Data-arkkitehti Lasse Rautopuro kehittää Cloud1:lla arkkitehtuureihin ja pilvitransformaatioon liittyviä kokonaisuuksia. Pitkä kokemus tietovarastoinnista, siihen liittyvistä prosesseista ja analytiikasta ovat olleet hyödyksi uudessa roolissa. Nyt Cloud1:lla hän suunnittelee sitä, miten tietovarastointitoteutuksia sekä niihin liittyviä prosesseja toteutetaan pilvityövälinein Microsoft Azurella.
Antti Koskinen työskentelee Cloud1:lla data-arkkitehtina. Antilla on pitkä kokemus erityisesti keskitetyistä tietovarastoista ja tietokantojen hallintajärjestelmistä, mutta työ on usein ollut teknologiavetoista. Viime vuosina hän on halunnut suuntautua enemmän teknologia-agnostisempaan suuntaan ja dataan, ja siksi hän onkin päätynyt juuri Cloud1:lle.
Sana ”pilvi” voidaan liittää miltei kaikkeen siihen, mitä IT:llä on perinteisesti tarkoitettu. Yhä edelleen olemme automaattisen tietojenkäsittelyn viitoittaman jatkuvan kehityksen tiellä, helpottamassa ihmisten työtä automaation avulla. Jos asioita pohditaan laajemmassa perspektiivissä, pilviteknologia asettuu osaksi luonnollista jatkumoa, jossa asioita tehdään aina vain fiksummin, nopeammin ja edullisemmin – siis kaikkea sitä, mistä IT elää. Pilvi kuvaakin nähdäkseni lähinnä modernin aikakauden tekemistä ja...
Patrick Ståhl on työskennellyt data-arkkitehtina Cloud1:lla elokuusta alkaen. Data on jo pitkään ollut hänen sydäntään lähellä, ja siksi Cloud1 tuntuikin luonnolliselta askeleelta urapolulla.
Aikaisemmissa blogipostauksissa esiteltiin Databricksin arkkitehtuuria, kehitystä, tehokkuutta ja kustannuksia sekä visualisointien avustamaa analysointia. Tässä blogisarjan viimeisessä osassa esittelen mielestäni tärkeimmät huomiot toteutuksesta teknisellä tasolla. Pyrin ennen kaikkea nostamaan esille ne hankalammin Googlella löydettävät yksityiskohdat, jotka mahdollistavat sarjassa esitellyn arkkitehtuurillisen toteutuksen.
Edellisissä osissa on käyty läpi miten data saadaan käyttöön ja hyödynnettävään muotoon. Jäljellä on vielä tiedon analysointi johon tässä osassa syvennytään.
Edellisissä osissa käytiin läpi arkkitehtuuri sekä kokemukset kehityksestä. Tässä osassa käyn läpi miten laskennan hajautus käytännössä vaikuttaa ajoaikoihin ja miten tämä vaikuttaa tuotantoratkaisun kustannusten arvioimiseen.
Edellisessä Databricksiä käsittelevässä blogipostauksessa kerroin millainen kokonaisarkkitehtuuri tarvitaan big data AdHoc-analytiikkaan. Hajautetun laskentamoottorin virkaa toimitti tässä esimerkissä Databricks. Tässä osassa käyn läpi millaisen kehitysponnistuksen tiedon valmisteleminen vaatii.
Ad hoc -raportointi. Itsepalveluanalytiikka. Niistähän on puhuttu jo vuosia. Markkinoilla onkin useita Self-Service BI-tuotteita, kuten Microsoft Power BI (Desktop). Näiden työkalujen käyttöä kuitenkin usein rajoittaa käyttäjän läppärin suorituskyky, ja ne soveltuvat lopulta huonosti tai jopa surkeasti suurten tietomassojen pika-analyyseihin.
Teemu Virtanen aloitti Cloud1:lla ratkaisuarkkitehtina elokuun alussa. Hänellä on vahva kokemus raportointi- ja analytiikkaratkaisuista Qlikin teknologialla, ja aiemmat työtehtävät ovat vaihdelleet järjestelmän ylläpidosta ja kehityksestä palvelupäällikön tehtäviin sekä SaaS-palveluiden myyntiin. Cloud1:lla Teemu haluaa syventää osaamistaan erityisesti data platformin ja pilviarkkitehtuurin parissa, ja raportoinnin asiantuntijana hän on toki myös hyvin kiinnostunut Microsoft Power BI:n tarjoamista...
