PGConf.Academy 2025

Применение sql в рамках анализа данных в рамках компетенции "Специалист по анализу данных (BI-аналитик)". Виды работ, выполняемых на конкурсе по анализу данных: сбор и обработка данных, анализ количественных данных, обработка и анализ текстовых данных, жизненный цикл сбора данных и безопасность, сетевой анализ данных.

В основе архитектуры данных лежит моделирование данных. На удивление большая доля учебных материалов, посвящённых моделированию данных, содержит серьёзные ошибки, причём многие из них с течением времени начинают считать "исторически сложившейся картиной мира". Давайте вспомним, как птолемеевская картина мира затрудняла развитие физики и астрономии, а коперниковская - как упростила, так и дала импульс для развития. И подражая Альфонсу Мудрому мы можем воскликнуть "Если бы я присутствовал при сотворении моделей данных, я бы попросил Кодда устроить их попроще!". И что самое интересное, они устроены проще и логичней, причём в первоисточниках часто описаны куда лучше… Майкл Стоунбрейкер был абсолютно прав, когда иронично называл многих авторов "не встающими на плечи титанов, а отдавливающими им пальцы". Давайте разберём хотя бы некоторые популярные ошибки и мифы различных типов (терминологические, методологические, системные и инструментальные), посмотрев на вполне стройное здание моделирования данных, сложные части которого располагаются совсем не там, где это привыкли видеть… Мы рассмотрим принципы различения:

• Интерфейсов, протоколов, типов данных и языков сериализации.

• Концептуального, логического и физического уровней моделирования.

• Онтологических, инфологических и даталогических моделей.

• Сервисов, компонентов и приложений.

• Реляционных, расширенных реляционных и нереляционных моделей.

• Странных терминов sql, nosql и newsql. 

• Согласованности, доступности и разделяемости.

Заодно попытаемся понять, можно и нужно ли бороться за "чистоту архитектуры данных" и как тут помогает развитие PostgreSQL?

В докладе рассматривается опыт внедрения новых модулей в курс «Корпоративные системы баз данных», читаемый в Высшей школе Компьютерных технологий и информационных систем СПбПУ. В осеннем семестре 2024 года данный курс был обновлен с учетом потребностей в обучении работе с российскими СУБД, в первую очередь, основанными на PostgreSQL. Этому помог предоставленный компанией Postgres Professional доступ к облачному сервису Database as Service. Дополнением к обучению непосредственно работе в среде СУБД, стала работа с этими данными в облачной системе бизнес-аналитики DataLens, предоставляемой в YandexCloud. 45 студентов выполнило небольшой итоговый проект по созданию аналитических дашбордов, использующих PostgreSQL и DataLens.

Разрабатываете СУБД или активно ее используете и хотите поделиться опытом? Существует множество площадок для этого – как онлайн, так и офлайн. Но что делать, если вы студент, делаете первые шаги в этой области, уже получили интересные результаты, но не имеете опыта публичных выступлений? Получать его! Искать места, где можно встретить единомышленников, представить свою работу, получить конструктивную обратную связь от экспертов и завести полезные знакомства.

Одно из таких мест – Международная научная студенческая конференция (МНСК), которая ежегодно проходит в апреле в Новосибирском государственном университете. Мы организовали специальную подсекцию, посвященную СУБД, и приглашаем всех студентов, чьи исследования так или иначе затрагивают эту тему. Эксперты нашей подсекции – ведущие профессионалы индустрии СУБД. Они дадут квалифицированную оценку вашей работе и подскажут, как её улучшить. Кроме того, некоторые эксперты сами выступают с лекциями по актуальным вопросам разработки и использования СУБД.

В этом докладе я подробно расскажу о конференции МНСК, нашей подсекции СУБД, о том, какие темы мы рассматриваем, и что необходимо сделать, чтобы выступить у нас с докладом.