Veri Ambarı ve Veri Gölü Mimarisi Eğitimi

Eğitim Hakkında

Bu eğitim, kurumun raporlama, analitik ve yapay zeka ihtiyaçlarını karşılayacak veri ambarı, veri gölü ve lakehouse mimarilerini tasarlamak ve değerlendirmek isteyen ekipler için hazırlanmış mimari odaklı bir programdır. Katılımcılar boyutsal modelleme ve Data Vault uygular, açık tablo formatları ile bulut platformlarını karşılaştırır ve kendi hedef mimarilerini tasarlar.

Neden Bu Eğitim?

Doğru Mimari Seçimi. Veri ambarı, veri gölü, lakehouse ve data mesh yaklaşımlarını kurumun ihtiyacına göre gerekçeli olarak seçin.

Sağlam Veri Modeli. Kimball ve Data Vault yöntemleriyle iş değişikliklerine dayanıklı, performanslı ve anlaşılır modeller kurun.

Maliyet ve Yönetişim. Depolama-hesaplama ayrımı, erişim kontrolü ve katalog yönetimiyle ölçeklenen platformda maliyeti kontrol edin.

“İyi tasarlanmış bir veri platformu, bugünün raporlarını hızlandırırken yarının yapay zeka projelerine de sağlam bir zemin hazırlar.”

Ön Koşullar

SQL Bilgisi — SELECT, JOIN, gruplama ve temel DDL komutlarıyla sorgu ve tablo oluşturabilmek.
Veritabanı Kavramları — Tablo, anahtar, indeks ve normalizasyon kavramlarına temel düzeyde hakim olmak.
Raporlama Deneyimi — BI, raporlama veya ETL projelerinde kullanıcı ya da geliştirici olarak yer almış olmak.
Çalışma Ortamı — Tarayıcı üzerinden bulut laboratuvarına bağlanabilen, internet erişimli bir dizüstü bilgisayar.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiAnalitik veri mimarilerinin evrimini ve seçim kriterlerini kavramak, boyutsal modelleme ile Data Vault yaklaşımlarını karşılaştırmak ve iş süreci için model tasarlamak.

Modül 1

Analitik Veri Mimarilerinin Evrimi

OLTP ve OLAP sistemlerinin farklı ihtiyaçları
Kurumsal veri ambarından veri gölüne geçiş süreci
Lakehouse yaklaşımı ve temel vaatleri
Data mesh: alan odaklı sahiplik ve veri ürünleri
Mimari seçim kriterleri: hacim, gecikme, beceri, maliyet
Vaka: Veri gölünün veri bataklığına dönüşmesi

Modül 2

Boyutsal Modelleme: Kimball Yaklaşımı

Olgu ve boyut tabloları; yıldız ve kar tanesi şema
Tanecik (grain) belirleme ve ölçü türleri
Ortak boyutlar ve kurumsal veri ambarı veri yolu matrisi
Yavaş değişen boyutlar: Tip 1, Tip 2 ve Tip 3
Olgusuz olgu tabloları ve periyodik anlık görüntüler
Uygulama: Satış süreci için yıldız şema tasarımı

Modül 3

Inmon Yaklaşımı ve Data Vault 2.0

Inmon: normalize kurumsal veri ambarı ve veri pazarları
Data Vault bileşenleri: hub, link ve satellite
Karma anahtarlar, yükleme tarihi ve kayıt kaynağı
Ham vault ve iş vault katmanlarının ayrımı
Hangi durumda Kimball, hangi durumda Data Vault
Uygulama: Müşteri ve sözleşme için Data Vault modeli

Modül 4

Veri Modelleme Atölyesi

İş gereksinimlerinden ölçü ve boyut çıkarımı
Kaynak sistem analizi ve anahtar eşleştirme
Kavramsal, mantıksal ve fiziksel model adımları
Model dokümantasyonu ve iş sözlüğüyle hizalama
Atölye: Sigorta poliçe süreci için veri modeli
Günün değerlendirmesi ve veri gölü gününe köprü

Günün hedefiNesne depolama üzerinde düzenli bir veri gölü tasarlamak, açık tablo formatları ve kataloglarla lakehouse kurmak ve bulut veri ambarlarını teknik kriterlerle karşılaştırmak.

