Big Data e Analytics Enterprise Data Governance e Master Data

LA TECHNOLOGY TRANSFER PRESENTA
MIKE
FERGUSON
Big Data e Analytics Enterprise
Dalla Strategia Data Governance
all’Implementazione e Master
Data Management
5-6 GIUGNO 2017
7-8 GIUGNO 2017
RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231
ROMA
[email protected]
www.technologytransfer.it
Big Data e Analytics
DESCRIZIONE
Questo workshop si propone di spiegare ai Professionisti di Business Intelligence di Data Warehousing e ai Data
Scientist cosa sono i Big Data, Hadoop, altri database NoSQL e l’Analitica multi-piattaforma. Cosa è questo nuovo fenomeno? Come può essere usato? Come si colloca all’interno dell’ambiente analitico tradizionale? Di quali skills avete bisogno per sviluppare Big Data? Il workshop risponderà a queste e molte altre domande.
In particolare i partecipanti impareranno:
• Cosa sono i Big Data
• Come i Big Data creano molti nuovi tipi di workload analitico
• Le differenti Piattaforme tecnologiche per Big Data
• Tecniche analitiche di Big Data e tools di front-end
• Come analizzare dati non modellati e multi-strutturati usando Hadoop e MapReduce
• Come integrare Big Data con i sistemi tradizionali di BI e DW
• Come capire i casi d’uso di business per differenti tecnologie di Big Data
• Come far partire e organizzare progetti su Big Data
• Come usare Big Data per ottenere un valore di business
PARTECIPANTI
• Direttori IT
• CIO
• IT Managers
• Business Intelligence Managers
• Professionisti di Data Warehousing
• Data Scientists
• Enterprise Architects
• Data Architects
PROGRAMMA
1. Introduzione ai Big Data
Questa sessione definisce i Big Data e analizza le ragioni per voler fare uso di questo nuovo settore della
tecnologia. Esamina i casi d’uso per i Big Data e spiega qual è la differenza tra i tradizionali BI e Data Warehousing e i Big Data.
• Cosa sono i Big Data?
• Tipi di Big Data
• Perché analizzare i Big Data?
• La necessità di analizzare nuove e più complesse
sorgenti di dati
• Casi di utilizzo
• Cosa è la Data Science?
• Data Warehousing e BI rispetto ai Big Data
• Patterns per tecnologie di Big Data
2. Introduzione alla Big Data Analytics
In questa sessione viene analizzata la Big Data
Analytics, gli strumenti, le tecniche coinvolte e la possibile integrazione di questo nuovo ambiente con
l’ambiente esistente di Data Warehouse e Business
Intelligence. Spiega anche come sfruttare al massimo gli strumenti esistenti di Data Management e di BI
attraverso Piattaforme di DW e Big Data.
• Tipi di Big Data Analytical workloads
• Streaming dei dati ad alta velocità
• Exploratory Analysis per dati multi-strutturati
• Analisi complessa di dati strutturati
• Graph Analytics
• Sfide per la gestione e l’analisi dei Big Data
• I componenti chiave in un ambiente Big Data Analytics
• Preservare i precedenti investimenti in BI/DW
• Il Big Data Extended Analytical Ecosystem
3. Piattaforme di Big Data e opzioni di memorizzazione
Questa sessione esamina le piattaforme e le opzioni
di archiviazione dei dati per Big Data Analytics.
