Ciência e Dados
Menu
  • Home
  • Sobre
  • Contato
Menu

Enterprise Data Hub

Posted on 31 de janeiro de 201627 de dezembro de 2017 by David Matos

Um Enterprise Data Hub é um modelo de gerenciamento de Big Data que usa uma plataforma Hadoop como o repositório de dados central. O objetivo de um Enterprise Data Hub é permitir que a empresa tenha uma fonte de dados centralizada e unificada que possa fornecer rapidamente informações a diversos usuários de negócio, apoiando a tomada de decisão. Todos os aplicativos de analytics se conectam ao EDH para extrair as informações para análise.

O Big Data tornou-se a palavra de ordem nos últimos anos e muito mais ainda está por vir. Mas o grande desafio agora, é maximizar a utilização dos dados e alavancar benefícios reais, impulsionando oportunidades de negócio. Cada vez mais as empresas estão se movendo para uma cultura orientada a dados.

A introdução de um Enterprise Data Hub no cerne da arquitetura de informação de uma empresa, promove a centralização de todos os dados, em todos os formatos, disponíveis para todos os usuários de negócio, com total fidelidade e segurança e custo até 99% menor por Terabyte, em comparação com um Data Warehouse tradicional. O Hadoop foi desenvolvido para extrair o máximo de hardware de baixo custo.

Um Enterprise Data Hub serve como um repositório flexível para coletar e manter dados de forma ilimitada, seja para fins de conformidade ou para aplicações sofisticadas, como detecção de anomalias em tempo real. Ele acelera relatórios  de analytics e aumenta a disponibilidade e acessibilidade dos dados para as atividades que suportam o crescimento do negócio e pode fornecer um quadro completo de operações para permitir a inovação de processos.

O conceito de EDH (Enterprise Data Hub), não chega a ser exatamente novo, pois já existem os EDW (Enterprise Data Warehouse). O desafio está em mover a empresa de um modelo tradicional de gestão de dados, para um modelo voltado ao Big Data e suas particularidades como volume, velocidade e variedade. Os principais defensores do EDH são a Cloudera e a MapR.

Este esquema da Cloudera ajuda a resumir o EDH:

Cloudera Enterprise Data Hub

O Enterprise Data Hub inclui:

Reservatório de Dados ou “Data Lake“: Coleta de dados brutos que antes tinham alto custo para armazenamento e processamento. Os dados de diferentes fontes são gerenciados e governados no Data Lake, que também pode atuar como um arquivo online para dados acessados ​​com menos frequência.

Refino de dados: Otimizar o processo de integração de diversos tipos de dados de várias fontes para descobrir as relações. Analisar, limpar, transformar e integrar dados.

Exploração do Big Data: Realizar análises investigativas em grandes volumes de dados de valor desconhecido, aplicando uma combinação de Machine Learning, estatísticas e técnicas de análise de gráfico SQL-on-Hadoop para descobrir novos conhecimentos e melhorar a análise operacional, tais como detecção de anomalia e sistemas de recomendação.

Fácil acesso aos dados: Os mais variados tipos de dados podem ser facilmente acessados em um EDH, garantindo uma fonte única para o trabalho de analytics.

Armazenamento de dados em formato nativo: Talvez uma das principais vantagens do EDH. Ao iniciar o trabalho de analytics, há a garantia que os dados estão em seu estado bruto, evitando distorção no processo de análise.

O Big Data está se consolidando e trazendo novos conceitos ou mudando conceitos existentes. À medida que as empresas se moverem para uma cultura orientada a dados, veremos o Enterprise Data Hub no centro de qualquer estratégia de Big Data e Analytics.

David Matos

Relacionado

3 thoughts on “Enterprise Data Hub”

  1. Lucas Santos disse:
    28 de agosto de 2016 às 10:50 PM

    Qual foi as fontes utilizadas para realizar esse post? poderiam me passar? me mandem por e-mail.

    Obrigado!

    Responder
    1. David Matos disse:
      30 de agosto de 2016 às 9:52 PM

      Oi Lucas. As fontes foram os sites da Cloudera, MapR e Hortonworks. Abs

      Responder
  2. albufeira portugal fotos disse:
    6 de março de 2019 às 9:43 AM

    Ah, isso fοi um excepcionalmente Ƅom post. Encontrar
    o tempo e esforç᧐ real para criar um
    entalhe superior artigo… mɑs o qᥙe posso
    dіzer… Eu hesita mᥙito е nunca conseguem obter nadа feito.

    Responder

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Assinar blog por e-mail

Digite seu endereço de e-mail para assinar este blog e receber notificações de novas publicações por e-mail.

Buscar

Twitter

Meus Tuítes

Tags Mais Comuns nos Posts

Anaconda Analytics Análise de Negócios Apache Spark AWS Big Data Blockchain Business Intelligence Chief Data Officer Cientista de Dados Cientistas de Dados Ciência de Dados Cloud Computing DaaS Data Lake Data Science Data Scientist Data Warehouse Deep Learning Deploy Descriptive Analytics Diagnostic Analytics Engenheiro de Dados Estatística GPU Hadoop Inteligência Artificial Internet of Things Linguagem Python Linguagem R Machine Learning MapReduce Mercado Financeiro NoSQL NVIDIA Open Data Oracle PaaS Predictive Analytics Prescriptive Analytics Probabilidade Python SaaS Salários Data Science Visualização

Histórico de Posts

  • junho 2022 (3)
  • maio 2022 (2)
  • abril 2022 (3)
  • março 2022 (1)
  • fevereiro 2022 (3)
  • janeiro 2022 (3)
  • dezembro 2021 (1)
  • novembro 2021 (6)
  • outubro 2021 (3)
  • setembro 2021 (3)
  • agosto 2021 (1)
  • junho 2021 (1)
  • março 2021 (1)
  • fevereiro 2021 (2)
  • janeiro 2021 (1)
  • dezembro 2020 (1)
  • novembro 2020 (1)
  • outubro 2020 (2)
  • agosto 2020 (1)
  • abril 2020 (1)
  • março 2020 (1)
  • fevereiro 2020 (2)
  • agosto 2019 (1)
  • abril 2019 (1)
  • dezembro 2018 (1)
  • outubro 2018 (1)
  • setembro 2018 (2)
  • julho 2018 (1)
  • junho 2018 (3)
  • maio 2018 (1)
  • abril 2018 (1)
  • março 2018 (1)
  • fevereiro 2018 (2)
  • janeiro 2018 (1)
  • dezembro 2017 (1)
  • novembro 2017 (1)
  • outubro 2017 (1)
  • setembro 2017 (1)
  • julho 2017 (1)
  • junho 2017 (1)
  • maio 2017 (2)
  • abril 2017 (1)
  • janeiro 2017 (1)
  • novembro 2016 (1)
  • outubro 2016 (1)
  • setembro 2016 (1)
  • julho 2016 (1)
  • junho 2016 (1)
  • maio 2016 (1)
  • abril 2016 (1)
  • fevereiro 2016 (1)
  • janeiro 2016 (3)
  • dezembro 2015 (4)
  • novembro 2015 (6)
  • outubro 2015 (9)
  • setembro 2015 (9)
  • agosto 2015 (9)
©2022 Ciência e Dados
 

Carregando comentários...