现代数据仓库构建指南

随着数据的增长和消费者对实时体验的需求，拥有坚实的数据基础至关重要。越来越快、越来越大的数据流、全球业务需求和精通技术的用户都给 IT 团队带来了压力，要求他们更加敏捷、灵活。即使进行了这些修改，旧数据仓库也常常难以满足新的需求。这些旧数据仓库已不再能满足需求。这些系统没有准备好满足新的要求。当我们今天与数据专业人士交谈时，我们听到了很多关于在尝试制定当代数据策略时管理旧技术的局限性。

现代数据仓库的注意事项

在本教程中，我们将概述创建当代云数据仓库所需考虑的事项：

• 分开储存和加工
• 设计用于适应大尺寸的系统
• 内置数据治理功能和安全性
• 内置高级分析功能，如 AI 和 ML
• 用户友好的实时流分析

是什么阻碍了企业实现现代化？在与客户的互动中，我们经常发现他们大部分的时间都花在系统工程上，而只有大约 15% 的时间用于数据分析。

这需要花费大量的时间进行维护。由于遗留基础设施的复杂性，我们经常听说公司继续雇用人员来处理这些过时的系统，而不是改进数据策略或敏捷性。

有了现代化的系统，这些团队将能够帮助其他团队根据需要快速、安全地获取数据洞察。如今，每个团队都需要获得强大的分析能力。数据是一种宝贵的货币，它使您的用户能够更有效地合作。将数据的增长与数据操作的发展分开是促进用户访问和洞察的第一步。

Google Cloud 数据平台的优势

云基础设施的新选择使实施现代分析方法变得简单。可以像任何其他云部署一样将低效的旧架构迁移到公共云。为了防止这种情况发生，考虑数据仓库的总拥有成本 (TCO) 是有益的，因为它可以全面了解旧技术费用和业务敏捷性如何不一致。ESG 发现，与本地解决方案相比，BigQuery 可以将三年总费用降低 52%，与 AWS3 相比，可以降低 41%。

Google Cloud 从数据基础设施开始，满足了当代云数据仓库的需求：分离计算层和存储层对于业务敏捷性至关重要。当存储和计算分离并且可以独立和按需增长时，就无需一直维护昂贵的计算资源。

下载 Google Cloud 的白皮书，以了解有关仅在白皮书在线上构建现代数据仓库的指南的更多信息。