=> Az előadás anyagának letöltése

Data Observability Monte Carlo-val – miért, mit, hogyan?

Előadásomban arról fogok beszélni, hogy az egyik legnagyobb amerikai elektromos autógyártónak milyen Data Observability megoldást vezettünk be.

De mi is a “Data Observability”?

Alkalmazások helyes működésének, magas rendelkezésre állásának biztosítására már egyre több bevált módszerünk és eszközünk van. A DevOps forradalma ezen a téren is új gyakorlatokat hozott, amik segítenek követni, hogy az alkalmazásainkkal éppen mi történik, és segítenek reagálni, ha probléma van.

Az adatok rendelkezésre állásának nyomon követése ugyanilyen fontos, de egyelőre kevésbé széles körben elterjedt gyakorlat. Az adatvagyonunkat előállító folyamatok megfigyelése új megközelítést és új eszközöket igényel, hogy a különböző adat-alapú termékek és üzleti döntések pontos és időben rendelkezésre álló adatokra építhessenek.

Esettanulmányomban bemutatom, hogy mi alapján választottuk ki ügyfelünknél a Monte Carlo megoldását, mit nyújt számunkra, és hogyan használjuk azt a mindennapokban.

Nagy András István
Data Solution Architect, EPAM Systems

András Solution Architect, aki használható szoftvert szeret fejleszteni. Az utóbbi években főleg felhő alapú Big Data rendszerek és adatplatformok kialakításában segíti ügyfeleit a “data-driven” működés felé vezető rögös úton (pl. Flixbus DE). Dolgozott korábban az LMAX (UK) alacsony válaszidejű tőzsdei platformjának fejlesztésén, újabban pedig a gépi tanulás a fókusza. Szereti a funkcionális programozást és a jó teákat.