L A T E C H N O L O G Y T R A N S F E R P R E S E N T A BIG DATA ANALYTICS WORKSHOPS POST-CONFERENZA

Transcript

1 L A T E C H N O L O G Y T R A N S F E R P R E S E N T A Roma, Novembre 2016 Residenza di Ripetta Via di Ripetta, 231 INTERNATIONAL CONFERENCE BIG DATA ANALYTICS WORKSHOPS POST-CONFERENZA Apache Spark e Machine Learning Costruire un Enterprise Data Lake

2 D E S C R I Z I O N E Big Data Analytics è senza dubbio diventata mainstream nel Le aziende cominciano a sviluppare progetti di Data Science sulle piattaforme Big Data, scaricando il processing ETL su Hadoop e archiviando su Hadoop. Vengono inoltre messi molti più strumenti nelle mani degli Analisti di Business e dei Data Scientists, come i tools self-service per la preparazione dei dati o per l analitica o per entrambe. Apache Spark diventa ogni giorno sempre più importante nel mercato dell analitica con molti tools oggi integrati con Spark e usando Spark Streaming, Spark SQL, MLlib e GraphX sia on-premise che nel Cloud. Stanno anche nascendo nuove librerie analitiche di Spark. L inondazione dei dati continua a crescere, sempre più dati entrano nelle aziende e, senza ombra di dubbio, l Information Management e la Data Governance in ambiente Big Data stanno diventando un grande problema. Di conseguenza l enfasi sta andando verso la catalogazione e la classificazione dei dati come un modo per migliorare la Data Governance e applicare policies in accordo alla loro classificazione. Inoltre i Data Lakes centralizzati stanno dando modo agli ambienti distribuiti di Big Data di essere usati in ambienti di Cloud ibrido e on premise. Big Data Governance includendo Big Data Security è un aspetto della massima importanza, in particolar modo oggi che il Parlamento Europeo ha approvato una nuova legislazione sulla Data Privacy che impatta su tutti gli Stati membri che entro Maggio 2018 devono garantire una compliance con questa nuova legislazione. In aggiunta, la latenza dei dati è spinta sempre più vicino al real-time soprattutto per le aziende che fanno leva sui dati generati da Internet of Things. Questo significa che molte aziende stanno valutando l installazione di piattaforme analitiche di streaming e l uso di tecnologie come Kafka, Akka, Spark Streaming e Flink per gestire dati ad alta velocità e data processing continuo. La necessità di scalare è stata sempre presente ma oggi questo aspetto si è spostato a un nuovo livello con la faulttolerance. E non sorprende che il mercato dei Big Data continui ad avanzare con nuove tecnologie emergenti come Apache Beam, Apache Arrow, Apache Eagle e Apache Millwheel. Come può questa tecnologia integrarsi con gli ambienti analitici esistenti? Le Architetture devono cambiare? Ci dovremmo focalizzare sul Logical Data Warehouse? E come tutto questo migliorerà il nostro business? Questa Conferenza spiega come sfruttare la tecnologia più recente e come creare una Data- Driven Enterprise. Ci saranno sessioni su analitica avanzata, stream processing, Internet of Things, tecnologie Big Data e su come estendere l Informaion Management e la Data Governance per includere la sicurezza dei Big Data, la Privacy, self-service Data Integration e Governance di un Data Lake. Gli argomenti trattati includeranno Big Data: Concetti e Tecnologie Data Modeling per Database NoSQL e Big Data Predictive e Advanced Analytics usando tools di Data Mining e Apache Spark Estendere il Logical Data Warehouse con i Big Data Analizzare i Big Data in un ambiente di Cloud Computing Tecnologie emergenti nei Big Data Fast Data: Big Data Analytics usando Stream Processing Data Security e Privacy in un ambiente di Big Data

3 P R O G R A M M A Prima giornata Sessione 1 Big Data: Concetti e tecnologie Tim Seears La tecnologia e le idee che stanno dietro molti dei più importanti concetti nei Big Data possono a volte sembrare impenetrabili in particolare per quelli di noi che si sono formati con i database relazionali o l Enterprise IT. In questa sessione introduttiva vengono costruiti i concetti base dai primi principi e verranno introdotti alcune tecnologie e alcuni dei tools più importanti nel settore dei Big Data che vengono impiegati con successo nel business di oggi. Questi includono componenti di Hadoop come HDFS, Hive, Pig, Oozie, Apache Spark. Affronteremo alcune nuove sfide come l acquisizione di alti volumi di dati che stanno obbligando molte aziende a trovare nuove vie per soddisfare queste necessità. Infine Vi verrà mostrato come questi concetti e tecnologie estendono le architetture Data Warehouse esistenti per approvvigionare i nuovi tipi di workloads analitici. User Experience Sessione 2 Data Modeling per database NoSQL e Big Data Rick van der Lans Nessuno si può sottrarre al trend dei Big Data. È dappertutto. Oggi molti sistemi Big Data sono stati sviluppati usando una nuova generazione di tecnologie di data storage come Hadoop, MongoDB, MapR, Riak, Cassandra. Questi prodotti sono stati progettati per memorizzare e