Витрины Данных final

1.

Как хранить данные?
Витрины данных
Шмарловская Юлия Михайловна
Риск-аналитик (Центральный Аппарат, Сбербанк)

2.

Оглавление
Введение
Зачем нужны витрины и тем более система для их построения?
В чем разница между витриной данных и хранилищем
Типы витрин
Как создать витрину данных?
Что такое AWS и Azure?
Тестирование, мониторинг, отчетность и визуализация

3.

Ротшильд Н, основатель банковской династии Ротшильдов

4.

Введение
Сколько данных создается
каждый день в 2024г?

5.

Сколько данных создается каждый день в 2024г?
328.77 млн терабайт данных ежедневно
В 2024 году создается
За последние три года было создано около 90% всех мировых данных
Количество данных в мире увеличивается не менее чем на 22% в год
54% мирового трафика данных приходится на видео
Больше всего дата-центров в США, Германии и Великобритании
В 2023 году около 60% компаний по всему миру использовали большие данные для
внедрения инноваций
Размер мирового рынка больших данных достиг 349.56 млрд долларов.

6.

Внедрение Big Data в компаниях
Уровень внедрения больших данных остается стабильным – в 2023 году
миру использовали большие данные для внедрения инноваций.
60% компаний по всему
40% компаний управляют данными как бизнес-активом.
Компании все чаще используют данные для создания инноваций (60%) и создают культуру,
ориентированную на использование больших данных (20%).

7.

Основная информация

8.

Зачем нужны витрины и тем более система для их построения?
Витрины (data mart) – это набор структурированных данных
Обычно это данные по определенной теме или задаче в компании
Хранилище данных (data warehouse) представляет собой данные,
агрегированные из разных источников в единый центральный
репозиторий, который унифицирует их по качеству и формату
Озеро данных (data lake) — это большой репозиторий
необработанных исходных данных, как неструктурированных, так и
частично структурированных.
Данные собираются из различных источников и просто хранятся, не
модифицируются под определенную цель и не преобразуются в какойлибо формат.
Для анализа этих данных требуется длительная предварительная
подготовка, очистка и форматирование для придания им однородности

9.

В чем разница между витриной данных и хранилищем
Хранилище
Витрина данных
Используется для хранения данных из множества
предметных областей
Содержит данные, относящиеся к отделу, например витрину
транзакций, риск-индикаторов, финансов и т. д.
Действует как центральное хранилище данных
компании
Логический подраздел хранилища данных для конкретных
приложений ведомства
Сложно спроектировать и использовать из-за
большого размера (более 100 ГБ)
Сравнительно более управляем из-за небольшого
размера (менее 100 ГБ)
Является предметно-ориентированными и
зависящими от времени, при этом данные
существуют в течение более длительного
периода времени
Используются для определенных областей, связанных
с бизнесом, и сохраняют данные в течение более
короткого периода времени

10.

Типы витрин
Зависимые
Cоздаются путем извлечения информации напрямую из операционных систем, внешних источников или обоих
Этот тип обеспечивает преимущества централизации данных
Построение зависимой ВД в хранилище можно выполнить двумя способами:
пользователь может получить доступ как к самой витрине данных, так и к хранилищу в целом
доступ к сведениям может быть ограничен только через ВД
Независимые
ВД, которая создается без привлечения центрального хранилища данных
Не связана ни с центральным хранилищем данных компании, ни с другими ВД. Данные в независимой витрине вводятся отдельно,
и анализ проводится независимо от других источников данных
Гибридные
ВД, объединяющая вх. данные из различных источников, отличных от центрального хранилища данных.
Этот тип может быть особенно полезен в случаях, когда требуется временная интеграция
Хорошо подходит для разнообразных сред баз данных и обеспечивает быструю реализацию в любой организации. Он также
требует минимальных усилий по очистке данных.

11.

Как создать витрину данных
Шаг 1: Определение требований
Необходимо определить, какие данные будут включены и какие бизнес-требования должны быть удовлетворены.
Например, для анализа продаж необходимо определить какие данные о продажах, клиентах и продуктах необходимы
Шаг 2: Согласование модели данных
Нужно согласовать модель данных с заинтересованными сторонами, чтобы убедиться, что она соответствует требованиям.
Пример: Создать схему, которая показывает связи между таблицами, такими как "Клиенты", «Транзакции" и "Продукты".
Шаг 3: Подготовка инфраструктуры
Определите необходимые ресурсы для хранения и обработки данных, например серверы, базы данных и программное
обеспечение.
Пример: Если вы используете облачное решение, выберите подходящую платформу (например, AWS или Azure) и создайте
необходимые экземпляры баз данных.