• Il nuovo ecosistema analitico Multi-Piattaforma
• Oltre il Data Warehouse: Hadoop NoSQL e RDBMSs
analitici, NewSQL DBMSs
• NoSQL DBMSs
• Un’introduzione a Hadoop e a Hadoop Stack
• HDFS, MapReduce, Pig & Five
• Apache Spark Framework
• Opzioni SQL su Hadoop: Impala, Hive, SparkSQL,
HawQ, HP Vertica SQL su Hadoop, IBM BigSQL,
CitusDB JethroData, Splice Machine, Actian Analytics
Platform, Oracle Big Data SQL, Teradata QueryGrid
• Il mercato dei Big Data
- Hadoop distributions – Cloudera, HortonWorks,
MapR, IBM BigInsights Open Data Platform, Microsoft HD Insight, PivotalHD
- Big Data Appliances – Oracle Big Data Appliance,
IBM PureData System for Hadoop, HP HAeN, Teradata Aster Discovery Server
- Databases NoSQL ad esempio Datastax, Neo4J,
Cassandra, MongoDB, Riak
• L’opzione di deployment Cloud – Microsoft Windows
Azure (HDinsight Data Lake & Data Factory), IBM
Bluemix, Amazon Elastic MapReduce, Altiscale Data
Cloud, Qubole, Oracle, Analytics Cloud
• Creare un ecosistema analitico Multi Piattaforma
4. L’integrazione dei Big Data in un ambiente analitico Multi-Piattaforma
In questa sessione si guarda alla sfida dell’integrazione dei Big Data e alle problematiche specifiche che
questo solleva. Come Vi comportate con grandi volumi di dati e diverse varietà di dati? Come il caricamento dei dati in Hadoop differisce dal caricamento
dei dati in database relazionali analitici?
Che cosa sui databases NoSQL? Come dovrebbe
essere gestita la bassa latenza dei dati?
• Tipi di Big Data
• Connessione alle fonti di Big Data, come ad esempio: i Web logs, clickstream, i dati del sensore, contenuti strutturati e semi-strutturati
• Fornire dati consistenti alle diverse piattaforme analitiche
• Caricare i Big Data: quale è la differenza fra HDFS,
Hive & NoSQL e i databases relazionali analitici
• Cambiare il modo di catturare i dati - Cosa è possibile
• Data Warehouse offload
• Tools di ETL su Hadoop: l’Enterprise Data Refinery
• Preoccuparsi con la Qualità dei dati in un ambiente
Big Data
• Fare il parsing dei dati non strutturati
• Governare i dati in un ambiente di Data Science
• Mettere insieme il processing analitico da ETL ai
workflows analitici
• L’impatto del Data Scientist e dell’utente finale selfservice DQ/DI: Paxata, Trifacta, MS Excel, Microstrategy, Tableau
• Big Data Audit, Protezione e Sicurezza: Cloudera
Sentry, Dataguise, Hortonworks Ranger, IBM Guardium, Protegrity
5. Tools e tecniche per analizzare i Big Data
Questa sessione esamina gli strumenti disponibili sia
per i Data Scientists che per i tradizionali Professionisti di DW/BI. Esamina come entrambi i tipi di sviluppatori possono sfruttare le Piattaforme Big Data,
come i databases Hadoop e NoSQL, utilizzando tecniche di programmazione e strumenti di BI tradizionali e i fornitori stanno rendendo più facile l’accesso al
mondo NoSQL/Hadoop e ai databases relazionali
analitici usando la virtualizzazione.
• Progetti di Data Science
• Creare Sandbox per progetti di Data Science
• Opzioni per analizzare contenuto non strutturato
• Usare R come un linguaggio analitico per Big Data
• Analisi del testo e visualizzazione, Sentiment Analysis e visualizzazione
• Analisi del clickstream e visualizzazione
• Analizzare i Big Data usando MapReduce e applicazioni per Hadoop come ad esempio: ClearStory Data,
Datameer, FICO Karmasphere, Platfora
• Analisi Exploratory Graph e visualizzazioni
• Usare Search per analizzare dati multi-strutturati:
- Creare indici search sui dati multi-strutturati
- Costruire Dashboards e reports sopra il contenuto
indicizzato del motore di ricerca
- L’integrazione del Search con le tradizionali piattaforme B
- Analisi guidata usando multi-faceted Search
- Il mercato: Apache Solr, Attivio, Cloudera Search,
Connexica, DataRPM, HP IDOL, IBI WebFocus
Magnify, IBM Watson Explorer, LucidWorks, Microsoft, Oracle Endeca Quid, Splunk
• Analizzare i Big Data usando tools self-service di BI
come Dell Statistica, Excel, IBM Watson Analytics,
Tableau, Qlik, RapidMiner, TIBCO Spotfire, SAS Visual Analytics, MicroStrategy, SAP Lumira, Zoomdata
• Big Data Analytics: query performance enablers
• Gestire lo stream computing in un ambiente di Big Data
• Tools e tecniche per streaming analytics
6. Integrare Big Data Analytics in azienda
Questa sessione analizza il modo in cui le nuove
Piattaforme Big Data possono essere integrate con i
tradizionali Data Warehouse e Data Mart. Esamina lo
Stream Processing, Hadoop, databases NoSQL,
Data Warehouse appliances e mostra come metterli
insieme per massimizzare il valore del business dei
Big Data.