processare grandi quantità di dati. Per molte organizzazioni queste tecnologie rendono possibile la costruzione di sistemi che fino a poco tempo fa erano impensabili. Questi non sono sistemi SQL o relazionali, non supportano tabelle con colonne e righe per memorizzare i dati. Come blocchi di costruzione supportano strutture gerarchiche, repeating groups, famiglie di collonne, insiemi, liste, ecc. e come si può ben immaginare tutto questo ha un impatto sul Data Modeling. Ma come cambia il Data Modeling quando il sistema è NoSQL? Questo è l argomento di questa sessione. La sessione comincia a spiegare i concetti usati da queste nuove tecnologie e prosegue spiegando come fare il Data Modeling per queste piattaforme. Panoramica su Hadoop, key-value, document e column-family stores Spiegazione dei concetti non relazionali come column families, gerarchie, sets e liste La memorizzazione di dati non strutturati o semi strutturati è realmente più flessibile? Le differenze fra schema-on-read e schema-on-write Regole per trasformare modelli classici di dati in concetti NoSQL Tecnologie per sbloccare i dati in sistemi NoSQL Sessione 3 Predictive e Advanced Analytics usando tools di Data Mining e Apache Spark Mike Ferguson Molte aziende stanno oggi guardando oltre il reporting e i dashboards per andare alla Analitica predittiva e prescrittiva per guidare la crescita, migliorare la relazione con il cliente, ridurre i rischi e ottimizzare le operazioni di business. E vogliono fare tutto questo in modo agile. Il requisito è quello di superare il collo di bottiglia del Data Scientist e aprire l Analitica predittiva e avanzata agli Analisti di Business per l analisi di dati strutturati e non strutturati. Questa sessione esamina Predictive, Text e Graph Analytics, come usarle nel business, i modi per sviluppare modelli analitici e come possono essere eseguiti sui dati di Hadoop o su streaming data real-time. Si guarda inoltre ad Apache Spark come a una piattaforma scalabile in-memory per sviluppare ed eseguire analitica e anche a come i tools di Data Mining possono essere usati per costruire modelli analitici predittivi e avanzati scalabili per analizzare alti volumi di dati ad alta velocità. Cosa sono Predictive e Advanced Analytics? Machine Learning, Text Analysis e Graph Analysis Tools e tecniche per sviluppare modelli analitici Sviluppare modelli con Apache Spark: sviluppare codice o usare tools di Data Mining Automatizzare lo sviluppo del modello Fare modelli per in-memory, in-hadoop, in-database e instream execution

4 Sessione 4 Estendere il Logical Data Warehouse con i Big Data Rick van der Lans La classica architettura di Data Warehouse che ha fatto un buon lavoro comincia oggi a mostrare i suoi limiti. La maggior parte delle architetture classiche di Data Warehouse sono state progettate e sviluppate per supportare delle forme standard di reporting e analitica e non sono pronte per le nuove forme di utilizzo dei dati: Data Science, analitica investigativa, Big Data Analytics e Operational BI. Il Logical Data Warehouse è mostrato come un fondamento molto più agile per rilasciare, trasformare e analizzare dati includendo i Big Data. Rende facile il collegamento veloce alle nuove sorgenti dati come Hadoop e NoSQL. La tecnologia per sviluppare il Logical Data Warehouse esiste ed è matura (Data Virtualization Server). Prodotti da Cisco, Denodo, Informatica, RedHat e StoneBond hanno provato di essere in grado di supportare self-service analytics, Data Science e advanced analytics. Il Logical Data Warehouse è veramente una fondazione agile per analitica e Data Science. Permette alle aziende di adottare Big Data e complesse forme di analitica in modo evolutivo. Ma da dove cominciare? Questa sessione discute le guidelines, cosa fare e cosa non fare e i suggerimenti su come progettare il Logica Data Warehouse. Quali sono i benefici pratici del Logical Data Warehouse e quali sono le differenze con le architetture classiche? Come possono le aziende migrare con successo verso questo flessibile Logical Data Warehouse? Integrare Enterprise Data e Big Data per forme multiple di analitica Come può il Logical Data Warehouse aiutare a integrare la self-service BI con le classiche forme di BI? Esperienze dalla vita reale di organizzazioni che hanno già implementato un Logical Data Warehouse Data Science e il Logical Data Warehouse Seconda giornata Sessione 5 Analizzare i Big Data in un ambiente di Cloud Computing Vladimir Bacvanski In accordo con i vendors i Big Data e il Cloud rappresentano un accostamento perfetto. In questa sessione vengono passate in rassegna in maniera critica le caratteristiche delle soluzioni di Big Data e Cloud, i patterns comuni di utilizzo, i loro vantaggi e i potenziali problemi. Imparerete come decidere quando usare i Big Data nel Cloud, quali sono le scelte tecnologiche e le opzioni architetturali e come prepararvi a gestire le sfide riguardanti la memorizzazione, l analitica, la sicurezza e