Modül 1

Veri Gölü Tasarımı

Nesne depolama: Amazon S3, ADLS Gen2, Google Cloud Storage
Ham, işlenmiş ve sunum bölgelerinin tasarımı
Parquet ve ORC ile sütun tabanlı depolama avantajı
Klasör yapısı, bölümleme ve adlandırma standartları
Yapılandırılmamış veri: doküman, görüntü ve ses
Uygulama: Veri gölü bölge ve erişim şeması

Modül 2

Açık Tablo Formatları ve Lakehouse

Apache Iceberg, Delta Lake ve Apache Hudi karşılaştırması
ACID işlemler, zaman yolculuğu ve şema evrimi
Madalyon mimarisi: bronz, gümüş ve altın katmanlar
Kataloglar: Unity Catalog, Apache Polaris, AWS Glue
Motor bağımsızlığı ve satıcı bağımlılığı riski
Laboratuvar: Iceberg tablosu oluşturma ve sorgulama

Modül 3

Bulut Veri Ambarları ve Sorgu Motorları

Depolama ve hesaplama ayrımı ile MPP mimarisi
Snowflake, Google BigQuery ve Amazon Redshift
Microsoft Fabric ve Databricks SQL yaklaşımları
Trino ve DuckDB ile federe ve yerel sorgulama
Kurum içi, bulut ve hibrit dağıtım değerlendirmesi
Vaka: Platform seçimi için ağırlıklı karar matrisi

Modül 4

Yükleme ve Dönüşüm Katmanı

ELT yaklaşımı ve dbt ile SQL tabanlı dönüşümler
Değişiklik verisi yakalama ile artımlı yükleme
SCD Tip 2 boyutlarının MERGE ile güncellenmesi
Geç gelen olgular ve bilinmeyen boyut üyeleri
Laboratuvar: Yıldız şemanın dbt ile yüklenmesi
Günün değerlendirmesi ve yönetişim gününe hazırlık

Günün hedefiSorgu performansı ve maliyeti optimize etmek, güvenlik ve yönetişim katmanını tasarlamak, platformu analitik ve yapay zeka için hazırlamak ve hedef mimariyi sunmak.

Modül 1

Performans ve Maliyet Optimizasyonu

Bölüm budama, kümeleme ve sıralama anahtarları
Materyalize görünümler ve toplulaştırma tabloları
Sorgu profili okuma ve pahalı sorguların tespiti
İş yükü yalıtımı ve hesaplama kaynaklarının boyutu
FinOps: kullanım etiketleme, bütçe ve uyarılar
Laboratuvar: Yavaş bir rapor sorgusunun optimizasyonu

Modül 2

Güvenlik, Erişim ve Yönetişim

Rol ve öznitelik tabanlı erişim kontrolü (RBAC, ABAC)
Satır düzeyi güvenlik, kolon maskeleme ve tokenizasyon
KVKK kapsamında kişisel verinin ayrıştırılması
Veri kataloğu, köken ve iş sözlüğü entegrasyonu
Denetim logları, saklama ve imha politikaları
Uygulama: Çok birimli erişim modeli tasarımı

Modül 3

Analitik ve YZ İçin Modern Veri Platformu

Anlamsal katman ile tutarlı metrik tanımları
Özellik tabloları ve model eğitimi için veri anlık görüntüsü
Veri platformunda vektör arama ve RAG kaynakları
Veri ürünleri, sözleşmeler ve self servis analitik
Doğal dilden SQL üreten asistanlar ve riskleri
Vaka: Lakehouse üzerinde müşteri kaybı analitiği

Modül 4

Hedef Mimari Tasarım Projesi ve Kapanış

Grup projesi: mevcut durumdan hedef mimariye geçiş
Mimari karar kayıtları ve göç (migration) planı
Proje sunumları ve uzman geri bildirimi
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve tasarım şablonlarının teslimi
İleri öğrenme kaynakları ve kapanış