• Integrazione di Piattaforme Big Data con i tradizionali ambienti di DW/BI: cosa è coinvolto
• Integrazione di Streaming Processing con Hadoop e
Appliances analitiche di DW
• Integrazione di Hadoop con Appliances di DW e Enterprise DW
• Mettere insieme i tools di front-end
• Opzioni per implementare analitica Multi-Piattaforma
• Workflows analitici cross-platform
• Il ruolo della Data Virtualization in un ambiente Big
Data
• Ottimizzazione Multi-Piattaforma
Enterprise Data Governance e Master Data Management
DESCRIZIONE
Questo seminario esamina in dettaglio i problemi di Business causati da una cattiva gestione dei dati includendo identificatori inconsistenti, nomi di dati e politiche, cattiva qualità dei dati, cattiva protezione dell’informazione e approcci errati all’integrazione dei dati. Definisce inoltre i requisiti che sono necessari affinché un’azienda
definisca, gestisca e condivida tutti i tipi di dati: master, transazionali, analitici e non strutturati attraverso applicazioni e processi operativi e analitici sia on-premise che nel Cloud. Dopo aver compreso i requisiti, i partecipanti impareranno cosa dovrebbe essere fatto per mettere a punto una strategia di Data Management in termini di persone, processi, metodologie e tecnologie per portare i dati sotto controllo. In aggiunta si spiegherà
come introdurre la Governance nelle diverse discipline di Data Management includendo Data Naming, Enterprise Metadata Management, Data Modeling, Data Relationship Discovery, Data Profiling, Data Cleaning, Data
Integration, Reference Data Management e Master Data Management.
Durante il seminario si esamineranno le tecnologie necessarie per ciascuna di queste aree e le Best Practices
in termini di approcci e metodologie all’integrazione dei dati e Master Data Management. Alla fine del seminario i partecipanti impareranno:
• Come mettere in piedi un programma di Data Management
• Quali tecnologie sono necessarie per l’Enterprise Data Management, la Data Integration e il Master Data
Management
• Quando usare alcune tecnologie piuttosto che altre
• Le metodologie per il Metadata Management e la Data Governance
• A progettare e implementare soluzioni di Data Integration e MDM
PARTECIPANTI
• Chief Data Officers
• Enterprise Architects
• Data architects
• Master Data Management Professionals
• Business Professionals
• Database Administrators
• Data integration Developers
PROGRAMMA
1. Una Introduzione alla Enterprise Data Governance
Questa sessione definisce cosa è l’Enterprise Data
Governance e spiega perché le aziende devono investire per fornire informazioni sicure e di qualità per
garantire la consistenza. Spiega infine perché la Data
Integration e il Data Management dovrebbero essere
una competenza fondamentale per ciascuna organizzazione.
• Una introduzione all’Enterprise Data Governance
• L’impatto di dati non gestiti sulla profittabilità del business e l’abilità di rispondere in maniera appropriata alla pressione della concorrenza
• I Vostri dati sono fuori controllo?