il rapporto costo/prestazioni. Si discuterà delle principali piattaforme Big Data Cloud e si concluderà con un sommario di Best Practices. Big Data in un Cloud: un Esempio Big Data e Cloud: caratteristiche Big Data + Cloud: benefici + problemi Memorizzazione in un Cloud Batch e Stream Processing in un Cloud Scenari di successo e problematici Compromessi per la sicurezza Rassegna delle principali piattaforme di Big Data Cloud: Amazon, Google, Azure Best Practices di Big Data in un Cloud Sessione 6 Tecnologie emergenti nei Big Data Tim Seears L'attuale ritmo di innovazione tecnologica nell Open Source Big Data a dir poco è rapido, forse anche senza precedenti nel settore dell industria del software? E sembra essere in aumento. Potremmo trovarci in qualcosa di veramente rivoluzionario nella trasformazione dell ecosistema. Con il tasso di nuova innovazione e progetti open source ci si può sentire come un campo minato per sapere quali tecnologie seguire o dove investire il Vostro tempo prezioso e le Vostre risorse.

5 Dato il carattere strategico della maggior parte dei progetti Big Data nel business, questo è uno degli aspetti cruciali da considerare. In questa sessione esamineremo alcune delle più promettenti tecnologie emergenti in incubazione sui Big Data e forniremo delle strategie pratiche e ben collaudate per il contenimento del rischio tutte le volte che deciderete di fare un investimento in una tecnologia emergente, includendo Apache Flink e Apache Atlas. Sessione 7 Avere successo con i Big Data Panel con Speakers e Vendors Sessione 8 Fast Data: Big Data Analytics utilizzando Stream Processing Vladimir Bacvanski I Fast Data sono il prossimo passo nell evoluzione delle tecnologie Big Data. Le tecniche tradizionali di Big Data trattano con grandi volumi di dati ma i Fast Data introducono un altra dimensione che è la velocità, la quale richiede una risposta quasi real-time ai Big Data. In questa sessione si cominciano a spiegare le caratteristiche dello Stream Processing, quindi si discute sulle architetture dominanti per i sistemi Streaming e si continua con esempi di tecnologie e soluzioni applicative per applicazioni Streaming. Verranno comparate importanti tecnologie come Storm, Spark, Flink e Apache Beam. La sessione si conclude con una guida di implementazione e un sommario delle Best Practices per i Fast Data. Fast Data e Stream Processing: cos è? Architetture per Stream Processing Apache Storm: il Sistema dedicato Stream Apache Spark Streaming: un sistema versatile in memory batch/streaming Apache Flink: nuova integrazione di batch e streaming Apache Beam: the common API layer Data stores NoSQL per Fast Data Best Practices di Mastering Fast Data Sessione 9 Sicurezza dei dati e Privacy in un ambiente di Big Data Mike Ferguson Negli anni recenti nuove sorgenti dati hanno permesso alle aziende di avere una conoscenza più approfondita dei propri clienti. E questo include dove sono, cosa stanno navigando con il browser, quando entrano in un negozio, quali strade percorrono regolarmente, quale automobile guidano, quali sono i loro comportamenti alla guida, quali relazioni hanno con gli altri, cosa piace loro e cosa no. Le applicazioni mobile possono anche accedere ai contatti delle persone, alle loro fotografie e altro. Con tutti questi dati disponibili, l etica è un argomento centrale perché ci permette di determinare cosa usare quando si analizzano i dati. Con dati ora altamente distribuiti ci sono molte tecnologie che offrono protezione e audit. La complessità ha portato molte organizzazioni ad abbandonare un approccio frammentario alle informazioni di audit e di protezione. I criteri sono ovunque con nessuna singola vista delle politiche connesse con la protezione dei dati in tutta l azienda. Inoltre, il numero di amministratori coinvolti è spesso difficile da determinare e ora per colmare la misura, abbiamo una legislazione UE che richiede che i dati siano protetti e che le organizzazioni possono dimostrarlo ai loro auditors entro Maggio Allora come le aziende stanno affrontando questo problema? Le politiche di Data Privacy sono applicate ovunque? Come viene coordinata la sicurezza dell accesso ai dati attraverso portali, processi, applicazioni e dati? Questa sessione definisce il problema, guarda ai requisiti necessari per Enterprise Data Security, Audit e Protection e alle tecnologie disponibili per aiutarvi a integrare tutto questo nella Vostra strategia sui dati. Cosa è la protezione dei dati e cosa è coinvolto nella sua gestione? Quali sono i requisiti per l Enterprise Data Protection? La sfida dei dati distribuiti e dei Data Lakes distribuiti Cosa dire sugli utenti privilegiati? Mettere in sicurezza e proteggere i dati in un ambiente di Big Data Quali tecnologie sono disponibili per affrontare questo problema? Come si devono integrare per permettere end-to-end Data Governance e Compliance? Come cominciare per mettere in sicurezza, fare l auditing e proteggere i Vostri dati?

