Découvrez comment configurer l'accès aux données cross-cloud pour unifier les silos de données sur Amazon Web Services (AWS), Google Cloudet AlloyDB pour PostgreSQL sans ETL complexe.
Vous utilisez un lakehouse sans frontières comme hub d'intelligence central, AlloyDB comme source de données opérationnelle et Managed Service pour Apache Spark pour un traitement vectorisé hautes performances. Enfin, vous utiliserez Gemini pour obtenir des insights commerciaux pertinents à partir de votre lakehouse.
Scénario
Dans ce scénario, vous disposez de données provenant des sources suivantes :
- Données transactionnelles (utilisateurs, commandes, articles de commande) dans une base de données AlloyDB opérationnelle.
- Données produit dans un bucket AWS S3.
- Journaux d'événements de parcours client dans Cloud Storage.
Vous joignez ces ensembles de données pour identifier les données démographiques cibles de votre prochaine campagne marketing et générer des e-mails de prospection personnalisés.
Objectifs
Dans cet atelier de programmation, vous allez effectuer les tâches suivantes :
- Configurez des points de terminaison de catalogue Lakehouse pour unifier les silos de données sur AWS S3, Cloud Storage et AlloyDB.
- Exécutez un traitement de requêtes vectorisées hautes performances à l'aide de Managed Service pour Apache Spark.
- Associez des ensembles de données transactionnelles, de produits et de parcours de navigation sans déplacer les données ni utiliser de pipelines ETL complexes.
- Utilisez Gemini pour obtenir des insights commerciaux et générer des communications marketing personnalisées à partir de votre lakehouse.
Suivre l'atelier de programmation
Lancez l'atelier de programmation par étapes :
Démarrer l'atelier de programmation sur le lakehouse sans frontières
Étapes suivantes
- En savoir plus sur les concepts de Lakehouse.
- Découvrez comment interroger des données distantes.
- Vérifiez les régions prises en charge et les fonctionnalités.