• I principali requisiti per l’Enterprise Data Governance
• Stabilire una strategia per la Data Governance
• Principali ruoli e responsabilità: data stewards e data
owners
• Formalizzare i processi di Data Governance
• Tipi di politiche per governare i dati:
- Data Integrity rules
- Data Validation rules
- Data Cleansing rules
- Data Integration rules
- Data Provisioning rules
- Data Privacy rules
- Sicurezza dell’accesso ai dati
2. Tecnologie e Metodologie di Data Governance
Dopo aver capito la strategia, in questa sessione si
affronta il tema della metodologia per la Data Governance e il Data Management. Si esaminano inoltre le
tecnologie per tenere i dati sotto controllo e come le
piattaforme di Data Management costituiscono il fondamento della Vostra Enterprise Architecture per gestire l’informazione attraverso l’Enterprise.
• Una metodologia step-by-step per la Data Governance e il Data Management
• La piattaforma tecnologica del Data Management
• Il mercato del Data Management
• La piattaforma del Data Management nella Vostra
Enterprise Architecture
• Opzioni di implementazione
• L’impatto della Self-Service BI e Self-Service Data
Integration
• Data Management on-premise e nel Cloud
3. Standardizzazione dei dati e il glossario del Business
La sessione esamina il primo step del Data Management: la necessità della standardizzazione dei dati.
Per fare questo bisogna creare comuni nomi e definizioni di dati per definire uno Shared Business Vocabulary (SBV). SBV dovrebbe essere definito e memorizzato in un glossario di business.
• Standardizzazione dei dati usando un SBV
• SBV, tassonomia e ontologia
• Il ruolo di SBV nel Master Data Management, Reference Data Management, SOA, DW e Data Virtualisation
• Approcci per creare un SBV
• Enterprise Data Models e SBV
• Prodotti di Business Glossay
• Pianificare per un vocabolario di business
• Organizzare le definizioni dei dati in un glossario di
business
• Coinvolgimento del business nella creazione di SBV
• Usare i processi di Governance nella standardizzazione dei dati
• Enterprise Data Modeling usando un SBV
4. Data Discovery, Data Quality Profiling, Cleansing e Integrazione
Dopo aver definito i Vostri dati, in questa sessione
vengono esaminati i nuovi passi nella metodologia di
Data Governance, scoprendo dove si trovano i Vostri
dati e come fare per tenerli sotto controllo.
• Implementare in maniera sistematica Data Discovery e le relazioni fra dati
• Tools di Data Discovery
• Automated Data Mapping
• Data Quality Profiling
• Best Practices di metriche di Data Quality
• Principali approcci all’integrazione dei dati: virtualizzazione dei dati, consolidamento dei dati, sincronizzazione dei dati
• Generare Data Cleansing e servizi di integrazione
usando i metadati
• Imbrigliare i dati distribuiti usando Data Cleansing e
Data Integration
• La raffineria aziendale di dati: Hadoop come staging
area per l’Enterprise Data Cleansing e Integration
• Data Provisioning: rifornire con informazione consistente i Data Warehouses, i sistemi MDM, i DBMSs
NoSQL e i sistemi transazionali
• Fornire informazione consistente ai servizi informativi on-demand usando la virtualizzaione dei dati
• Ottenere dati consistenti in una SOA
• Data Management consistente attraverso i sistemi
on-premise e Cloud
• Data Entry: implementare un Enterprise Data Quality
firewall
• Data Quality alla tastiera
• Data Quality nel messaging
• Integrare Data Quality con Data Warehousing e MDM
• Servizi di Data Quality on-demand o event-driven
• Monitorare la Data Quality usando Dashboards
• Gestire la Data Quality nel Cloud
5. Master Data Management: Design e Implementazione
Questa sessione introduce il Mater Data Management.
Esamina le componenti di un MDM e di un RDM e gli
stili di implementazione.
• Reference Data o Master Data
• Cosa è il Mater Data Management
• Perché MDM è necessario?
• Componenti di una soluzione MDM
• Come MDM si inserisce all’interno di una SOA?
