Uma organização deseja implementar um pipeline de dados e
está avaliando a opção mais adequada para o seu contexto de
operação. Em torno de 40% dos dados consumidos pela
organização se encontram em planilhas eletrônicas que contêm
dados sensíveis, produzidas semanalmente por suas unidades de
negócio. Os outros 60% dos dados se encontram em alguns
bancos de dados relacionais de sistemas de produção da
organização. O tamanho da base é de moderado a pequeno, mas
existe a necessidade de conformidade com normas de
privacidade e confidencialidade dos dados. O objetivo do pipeline
é fornecer insumos para um departamento que realiza análises
de dados com métodos não supervisionados de aprendizagem de
máquina para elaborar relatórios periódicos mensais. A
organização está avaliando a construção de um Armazém de
Dados (ETL) ou de um Lago de Dados (ELT).
A proposta de modelo adequada e corretamente justificada é