6 WORKSHOP 1 Apache Spark e Machine Learning Roma 30 Novembre 2 Dicembre 2016 Docente Andy Petrella È un matematico che si è dedicato al Distributed Computing Engineering ed è diventato un imprenditore nella Data Science. È un trainer certificato di Scala/Spark ed è autore del libro The Learning Play! Framework 2. Ha partecipato a molti progetti costruiti su Spark, Cassandra e altre tecnologie distribuite in vari settori di mercato dal Geospaziale, a IoT, ad Automotive e Smart Cities. È il creatore di Spark-Notebook, il solo notebook reattivo e completamente in Scala per Apache Spark. Con Xavier Tordoir ha fondato la Data Fellas, una società dedicata alla Data Science e al computing distribuito. Mr. Petrella è membro di un program committee della O Really Strata, per eventi Scala exchange e Data Science exchange e Devoxx. Descrizione Oggi i Big Data rappresentano la soluzione alle sfide derivate dai massicci datasets disponibili. Le tecnologie iniziali sono state dirompenti se comparate all ambiente legacy ma oggi cominciano a soffrire l età, specialmente la loro usabilità sta rallentando la loro introduzione nel mercato globale. Inoltre si è capito che la Data Science è un aspetto fondamentale per un buon Data Management e il suo processing. Tuttavia questo porta più problemi sul tavolo, spostando le esigenze da ETL a processing ricorrenti o stream. Apache Spark si sta imponendo con il suo modello dirompente che permette a tutte le tipologie di business di lavorare facilmente con le tecnologie distribuite e il processing dei loro Big o Fast Data. Questo corso spiega tutti i concetti che stanno dietro il progetto Apache Spark. Sebbene il modello sia più semplice di altre tecnologie, è fondamentale avere una conoscenza approfondita delle idee e delle caratteristiche di Apache Spark che permetteranno a qualsiasi business di liberare la potenza della propria infrastruttura e/o dei dati. Questo seminario usa esempi concreti e riproducibili che girano interattivamente su Spark Notebook, soffermandosi non solo su Spark Core ma anche su streaming e machine layers che sono parte del progetto globale. È un fatto che Spark è un pezzo importante della moderna architettura ma non è il solo a coprire l intera pipeline e questo è il motivo per cui il seminario si soffermerà sull ecosistema Spark, includendo la sua integrazione con Apache project Kafka, Cassandra e Mesos. In particolare i partecipanti impareranno: Tools e paradigmi di Computing Distribuito I concetti fondamentali di Apache Spark I componenti SQL di Apache Spark (incluso DataFrame, Dataset e Tungsten) Distributed Machine Learning in Spark usando MLlib e H2O Come usare Spark Notebook per uno sviluppo veloce, interattivo e reattivo di Spark Come costruire una completa Distributed Data Science Pipeline Programma 1. Introduzione al Computing Distribuito HDFS Hadoop Architettura di Computing Distribuito Limitazioni 2. Introduzione ad Apache Spark Cosa è Spark: la sua storia Perché usare Spark L ecosistema Spark Astrazione di Spark Cosa è un RDD Cosa è un driver- SparkContext

7 3. Introduzione a Spark Notebook Cosa è lo sviluppo interattivo Installare il tool Primi passi con Spark Notebook Come usare interattività e reattività 4. Scrivere applicazioni Spark I Introduzione generale sui tools Spark RDD lineage Stages Tipi di operazioni: trasformazione, azione, controllo Operazioni di controllo in dettaglio Molti esercizi 5. Scrivere applicazioni Spark II Processing di documenti usando Spark Creare un Crawler Implementare inverted index Implementare TF-IDF Variabili broadcast Accumulatori NLP: implementare N-Grams Joins Data Partitioning Data Shuffling Molti esercizi 6. Spark SQL: DataFrame, Dataset Introduzione alle componenti di Spark SQL Cosa e perché DataFrame Catalyst Data Source API: JSON Data Source API: Parquet Molti esercizi 7. Spark Streaming Gestione dell evento nei confronti del batch DStream Architettura Lambda Sorgenti di Spark Streaming Ricevente di Spark Streaming Checkpointing Resilienza, WAL Operazioni Stateful Molti esempi 8. Introduzione a Machine Learning I fondamenti della Machine Learning: imparare dai dati Introduzione ai principi Spiegazione concreta del problema bias-variance Complessità del modello e tuning del parametro ridondante Esercizi hands-on 9. Machine Learning distribuita usando MLlib Introduzione