• Opzioni di implementazione di MDM
• Identificare entità candidate
• Capire la creazione e la manutenzione dei Master Data
• Implementazione dei Master Data
• Definire un SBV per entità di Master Data
• Gestione gerarchica
• Master Data Modeling
• Data Discovery: identificare la locazione di Master
Data disparati
• Fare il mapping di Master Data disparati
• Profiling dei Master Data disparati per capire la qualità dei dati
• Creare entità sicure di Master Data usando Data
Cleansing e Data Integration
• Implementare la sincronizzazione di outbound Master
Data
• Identificare e ri-progettare Master Data Business
Processes
• Il mercato delle soluzioni MDM
• Valutare prodotti MDM
• Integrare soluzioni MDM con piattaforme di Data
Management
• Implementare MDM su Hadoop
• NoSQL Graph DBMSs e MDM
• Integrare MDM con gli Enterprise Portals
• Condividere l’accesso ai Master Data attraverso
servizi di Master Data in una SOA
• Far leva sulla SOA per la sincronizzazione dei dati
• Integrare MDM con le applicazioni operative e workflows del processo
• Usare Master Data per il tag di contenuto non strutturato
6. Andare verso l’Enterprise MDM: il processo di
Change Management
Questa sessione esamina il compito più difficile: il
processo di Change Management necessario per ottenere l’Enterprise Master Data Management.
• Cominciare un programma di MDM Change Management
• Cambiare il sistema di memorizzazione del sistema
di data entry
• Cambiare la logica applicativa per usare servizi condivisi di MDM
• Cambiare le interfacce utente
• Fa leva sulla tecnologia Portale per ridisegnare l’interfaccia utente
• Far leva sulla SOA per accedere ai servizi condivisi
MDM
• Cambiare il lavoro di ETL per far leva sui Master Data
• Gerarchia di Change Management nei sistemi MDM
e BI
• Andare da sistemi multipli di data entry a un sistema
di data entry
• Cambiare i processi di business esistenti per trarre
vantaggio da MDM
• Pianificare per un Change Management incrementale
7. Information Audit e Protezione: il lato trascurato della Data Governance
Come si affronta questo problema? Le politiche di
Data Privacy sono ovunque imposte? Come viene
coordinato l’accesso sicuro ai dati attraverso portali,
processi, applicazioni e dati? Questa sessione definisce questo problema e guarda ai requisiti necessari
per fare l’Enterprise Data Audit e Protection ed esamina le tecnologie disponibili per integrare questo
aspetto nella Vostra strategia di Data Governance.
• Cosa è il Data Audit e Security?
• Status check: dove siamo oggi a livello di Data Audit, access security e protection?
• Quali sono i requisiti per Data Audit, access security
e protection?
• Cosa deve essere considerato quando trattiamo
con il Data Audit e le sfide di sicurezza?
• Cosa dire sugli utenti privilegiati?
• Quali tecnologie sono disponibili per affrontare questo problema?
• Come si integrano con i programmi di Data Governance?
• Come cominciare per mettere in sicurezza e proteggere i Vostri dati?
INFORMAZIONI
Big Data e Analytics
e 1300 (+iva)
Enterprise Data Governance
e Master Data Management
e 1300 (+iva)
La partecipazione ad
entrambi i seminari viene
offerta ad una speciale quota
e 2500 (+iva)
La quota di partecipazione
comprende documentazione,
colazioni di lavoro e coffee
breaks.
LUOGO
Roma, Residenza di Ripetta
Via di Ripetta, 231
DURATA ED ORARIO
2 giorni / 2 giorni: 9.30-13.00
14.00-17.00
È previsto il servizio di
traduzione simultanea
MODALITÀ D’ISCRIZIONE
Il pagamento della quota,
IVA inclusa, dovrà essere
effettuato tramite bonifico,
codice IBAN:
IT 03 W 06230 03202 000057031348
Banca: Cariparma
Agenzia 1 di Roma
intestato alla
Technology Transfer S.r.l.
e la ricevuta di versamento
inviata insieme alla scheda
di iscrizione a:
TECHNOLOGY
TRANSFER S.r.l.
