La piattaforma lakehouse di Databricks è un'architettura aperta che combina i migliori elementi dei data lake e dei data warehouse. In questa demo, vi mostreremo come costruire una soluzione clienti 360 su lakehouse, fornendo dati e conoscenza/approfondimento/informazioni dettagliate che tipicamente richiederebbero mesi di sforzi su piattaforme legacy.

Questa demo copre la piattaforma end-to-end di Lakehouse:

• Ingerire dati da sistemi esterni (come EPR/Salesforce) e trasformarli utilizzando Delta Live Tables (DLT), un framework ETL dichiarativo per la creazione di pipeline di elaborazione dati affidabili, manutenibili e testabili.
• Proteggere i dati ingeriti per garantire la governance e la sicurezza dei dati PII.
• Sfruttare Databricks SQL e gli endpoint del magazzino per costruire un dashboard per analizzare i dati ingeriti e comprendere il churn esistente.
• Costruite un modello di machine learning con Databricks AutoML per comprendere e prevedere il churn futuro
• Orchestrare tutti questi passaggi con Databricks flusso di lavoro

Per installare la demo, procuratevi uno spazio di lavoro Databricks gratuito ed eseguite i seguenti due comandi in Python Notebook

%pip installare dbdemos

importare dbdemos
dbdemos.install('lakehouse-retail-c360')

Dbdemos è una libreria Python che installa demo complete di Databricks negli spazi di lavoro. Dbemos caricherà e avvierà Notebook, le pipeline di Delta Live Tables, clusters, i cruscotti SQL di Databricks, i modelli di magazzino... Vedere come usare dbdemos

Dbdemos è distribuito come progetto GitHub.

Per maggiori dettagli, consultare il file README.mddi GitHub e seguire la documentazione.
Dbdemos viene fornito così com'è. Per ulteriori informazioni , consultare lalicenza e l'avviso.
Databricks non offre supporto ufficiale per dbdemos e per i prodotti asset associati.
Per qualsiasi problema, aprire un ticket e il team della demo lo esaminerà nel migliore dei modi .