TodoBI - Business Intelligence, Big Data, ML y AI TodoBI - Business Intelligence, Big Data, ML y AI

Comparativa de las mejores soluciones de Data Warehouse

Cómo elegir una herramienta de Data Warehouse
Seleccionar herramientas de Data Warehouse es de las tareas más importantes puesto que la complejidad y las variables de estas herramientas son enormes.

Esto se debe en parte a que el campo de la analítica de datos está viendo una inversión explosiva, y por lo tanto siempre hay novedades. Y también es porque los datos pueden ser filtrados y almacenados en muchos sistemas diferentes.

Hay que tener en cuenta estos cuatro factores:

Interoperabilidad con su sistema existente

No importa cuán robusta sea la herramienta de Data Warehouse si no está orientada a las necesidades de su negocio, no es efectiva.

Las preguntas clave son: ¿La herramienta de almacenamiento de datos está optimizada para sus tipos de datos, digamos estructurados o no estructurados? ¿Coincide el mantenimiento requerido con su personal disponible?  ¿este almacén de datos forma parte de un "ecosistema de productos" que incluye su infraestructura existente?

Centro de datos en nube o 'on premise'

En cierto sentido, el debate entre la nube y 'on premise' ya está resuelto: la mayoría de las herramientas de almacenamiento de datos están disponibles en la nube. Así que si lo que quieres es basado en la nube, lo tendrás. Pero muchas empresas -probablemente la suya, si trabaja para una gran empresa- se encuentran a caballo entre la nube y el mundo on-premise.

En este caso, es posible que desee un dispositivo de almacenamiento de datos, con software y hardware juntos. O bien, puede buscar una de las soluciones que tradicionalmente se han utilizado en las instalaciones, como un DBMS (sistema de gestión de bases de datos) clásico o algún tipo de DBMS de análisis de nichos.

Coste

El tema de la fijación de precios en el mercado de los almacenes de datos es -como el mercado general de los almacenes de datos- bastante complicado. Aunque verá los precios en la tabla de comparación de proveedores que aparece a continuación, es poco probable que se haga una comparación "manzanas con manzanas" por precio.

Esto se debe a que la plataforma general de dos proveedores que ambos cobran, digamos, "0,25 dólares por hora" es en todos los casos bastante diferente. Uno, por ejemplo, puede ser muy fuerte en el aprendizaje automático, mientras que el otro se ha centrado en, digamos, ofrecer el mayor número de características. Es este contexto -y cómo encaja en su empresa- el que determina el verdadero retorno de la inversión de un almacén de datos para su empresa.

Enfoque general del proveedor

En realidad, este criterio es muy importante. Para la mayoría de los compradores de Data Warehouse, incluso las preocupaciones importantes como el precio y el tipo de datos son secundarias para la estrategia general de mercado de un vendedor, y cómo esa estrategia encaja con la suya. Es decir, muchas veces hay que adaptarse a lo que ofrecen los proveedores

Por ejemplo, ¿su estrategia está tan centrada en la nube que desea un proveedor de nubes importante que también venda almacenes de datos?  ¿O su centro de datos está tan centrado en su infraestructura que prefiere un proveedor con una posición heredada construida sobre soluciones internas?

Top Data Warehouse Tools (pincha para ver una comparación de sus puntos fuertes y debiles)

Ver también:

Radar para evaluar las principales soluciones Data Warehouse
Durante décadas los data warehouse han sido la tecnología de confianza para elalmacenamiento de datos a gran escala y analítica en la empresa. Y ese papel seha vuelto más vital, ya que el data warehouse tradicional los vendedores hanmodernizado sus productos para proporcionar capacidades avanzada…
Paper gratuito: Talend Cloud (Data Preparation y Data Stewardship)
Os dejamos un paper bien completo de una de las herramientas más completas deintegración, Talend, que además, como sabéis, tiene también una versión OpenSource Hoy os podéis descargar directamente desde aquí[http://stratebi.es/todobi/May20/Talend_Cloud.pdf], este completo paper, endonde abordam…
Once pasos para construir un Datawarehouse con exito
Cada vez más empresas empiezan a utilizar Datawarehouses para obtenerinformación útil sobre sus negocios y tomar decisiones adecuadas. Hasta hace poco, sólo las grandes compañías se podían permitir crear un DW ytener aplicaciones y analistas para extraer toda esa información. Sin embargo,el aba…
Herramientas Change Data Capture (CDC)
En bases de datos, las CDC (Change Data Capture) son patrones de diseño softwareque se emplean para capturar cambios que se producen en los datos y propagarlosa clientes intermedios. Normalmente se emplean en entornos de data-warehouse,para preservar el estado de los datos a lo largo del tiempo, …
Snowflake, The Data Warehouse built for the Cloud
Hace unas semanas, tuvimos la suerte de acudir al evento de presentación enEspaña que realizó Snowflake [https://www.snowflake.com/] * Benoit Dageville: Uno de los fundadores * Thibaut Ceyrolle: Vicepresidente EMEA * Pedro Martins: Outsystems. Topics: * Presentan al equipo de ventas de España…
Imprescindible: Si estas creando un moderno Data Warehouse o Data Lake
Este Landscape[https://www.data-vault.co.uk/updated-data-vault-technology-landscape-guide/]esmuy útil para conocer las principales tecnologías y herramientas, que dentro detodo el ciclo de vida de creación y explotación de datos en una organización sepueden utilizarHemos trabajado y conocemos …
What is a ‘Data Lake’?
What is a data lake?A data lake [https://en.wikipedia.org/wiki/Data_lake]is a repository designed tostore large amounts of data in native form. This data can be structured,semi-structured or unstructured, and include tables, text files, system logs,and more. The term was coined by James Dixon, C…
Metodologias Agiles para Analytics (Business Intelligence, Big Data)
En este post, os vamos a contar como hacer proyectos ágiles en Analytics(Business Intelligence/Big Data Analytics). Realmente, os vamos a contar unostips o consejos que cada vez más usamos y que nos cuenta Emilio Arias de Stratebi [http://www.stratebi.com/].Tradicionalmente, este enfoque se ha …
Diferencias entre Data Lake y Data Warehouse
Let’s briefly take a look at each one: * Data. A data warehouse only stores data that has been modeled/structured, while a data lake is no respecter of data. It stores it all—structured, semi-structured, and unstructured. [See my big data is not newgraphic. The data warehouse can only sto…

Visto en Datamation