do Teradata no Brasil.

Durante o bate-papo, Fábio comentou sobre como proteger sua privacidade com o uso da inteligência artificial. Ele explicou que é um princípio de engenharia; a Teradata é uma empresa ética e leva essa questão a sério. Por exemplo, quando você está no ChatGPT, está em um site público. No entanto, ao utilizar algum algoritmo de IA generativa, são usadas APIs privadas. Isso significa que tudo o que você treinar para enriquecer estará vinculado à sua assinatura, seja na Microsoft ou nas respectivas versões do Google e da AWS. Assim, você está protegido ao utilizar essas técnicas dentro do seu provedor de nuvem.

No decorrer do podcast, discutiu-se sobre como transformar a governança de TI com eficiência e automação. Ao aplicar a governança, além de limitar a quantidade de processamento e armazenamento, é necessário definir por quanto tempo deseja manter essa estrutura de forma automatizada. Assim, o usuário pode solicitar espaço, negar espaço ou ser bloqueado após um determinado período. Isso é feito na sua área de trabalho, no seu sandbox, de forma isolada e controlada.

Durante a conversa, foram debatidos a governança financeira robusta e os benefícios da plataforma ‘Vantage Cloud’. De acordo com a necessidade da sua empresa, você define o padrão, sempre com controle. Analistas de mercado como Gartner e IDC apontam que a governança financeira é um ponto extremamente forte em comparação com as demais, porque nascemos nesse mundo de escassez e entendemos que os clientes têm seus limites de budget. Isso se torna um ponto fortíssimo, além da inteligência do software para atender os quatro métodos analíticos.

Por fim, discutimos como escalar o uso de plataformas com eficiência. Quanto mais você compartilhar a responsabilidade com o usuário dentro da plataforma, mais você escalará o uso da plataforma com eficiência e trará valor para o negócio. A solução também permite que adotemos conceitos modernos, como o ‘Data Mesh’, onde cada domínio tem seu respectivo dono. Dentro desse domínio, ocorre o consumo dos dados. Partindo do princípio em que há clusters, você terá acesso a esses dados e começará a realizar toda a gestão sem impactar os demais.

Conte com a nossa equipe para saber como transformar digitalmente seus negócios. Temos uma equipe experiente e dedicada pronta para atender às necessidades específicas da sua organização e garantir o melhor resultado possível. Estamos aqui para ajudar a impulsionar a sua empresa para o futuro digital.

No Jump Talk, sempre discutimos com nossos convidados sobre o futuro e as habilidades necessárias para alcançar o sucesso profissional. Assista nossas conversas para se inspirar e aprender com especialistas.

JumpTalk #19 – Teradata (youtube.com)

Data Warehouse, Data Lake, Lakehouse e Data Mesh

Modelos de Dados: Data Warehouse, Data Lake, Data Lakehouse e Data Mesh

Os modelos de dados são essenciais para empresas que desejam tomar decisões baseadas em dados confiáveis. Neste post, exploraremos as diferenças entre quatro modelos populares: Data Warehouse, Data Lake, Data Lakehouse e Data Mesh.

Data Warehouse

Um Data Warehouse é um sistema de armazenamento projetado para análises de dados, organizando dados de várias fontes para facilitar consultas e análises. Utilizado para decisões informadas, análise de dados históricos, identificação de tendências e previsões.

Benefícios:

– Estruturação e organização dos dados

– Fácil consulta e análise

– Ideal para análises históricas e preditivas

Data Lake

Um Data Lake armazena dados brutos de diferentes fontes e formatos, permitindo que empresas armazenem todos os dados em um único lugar. Cientistas de dados podem acessar dados brutos para modelagem preditiva e análises avançadas.

Benefícios:

– Armazenamento flexível de dados brutos

– Suporte a dados estruturados, semiestruturados e não estruturados

– Facilita análises avançadas e descobertas de insights

Data Lakehouse

O Data Lakehouse combina os benefícios de um data lake com os recursos de um data warehouse. Permite armazenamento e processamento flexível e escalável de qualquer tipo de dado, com acesso a análises em tempo real.

Benefícios:

– Flexibilidade e escalabilidade

– Análises em tempo real

– Integração de dados brutos e estruturados

Data Mesh

O Data Mesh distribui a responsabilidade pelo gerenciamento de dados entre equipes específicas de domínio, permitindo acesso e consulta direta aos dados sem a necessidade de transportá-los para um repositório central.

Benefícios:

– Descentralização do gerenciamento de dados

– Acesso direto e rápido aos dados

– Adaptação a estruturas organizacionais complexas

Implementação e escolha do modelo de dados

Como escolher o melhor modelo para a sua empresa? A escolha do modelo ideal depende das necessidades específicas da sua empresa, como a natureza dos dados, os objetivos de análise e os recursos disponíveis.

Caso de sucesso: Modern Data Warehouse na Laureate International Universities

Após um projeto de sucesso, a Laureate International Universities utiliza uma solução moderna de Data Warehouse para auxiliar suas áreas de negócio a terem informação segura e rápida, garantindo a tomada de decisões baseadas em dados para mais de 875 mil estudantes matriculados.

Problema:

– Diversos sistemas legados com formatos e tipos de dados distintos dificultando a tomada de decisões globais.

– Necessidade de relatórios consistentes e alinhados.

Desafios:

– Unificar dados de dezenas de sistemas legados.

– Criar uma fonte segura e confiável de dados.

– Implementar ferramentas de BI para autoatendimento.

Soluções:

– Migração do ambiente on-premises para a nuvem.

– Utilização do Snowflake para escalabilidade e processamento separado.

– Implementação do Power BI para visualização e análise de dados.

Benefícios: