Explique la stack analytique moderne et récapitule comment commencer petit puis monter en puissance
#1 Collecte, intégration et stockage des données
#2 Traitement des données : transformation et modélisation
#3 Visualisation et usage des données
Une sélection d’outils payants/open source recommandables est présentée pour chaque étape
Ce que préfèrent les auteurs (des développeurs de Holistics, une plateforme de données full stack), c’est :
-
ELT plutôt que ETL
-
Un cloud data warehouse plutôt que l’on-premise : recommandation pour BigQuery
-
Lors de la mise en place d’un outil d’analyse, la modélisation des données est indispensable
-
Les outils d’analyse basés sur SQL finiront par l’emporter sur les outils non basés sur SQL
-
Le workflow et les opérations d’analytics sont plus importants que le simple accent mis sur la visualisation
Chapter 1: Vue d’ensemble d’une architecture analytics
Chapter 2: Centraliser les données
Chapter 3: Modélisation des données pour l’analytics
Chapter 4: Utiliser les données
Chapter 5: Conclusion
2 commentaires
Téléchargement : https://cdn.holistics.io/guidebook/the-analytics-stack-guidebook.pdf
Merci haha. Comme c’est moi qui publie les news, j’essaie aussi de mettre un lien vers le site d’origine, donc je poste le lien de la source, mais si vous l’ajoutez en commentaire comme ça, je pense que ce sera bien pour les autres utilisateurs ;)