Cloud Customer Architecture for Big Data and Analytics Version 0

Data Quality Analysis:
This capability allows data quality rules (stored and maintained in the 
Information Management & Governance component) to be applied to data during ingestion and 
transformation, and for quality measures to be stored as metadata associated with the data sets 
in the analytics environment.
Data Repositories 
The Data Repositories component is a set of secure data repositories that allows data to be stored for 
subsequent consumption by analytics tools and users. These repositories form the heart of the analytics 
environment. The repositories within this component may vary from a single Hadoop repository or 
Enterprise Data Warehouse, to multiple repositories used for different purposes by different analytical 
tools. Note that operational and transactional data stores (such as OLTP, ECM, etc.) are not included in 
this component. Instead they form part of the Data Sources component. 
Types of data repositories include:
 
•
Landing Zone & Data Archive
is typically an initial location for data ingested 
from source systems and where raw data is persisted for archive purposes. 
Data in the Landing Zone may be of varying types and formats. It may or may 
not be modeled or structured, and its quality may or may not be understood.
•
History 
is a repository that stores state-change histories, log data, etc. Such 
repositories are typically optimized for write operations, and are used for data 
that will not normally be accessed often or with real-time response 
requirements. 
•
Deep & Exploratory Analytics 
is the application of sophisticated data mining 
and analysis techniques to yield insights from large, typically heterogeneous 
data sets. Deep & Exploratory Analytics repositories are typically optimized for 
low-cost storage of very large data volumes, without the need for real-time 
response. These repositories are used to store shared, heterogeneous data for 
use by data scientists.
•
Sand Boxes 
are repositories used by individual data scientists or groups who need a temporary data 
repository to experiment and do quick analyses. Sand boxes are provisioned, populated, deleted and 
re-deployed more often than other data repositories. 
•