DWH, Data Lake и Data Lakehouse: архитектурные различия и практическое применение // «Data Engineer»

Открытый вебинар курса Data engineer

📍 Программа
Data Warehouse (DWH)
Классическая архитектура и принципы
Плюсы и минусы: строгая схема, производительность, стоимость
Data Lake
Хранение "сырых" данных любого формата
Проблемы управления и governance
Data Lakehouse
Объединение лучших практик DWH и Data Lake
ACID-транзакции и поддержка BI-аналитики
Сравнительный анализ
Критерии выбора для разных задач
Примеры реализаций (Snowflake, Databricks Delta Lake)
Кейсы применения
Когда выбрать DWH, а когда — Lakehouse
Миграция между подходами

👥 Для кого?
Data Engineers и архитекторы
Аналитики и BI-специалисты
Технические руководители

✅ Что получите
Четкое понимание различий между подходами
Критерии выбора архитектуры под свои задачи
Примеры успешных реализаций
Практические рекомендации по внедрению

«Data Engineer» - https://otus.pw/jcqt/

Преподаватель: Кирилл Дикалин - руководитель направления аналитической инфраструктуры

Пройдите опрос по итогам мероприятия - https://otus.pw/l6pH/

Перейти в сообщество

Следите за новостями проекта:

→ Telegram: https://t.me/Otusjava
→ Хабр: https://otus.pw/S0nM/