all API mllib Panoramica dei modelli disponibili Panoramica della ml/pipeline API L alternativa Keystone Un supervised learning Supervised learning 10. Usare H2O Sparkling Cosa è H2O Cosa è H2O Sparkling Come integrarlo nello Spark Notebook Esempio 11. Integrare con Apache Kafka Introduzione ad Apache Kafka Importanza di Kafka nella pipeline Come integrare con Spark Creare direct stream Esercizio hands-on 12. Integrare con Apache Cassandra Introduzione ad Apache Cassandra Importanza di sinks nella pipeline distribuita Come integrare Cassandra con Spark Interagire con il database usando CQL Usare la Data Source API per leggere/memorizzare in Cassandra Esercizio hands-on 13. Spark clusters Spark standalone Spark in Yarn Spark su Mesos Spark su ec2 (standalone)

8 WORKSHOP 2 Costruire un Enterprise Data Lake Roma 30 Novembre 1 Dicembre 2016 Docente Mike Ferguson Descrizione Molte aziende oggi devono trattare con molti silos di informazione come sistemi Cloud e sistemi in-premise, diversi Data Warehouses, Data Marts, sistemi RDM (Reference Data Management), sistemi MDM (Master Data Management), sistemi ECM (Enterprise Content Management), piattaforme NoSQL per Big Data come Hadoop o altri databases NoSQL. In aggiunta le sorgenti dati stanno aumentando vertiginosamente, in particolare quelle esterne all azienda. Avendo questa situazione, non sorprende che molte aziende stiano smettendo di gestire queste informazioni in silos con tools differenti usati per preparare e gestire i dati attraverso questi sistemi con vari gradi di governance. In aggiunta oggi non è solo l IT che gestisce i dati. Gli utenti del business cominciano ad avere i propri dati. A questo punto la domanda è: ma è questo il solo modo per gestire i dati? Esiste un altro livello che possiamo raggiungere che ci permetta di gestire e governare molto più facilmente i dati in questo panorama sempre più complesso? Questo seminario esamina in dettaglio i vari problemi di business causati dalla cattiva gestione dell informazione, includendo identificatori inconsistenti, nomi di dati e politiche, cattiva qualità dei dati, cattiva protezione dell informazione, approcci frammentari all integrazione dati. Saranno esaminati i reference data, master data, transaction data, metriche, Big Data e contenuti non strutturati (documenti, ecc). Spiega quali requisiti devono essere soddisfatti affinché un azienda sia in grado di definire, governare, gestire e condividere un informazione sicura e di qualità fra applicazioni operative, applicazioni analitiche e processi. Esplora nuovi approcci che permettono di tenere sotto controllo i Vostri dati coinvolgendo gli architetti dei dati, gli utenti del business e gli sviluppatori IT. Questo comporta la creazione e l organizzazione dei dati in Reservoirs e introduce Data Refineries in un approccio aziendale alla gestione dei dati. In particolare i partecipanti impareranno: Come definire una strategia per EIM e come implementarla all interno dell organizzazione Come organizzare i dati in una Reservoir L importanza di un catalogo dell informazione, della standardizzazione dei dati e dei glossari di business Un modello operativo per una efficace governance dell informazione Una strategia di implementazione di EIM per tenere i propri dati sotto controllo Come applicare questa metodologia per Master Data, Reference Data, Big Data, Data Warehouse e dati non strutturati, sia che si trovino sul Cloud che sui sistemi on-premise Programma 1. Strategia e Pianificazione Questa sessione introduce EIM (Enterprise Information Management) e spiega le ragioni del perché le aziende ne hanno bisogno. Guarda a cosa ci dovrebbe essere nella Vostra strategia di EIM, il modello operativo necessario per implementare EIM, i tipi di dati che dovete gestire e lo scopo dell implementazione di EIM. Guarda inoltre alle politiche e ai processi necessari per tenere i Vostri dati sotto controllo. I dati distribuiti in continua crescita L approccio a silos per la gestione e la governance dei dati Integrazione dei dati IT Principali requisiti per EIM - Dati strutturati: master, reference e transazioni - Dati semi-strutturati: JSON, XML, - Dati non strutturati: testi, video, audio - Servizi riusabili per gestire i dati Trattare con le nuove sorgenti dati: dati del Cloud, dati dei sensori, dati dei social media, prodotti smart (Internet of Things)