Eğitim Kazanımları

Mimari Seçim — Veri ambarı, veri gölü, lakehouse ve data mesh seçeneklerini kurumsal kriterlerle gerekçeli olarak değerlendirebileceksiniz.
Boyutsal Model — Tanecik, olgu ve boyutları doğru belirleyerek performanslı ve anlaşılır yıldız şemalar tasarlayabileceksiniz.
Data Vault — Hub, link ve satellite yapılarıyla değişen kaynak sistemlere uyum sağlayan Data Vault modelleri kurabileceksiniz.
Lakehouse Tasarımı — Apache Iceberg veya Delta Lake ve kataloglarla nesne depolama üzerinde güvenilir lakehouse katmanları kurabileceksiniz.
Platform Analizi — Snowflake, BigQuery, Redshift, Fabric ve Databricks gibi platformları iş yükünüze göre karşılaştırabileceksiniz.
Performans ve Maliyet — Bölümleme, kümeleme, materyalize görünümler ve FinOps pratikleriyle sorgu süresini ve maliyeti düşürebileceksiniz.
Güvenli Erişim — Satır ve kolon düzeyi güvenlik, maskeleme ve katalog entegrasyonuyla KVKK uyumlu erişim modeli kurabileceksiniz.
Hedef Mimari — Kurumunuz için mimari karar kayıtlarıyla desteklenen, aşamalı bir veri platformu göç planı hazırlayacaksınız.

Kimler İçin Uygundur?

Veri mimarları
veri ambarı ve BI geliştiricileri
veri mühendisleri
veri platformu yöneticileri ile veri modernizasyonu projelerini yöneten BT liderleri.

Sıkça Sorulan Sorular

Veri Ambarı ve Veri Gölü Mimarisi Eğitimi kimler için uygundur?

Program; veri mimarları, veri ambarı ve BI geliştiricileri, veri mühendisleri, veri platformu yöneticileri ile veri modernizasyonu ve buluta geçiş projelerini yöneten BT liderleri için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl ilerler?

Eğitim 3 tam gün ve 12 modülden oluşur. İlk gün veri modelleme, ikinci gün veri gölü, lakehouse ve bulut platformları, üçüncü gün performans, yönetişim ve hedef mimari tasarım projesi işlenir.

Katılım için hangi ön bilgiler gerekiyor?

Temel SQL bilgisi, tablo, anahtar ve normalizasyon gibi veritabanı kavramlarına hakimiyet ve raporlama veya ETL projelerinde deneyim beklenir. İleri programlama bilgisi gerekmez.

Belirli bir bulut platformu mu anlatılıyor?

Eğitim satıcı bağımsızdır. Snowflake, Google BigQuery, Amazon Redshift, Microsoft Fabric ve Databricks karşılaştırmalı ele alınır; laboratuvarlar açık tablo formatları, DuckDB ve dbt ile yürütülür ve kurumun platformuna uyarlanabilir.

Eğitim sonunda ne elde ediliyor?

Katılımcılar kendi kurum senaryoları için veri modeli, platform karar matrisi ve mimari karar kayıtlarıyla desteklenen hedef mimari taslağı hazırlar. Programı tamamlayanlar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

VERİ AMBARI VE VERİ GÖLÜ MİMARİSİ EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Analitik Veri Mimarilerinin Evrimi

Boyutsal Modelleme: Kimball Yaklaşımı

Inmon Yaklaşımı ve Data Vault 2.0

Veri Modelleme Atölyesi

Veri Gölü Tasarımı

Açık Tablo Formatları ve Lakehouse

Bulut Veri Ambarları ve Sorgu Motorları

Yükleme ve Dönüşüm Katmanı

Performans ve Maliyet Optimizasyonu

Güvenlik, Erişim ve Yönetişim

Analitik ve YZ İçin Modern Veri Platformu

Hedef Mimari Tasarım Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi