Une base de données graphes convient parfaitement aux cas d'utilisation de Master Data Management, tels que la création d'une vue à 360 degrés du client. Les entités du monde réel telles que les clients, les produits et les tickets de support, ainsi que les relations entre eux, peuvent être directement modélisées dans le graphe, ce qui permet l'analyse et la visualisation de l'ensemble de données combiné.
Avant que cela ne se produise, les données doivent être collectées à partir d'un ensemble varié de sources et ingérées dans la base de données de graphes. Les données source peuvent être situées dans des fichiers plats, dans des bases de données relationnelles, dans des plates-formes basées sur le cloud ou même dans une file d'attente de messages.
Extraire des données de leur source, les transformer en la structure et le format requis et les charger dans la base de données graphes (processus ETL) peut être un projet majeure. L’écriture de scripts personnalisés ou l’utilisation d’outils traditionnels ETL donne lieu à une solution fragile qui échoue face à la modification des structures de données et aux exigences, telles que l’acquisition de données en continu.
Au cours de cette session, vous apprendrez à créer des pipelines de données robustes pour charger des données par lots et en continu dans Neo4j. Nous examinerons les particularités de différentes sources de données et examinerons des cas d'utilisation réels, tels que l'extraction de données clients du cloud et leur combinaison avec les données de produit d'une base de données relationnelle.
Au préalable, nous ferons une courte introduction à Neo4j avec Cédric Fauvet, Business Développement France chez Neo4j.