12.

Что такое AWS и Azure
Предлагают реляционные и нереляционные облачные базы данных.
У AWS есть Amazon Aurora, Amazon RDS и универсальные базы данных NoSQL (Amazon DocumentDB). У Azure есть Azure
SQL, Azure Database для PostgreSQL, Azure Cosmos DB и многое другое.
AWS и Azure также предлагают комплексное руководство по развертыванию и мобильность лицензий для Microsoft SQL.
Однако Azure предлагает дополнительное преимущество гибридных преимуществ с функциями автоматического резервного
копирования. AWS и Azure также предоставляют некоторые руководства для Oracle и MySQL.
AWS
AWS ( Amazon Web Services, 2006 ) предоставляет услуги облачных вычислений компаниям
Самая популярная облачная платформа с открытым исходным кодом. Занимает самую большую долю рынка.
Azure
Облачный сервис (Microsoft,2010 г), позволяющий создавать, тестировать, развертывать и управлять приложениями и
сервисами через центры обработки данных Microsoft
Уникален, т.к. имеет больше центров обработки данных и точек доставки по сравнению с другими облачными сервисами, что
позволяет ему доставлять более быстрый контент.
Позволяет хранить любые типы данных и делиться ими между виртуальными машинами

13.

Как создать витрину данных
Шаг 4: Извлечение данных (ETL)
Нужно разработать ETL-процессы для извлечения данных из источников, их трансформации и загрузки в витрину данных.
Пример:
Извлечение
Используйте SQL-запросы для извлечения данных из вашей основной базы данных
Трансформация
Обработайте данные для удаления дубликатов и преобразования форматов
Загрузка
Загрузите очищенные данные в витрину данных с помощью инструментов ETL (например,
Apache NiFi или Talend)
Шаг 5: Настройка доступа к данным
Нужно установите правила доступа к витрине данных для различных пользователей или групп пользователей.
Пример: Можно скрыть часть данных от пользователей, для которых эти данные не предназначены.

14.

Как создать витрину данных
Шаг 6: Тестирование
Провести проверку корректности работы витрины.
Основные проверки включают в себя сравнение данных с данными в исходной системе, проверить хит, сравнить
распределения, кол-во нулей и NULL. Так же необходимо проверить что запросы к витрине обрабатывают быстро и без
ошибок
Шаг 7: Мониторинг и поддержка данных
При необходимости можно (и нужно) установить процессы мониторинга для отслеживания производительности
витрины данных и обеспечения ее корректной работы.
Для этого можно использовать инструменты мониторинга (пример, Grafana или Prometheus) для отслеживания
загрузки сервера и времени выполнения запросов. Регулярно проверяйте логи на наличие ошибок. Так же можно
настроить автоматическую рассылка на почту или на телефон об ошибках.

15.

Тестирование, мониторинг, отчетность и визуализация

16.

Мониторинг данных и выявление аномалий
Almaz Monitoring (Росатом) – самообучающийся интеллектуальный мониторинг данных и выявления
аномалий
Возможности AI
Самообучающееся выявление
аномалий
и ошибок с учетом сезонности,
группировок, статистических
выбросов, специфики
предметной области и
автоматизированного анализа
поведения разнородных
данных.
Сфера применения
Озера больших разнородных
данных
Потоковые данные реального
времени
Неверифицированные данные
клиентов
Данные моделей и скоринга
Операционная и финансовая
отчетность

17.

Выявление аномалий с применением самообучения
Обработка пика потока более чем
1,8 млн транзакций в секунду
На примере данных сетевых проб можно видеть, что машинное обучение
системы Almaz Monitoring качественным образом описывает поведение
потока, несмотря на сильные всплески в течение дня и значительные
суточные колебания.
Границы доверительного
интервала
Ночные провалы
Тревожный интервал
р-статистики
Регулярные разовые
всплески

18.

Схема взаимодействия с пользователем
Пользователь с помощью визуального интерфейса выбирает
источники данных, которые необходимо контролировать
Далее система автоматизированно:
Получает данные
из различных
источников (SQL,
NoSQL, Hadoop,
потоковые
данные).
1
Подбирает
наилучшую
математическую
модель
и ее параметры
из широкого списка
встроенных моделей,
чтобы модель
наилучшим образом
описывала данные
и прогнозировала
ожидаемые значения.
2
Определяет
периодичность и
задержку
поступления данных.
Позволяет
администратору
настроить
расписание запуска
проверки.
Отправляет
уведомления
о выявленных дефектах
и аномалиях
в контролируемых
данных
по выбранным каналам
(СМС, email,
мессенджеры).
3
4
5

19.

Спасибо за внимание