Piazza Cavour, 3
00193 ROMA
(Tel. 06-6832227
Fax 06-6871102)
entro il 22 Maggio 2017
Vi consigliamo di far precedere
la scheda d’iscrizione da una
prenotazione telefonica.
MIKE FERGUSON
BIG DATA E ANALYTICS
Roma 5-6 Giugno 2017
Residenza di Ripetta - Via di Ripetta, 231
Quota di iscrizione: e 1300 (+iva)
ENTERPRISE DATA GOVERNANCE
E MASTER DATA MANAGEMENT
Roma 7-8 Giugno 2017
Residenza di Ripetta - Via di Ripetta, 231
Quota di iscrizione: e 1300 (+iva)
ENTRAMBI I SEMINARI
Quota di iscrizione
per entrambi i seminari: e 2500 (+iva)
In caso di rinuncia o di cancellazione dei seminari
valgono le condizioni generali riportate all’interno.
È previsto il servizio di traduzione simultanea
CONDIZIONI GENERALI
In caso di rinuncia con
preavviso inferiore a 15 giorni
verrà addebitato il 50% della
quota di partecipazione, in
caso di rinuncia con preavviso
inferiore ad una settimana
verrà addebitata l’intera quota.
In caso di cancellazione del
seminario, per qualsiasi
causa, la responsabilità della
Technology Transfer si intende
limitata al rimborso delle quote
di iscrizione già pervenute.
SCONTI
I partecipanti che si iscriveranno
al seminario 30 giorni prima
avranno uno sconto del 5%.
Se un’azienda iscrive allo
stesso evento 5 partecipanti,
pagherà solo 4 partecipazioni.
Gli sconti per lo stesso evento
non sono cumulabili fra di loro.
TUTELA DATI PERSONALI
Ai sensi dell’art. 13 della legge
n. 196/2003, il partecipante è
informato che i suoi dati
personali acquisiti tramite la
scheda di partecipazione al
seminario saranno trattati da
Technology Transfer anche
con l’ausilio di mezzi elettronici,
con finalità riguardanti
l’esecuzione degli obblighi
derivati dalla Sua
partecipazione al seminario,
per finalità statistiche e per
l’invio di materiale
promozionale dell’attività di
Technology Transfer.
Il conferimento dei dati è
facoltativo ma necessario per
la partecipazione al seminario.
Il titolare del trattamento dei
dati è Technology Transfer,
Piazza Cavour, 3 - 00193
Roma, nei cui confronti il
partecipante può esercitare i
diritti di cui all’art. 13 della
legge n. 196/2003.
✂
QUOTA DI
PARTECIPAZIONE
nome ......................................................................
cognome ................................................................
funzione aziendale .................................................
azienda ..................................................................
Timbro e firma
partita iva ...............................................................
codice fiscale .........................................................
indirizzo ..................................................................
città ........................................................................
cap .........................................................................
provincia ................................................................
telefono ..................................................................
fax ..........................................................................
e-mail .....................................................................
Da restituire compilato a:
Technology Transfer S.r.l.
Piazza Cavour, 3 - 00193 Roma
Tel. 06-6832227 - Fax 06-6871102
[email protected]
www.technologytransfer.it
DOCENTE
Mike Ferguson è Managing Director Europeo di Intelligent Business Strategies Limited. Come consulente, è
specializzato in sistemi database, Business Intelligence, Enterprise Application Integration, Corporate ed eBusiness Portals, soluzioni intelligenti di CRM e di Supply Chain. Ha più di 30 anni di esperienza nell’IT, ha
operato consulenze per importanti aziende ed è stato frequentemente speaker in molti eventi e seminari in
tutto il mondo. È stato Principal e co-fondatore della Codd & Date UK e Chief Architect alla NCR sul DBMS
Teradata.