Research Insights Made Simple #6: Interview with Nikolay Golov about data platforms
Выпуск о том, как проектировать и развивать data platform в 2025 году: от федерализации и data products до ограничений OLTP/MPP и эволюции cloud analytics.
Источник
Telegram: book_cube
Оригинальный пост с анонсом выпуска и краткими тезисами.
О выпуске
Это интервью продолжает серию Research Insights Made Simple и фокусируется на практической эволюции data platform. В разговоре разбираются реальные инженерные компромиссы: как сочетать централизацию и автономию команд, как не утонуть в цепочках дата-продуктов и почему архитектурные ограничения старых подходов все сильнее заметны в 2025 году.
Гость и регалии
Николай Голов
- Head of Data Engineering в ManyChat.
- Ex Head of Data Platform в Авито.
- Практик по построению OLTP/OLAP систем и преподаватель баз данных.
Формат выпуска: интервью в рамках рубрики #Data.
Ключевые темы разговора
Карьерный путь гостя
Как Николай Голов развивался в разных компаниях и параллельно преподавал базы данных.
Модели организации платформы
Централизованный, гибридный и децентрализованный подходы к развитию data platform.
Data Mesh в теории и на практике
Почему принципы федерализации полезны, но в реальности часто превращаются в data mash.
Подходы по масштабу компании
Отличия проектирования платформы в стартапах, средних и крупных компаниях в 2025 году.
Ограничения классических OLTP СУБД
Где Postgres и похожие системы упираются в нагрузку, стоимость и архитектурные компромиссы.
Ограничения MPP-решений
Когда Vertica, Greenplum и ClickHouse не решают задачу целиком и требуют дополнительных слоев.
Цепочки data products
Почему важно выделять базовый домен данных, чтобы укорачивать зависимые продуктовые цепочки.
Почему cloud DW так быстры
Колоночное хранение и разделение storage/compute как база современной аналитической скорости.
Medallion architecture
Практическая схема Bronze/Silver/Gold как способ стандартизировать путь данных внутри платформы.
Связанная тема
Специфика проектирования data-систем
Глава с Medallion, data-потоками и системными trade-offs.
Практические выводы на 2025 год
- Не существует универсальной организационной модели data platform: структура зависит от стадии компании и доменных границ.
- Data mesh полезен как направление, но без четкого platform layer и governance он быстро деградирует.
- OLTP и MPP системы нужны, но в одиночку не покрывают end-to-end сценарии аналитики и data products.
- Ключевая инженерная ставка в 2025 году: разделение storage/compute, открытые форматы и сильная self-service платформа.
- Главная цель платформы: уменьшать time-to-data для продуктовых команд, не теряя контроль качества и стоимости.
Отсылки на материалы
YouTube
Полная видеоверсия интервью.
Telegram пост
Краткое саммари и анонс выпуска.
Ya Music
Аудиоверсия подкаста.
Podster.fm
Альтернативная аудиоплощадка.
Для углубления по смежным темам: Введение в хранение данных, DDIA, Streaming Data, Big Data, Learning DDD (включая Data Mesh).