Handbuch Data Engineering

Der große Datenhype der letzten Jahre war wohl „Data Sciences“. Da wurde es nun Zeit, diesem ein klares und gewichtiges Ende zu setzen. Fast 500 Seiten, da hätte man zum Lesen auch das Tablet nehmen können. Die Abgrenzung zu Data Sciences („Extraktion von Wissen aus Daten“) wird so gesehen: „Data Engineering ist die Entwicklung, Implementierung und Wartung von Systemen und Prozessen, die Rohdaten aufnehmen und hochwertige, konsistente Informationen erzeugen, die nachgelagerte Anwendungsfälle wie Analysen und Machine Learning unterstützen.“ Nicht die Technologie, sondern die Daten, nicht primär die Auswertung, sondern die Generierung, Speicherung, Ingestion, Transformation und Bereitstellung für wiederkehrende Analysen. Also doch nicht das Ende, sondern eher der Anfang. Entsprechend bewegt sich das Buch entlang eines Lifecycles, aber erst nachdem die Basis durch eine gute Datenarchitektur gelegt und grundlegende Aussagen zur Wahl der Technologien getroffen wurden. Mit echtem Tiefgang geht es dann in die Datengenerierung und die Speicherung, schon hier mit ersten Links zu DataOps und Orchestrierung. Dieser Tiefgang wird auch in den übrigen Kapiteln fortgesetzt. Sehr viel Text, wenig Abbildungen, sehr viele Quellen. Man gibt entweder auf oder wird (theoretischer) Spezialist. Oder man ist schon (praktischer) Spezialist und findet dann den entsprechenden konzeptionellen Überbau. Richtig also für das Teammitglied, das im Datensee schwimmen soll. Und für die Futuristen findet man „Live Data Stack“ mithilfe von Streaming-Technologien, für Realisten den Verweis auf die dunkle Materie der Datenwelt: Spreadsheets. Wenn das nicht die Neugier weckt? (Michael Müßig)

Weitere Infos bei Amazon.de.