9 Capire lo scopo di EIM - Sistemi OLTP - Data Warehouses - Sistemi di Big Data - Sistemi MDM e RDM - Virtualizzazione dei dati - Messaging, ESBs e process data flows - Enterprise Content Management Costruire un caso di business per EIM Definire una strategia per EIM Un nuovo approccio inclusivo per gestire e governare i dati Introdurre la Data Reservoir e la Data Refinery Principali ruoli e responsabilità Il giusto modello operativo per l organizzazione Tipi di politica per EIM Formalizzare i processi di governance EIM nella Vostra Enterprise Architecture 2. Metodologia e Tecnologie Avendo capito la strategia, questa sessione esamina la metodologia per EIM e le tecnologie necessarie a tenere i Vostri dati sotto controllo. Guarda inoltre a come le piattaforme di EIM costituiscono le basi della Vostra Enterprise Architecture per gestire le informazioni attraverso l azienda. Una metodologia pratica per EIM e Data Governance - Definire, identificare, valutare, integrare, fornire, monitorare, proteggere e mettere in sicurezza Il ruolo di Hadoop come una Data Reservoir Il mercato EIM: Actian, Global IDs, IBM InfoSphere, Informatica, Oracle, SAP, SAS, Talend Tools di self-service Data Wrangling come Paxata, Trifacta, Tamr, ClearStory Data Opzioni di implementazione di EIM - Centralizzata, distribuita o federata - Self-Service BI: la necessità della Data Governance - EIM on premise e sul Cloud - Servizi comuni di dati per Data Management serviceoriented 3. Implementazione di EIM: standardiz - zazione dei dati e il glossario del business Questa sessione esamina il primo step nella metodologia EIM e cioè la standardizzazione dei dati. Per fare questo bisogna creare nomi e definizioni di dati comuni per costruire uno Shared Business Vocabulary (SBV). SBV dovrebbe essere definito e memorizzato in un glossario di business. Standardizzazione semantica dei dati usando uno SBV SBV verso tassonomia verso ontologia Il ruolo di uno SBV in MDM, RDM, SOA, DW e Data Virtualization Approcci per creare uno SBV Enterprise Data Models e SBV Prodotti di Business glossary - ASG, Collibra, Global IDs, Informatica, IBM InfoSphere Business Glossary Information Governance Directory, SAP Information Steward Metapedia, SAS Business Data Network Pianificare un glossario di business Organizzare definizioni di dati in un glossario di business Coinvolgimento del business nella creazione di SBV Usare i processi di governance nella standardizzazione dei dati 4. Organizzare il Data Lake Questa sessione spiega come organizzare i dati in modo da poterli gestire in questo ambiente complesso. Esamina zoning e versioning, l uso di un information catalog nella gestione dei dati e la necessità di collaborazione fra business e IT. Organizzare i dati in un Data Reservoir distribuito Zone di immissione dati, zone di esplorazione dati, zone di archiviazione dati e zone di dati sicuri Nuovi requisiti per gestire dati in un ambiente dati distribuito Hadoop come staging area per la pulizia e integrazione dei dati aziendali Oltre i dati strutturati: dal glossario di business all information catalog Tecnologie di Information catalog: Waterline Data, Alation, Informatica Project Sonoma Live Data Map, IBM Information Governance Catalog La potenza dei graph databases per la memorizzazione dei metadati: tracking dinamico dei dati e relazioni fra dati in real time Il semantic Web all interno dell azienda: tassonomie dinamiche di dati in un Data Reservoir distribuito

10 5. Il processo di Data Refinery Questa sessione esamina il processo di scoprire dove sono i Vostri dati e come raffinarli per tenerli sotto controllo. Implementare dati sistematici disparati e scoprire la relazione dei dati Tools di Data Discovery: Global IDs, IBM InfoSphere Discovery Server, Informatica, Silwood, SAS Mapping automatizzato dei dati Data Quality Profiling Best Practices di metriche di Data Quality Principali approcci all integrazione dei dati: virtualizzazione dei dati, consolidamento dei dati e sincronizzazione dei dati Generare Data Cleansing e servizi di integrazione usando metadati comuni Addomesticare il panorama dei dati distribuiti usando Enterprise Data Cleansing e Integrazione L Enterprise Data Refinery: Hadoop come una staging area per Enterprise Data Cleansing e Integrazione Data Provisioning: fornire informazione consistente ai Data Warehouses, sistemi MDM, DBMSs NoSQL e sistemi transazionali Ottenere un Data provisioning consistente attraverso servizi riusabili di dati Fare un priovisioning consistente di dati raffinati usando la virtualizzazione dei dati e servizi on-demand Un provisioning e una governance intelligenti usando servizi dati basati su regole Data Management consistente fra sistemi Cloud e onpremise Data Entry: implementare l Enterprise Data Quality Firewall - Data Quality nella tastiera - Data Quality nel messaging in entrata e uscita - Integrare Data Quality con Data Warehouse e MDM - Servizi di Data Quality on-demand e event driven Monitorare la Data Quality usando Dashboards Gestire la Data Quality nel Cloud 6. Raffinare i Big Data e i dati per i Data Warehouses Questa sessione guarda a come i processi e la metodologia EIM possono essere applicati per gestire, governare e fornire dati in un ecosistema analitico di Big Data e in un tradizionale Data Warehouse. Come relazionarsi con grandi volumi e grandi varietà di dati? Qual è la differenza fra caricare dati in Hadoop o in Data Warehouse? Cosa sui databases NoSQL? Come dovrebbero essere gestiti i dati low-latency? Tipi di Big Data Connettersi alle sorgenti di Big Data: Web logs, clickstream, sensor data, contenuto non strutturato e semi strutturato Il ruolo dell Information Management in un ambiente analitico esteso Fornire dati consistenti a diverse piattaforme analitiche Best Practices per integrare e governare Big Data multistrutturati e strutturati Occuparsi di qualità dei dati in un ambiente Big Data Caricare Big Data: cosa c è di diverso fra caricare files Hadoop rispetto a databases NoSQL e relazionali analitici Data Warehouse offload: usare Hadoop come staging area e raffineria dei dati Governare i dati in un ambiente di Data Science Tools di Data Wrangling per Hadoop Fare il mapping fra i dati di valore e il Vostro DW e il vocabolario di business 7. Audit e Protezione dell Informazione: l aspetto dimenticato di EIM Questa sessione definisce questo importante problema dell Audit e della Protezione dell informazione ed esamina quali tecnologie sono disponibili per aiutarvi ad integrare questi aspetti nella Vostra strategia EIM. Cosa sono la sicurezza e l audit dei dati e cosa è coinvolto nella loro gestione? Status check: a che punto siamo oggi sull audit dei dati aziendali, la sicurezza degli accessi e la protezione? Quali sono i requisiti per l audit dei dati aziendali, la sicurezza degli accessi e la protezione? Cosa è necessario considerare quando trattiamo questi aspetti? Cosa sugli utenti privilegiati? Quali tecnologie sono disponibili per affrontare questo problema: IBM Optim e InfoSphere Guardium, Imperva, EMC RSA, Cloudera,Gazzang, Hapache Knox Come si integrano con i programmi di Data Governance? Come cominciare per mettere in sicurezza, fare l audit e proteggere i Vostri dati?

11 Mike Ferguson È Managing Director di Intelligent Business Strategies Limited. Come consulente è specializzato in Business Intelligence, Analytics, Big Data e Data Management. Ha più di 33 anni di esperienza di IT, ha operato consulenze per importanti aziende ed è stato frequentemente speaker in molti eventi e seminari in tutto il mondo. È stato Principal e cofondatore della Codd & Date UK e Chief Architect alla Teradata su DBMS Teradata e Managing Director Europeo di Database Associates. Rick van der Lans È un analista indipendente, consulente, autore e speaker specializzato in Data Warehousing, Business Intelligence, Big Data e tecnologia database. È Managing Director di R20/Consultancy. Ha aiutato molte aziende in tutto il mondo nella definizione della propria architettura di Business Intelligence e di Big Data. Mr. Van der Lans è uno speaker di fama internazionale. È chairman dell European Business Intelligence Conference. I suoi libri sono stati tradotti in molte lingue e hanno venduto più di copie. Il suo ultimo libro si intitola Data Virtualization for Business Intelligence Systems. Mr. van der Lans scrive blogs per siti web molto noti come TechTarget.com e BeyeNetwork.com e ha scritto numerosi whitepapers di successo. SCHEDA D ISCRIZIONE SPEAKERS Tim Seears Rick van der Lans Mike Ferguson Vladimir Bacvanski Da restituire compilata a: Technology Transfer Piazza Cavour, Roma Tel Fax info@technologytransfer.it

12 Partecipanti Direttori IT, CIO, IT Managers, Architetti IT, Business Intelligence Managers, Professionisti di Data Warehousing, Data Scientists, Enterprise Architects, Data Architects Tim Seears È fondatore e CTO di Big Data Partnership, una azienda nata per aiutare e far crescere i clienti nel mondo dei Big Data. È stato un pioniere nello sfruttamento dei Big Data, nel realizzare complesse architetture di analisi dati sia per le start-up che per QUOTA DI PARTECIPAZIONE INTERNATIONAL BIG DATA CONFERENCE 2016 Quota di partecipazione Euro (+ iva) Apache Spark & Machine Learning Quota partecipazione Euro (+iva) Costruire un Enterprise Data Lake Quota partecipazione Euro (+iva) Quote scontate Conferenza + Workshop su Apache Spark & Machine Learning: Euro (+iva) Conferenza + Workshop su Enterprise Data Lake: Euro (+iva) La quota di partecipazione comprende documentazione, colazioni di lavoro e coffee breaks. MODALITÀ DI ISCRIZIONE Il pagamento della quota, IVA inclusa, dovrà essere effettuato tramite bonifico, codice Iban: IT 03 W Banca: Cariparma Agenzia 1 di Roma intestato alla Technology Transfer S.r.l. e la ricevuta di versamento inviata insieme alla scheda di iscrizione a: TECHNOLOGY TRANSFER S.r.l. Piazza Cavour, ROMA (Tel Fax ) Nome Cognome Funzione aziendale Azienda Partita IVA Codice fiscale Indirizzo CAP Città Provincia Telefono Fax entro il 14 Novembre 2016 Timbro e firma CONDIZIONI GENERALI In caso di rinuncia con preavviso inferiore a 15 giorni verrà addebitato il 50% della quota di partecipazione, in caso di rinuncia con preavviso inferiore ad una settimana verrà addebitata l intera quota. In caso di cancellazione del seminario, per qualsiasi causa, la responsabilità della Technology Transfer si intende limitata al rimborso delle quote di iscrizione già pervenute. SCONTI DI GRUPPO Se un azienda iscrive allo stesso evento 5 partecipanti, pagherà solo 4 partecipazioni. Chi usufruisce di questa agevolazione non ha diritto ad altri sconti per lo stesso evento. ISCRIZIONI IN ANTICIPO I partecipanti che si iscriveranno al seminario 30 giorni prima avranno uno sconto del 5%. DURATA E ORARIO 2 giorni, 3 giorni, 2 giorni ROMA INTERNATIONAL BIG DATA CONFERENCE 2016 Roma Novembre 2016 Apache Spark & Machine Learning Roma 30 Novembre - 2 Dicembre 2016 Costruire un Enterprise Data Lake Roma 30 Novembre - 1 Dicembre 2016 In caso di rinuncia o di cancellazione dei seminari valgono le condizioni generali riportate sopra. È previsto il servizio di traduzione simultanea grandi aziende. La vision di Mr. Seears è stata sempre quella di portare la potenza dei Big Data al più vasto pubblico possibile. Egli è fermamente convinto che la Data Science, che è il mezzo per estrarre valore dati Big Data, rappresenti una delle proposizioni tecnologiche più interessanti che noi abbiamo visto dopo la nascita di Internet. Mr. Seears ha studiato astro fisica e ha speso moti anni della sua carriera alla NASA dove ha affrontato molte sfide sui dati. Quindi ha continuato ad approfondire le tecnologie dei Big Data in molte aziende. Vladimir Bacvanski Fondatore di SciSpike. È un consulente e mentore su software avanzato, tecnologie dati, specializzato in tecnologie NoSQL e Big Data. Ha più di 20 anni di esperienza nelle aree di architettura e design di sistemi enterprise distribuiti e mission critical, sistemi e linguaggi rule-based, tools di modeling, sistemi real-time, agent systems e tecnologie database. Ha inoltre una notevole esperienza in software architecture e analisi dei requisiti. Tutela dati personali Ai sensi dell art. 13 della legge n. 196/2003, il partecipante è informato che i suoi dati personali acquisiti tramite la scheda di partecipazione al seminario saranno trattati da Technology Transfer anche con l ausilio di mezzi elettronici, con finalità riguardanti l esecuzione degli obblighi derivati dalla Sua partecipazione al seminario, per finalità statistiche e per l invio di materiale promozionale dell attività di Technology Transfer. Il conferimento dei dati è facoltativo ma necessario per la partecipazione al seminario. Il titolare del trattamento dei dati è Technology Transfer, Piazza Cavour, Roma, nei cui confronti il partecipante può esercitare i diritti di cui all art. 13 della legge n. 196/2003.

13 TECHNOLOGY TRANSFER Piazza Cavour, Roma Tel Fax info@technologytransfer.it