3.0
用户推荐指数
商业 类型
可以朗读 语音朗读
224千字 字数
2014-10-01 发行日期
展开全部

主编推荐语

本书试图利用公式般的架构推导过程，以企业总体规划为主线，利用数据架构的方法论讲解关于商业智能的数据模型设计、数据的分布、流转等内容。

内容简介

本书是《商业智能深入浅出》一书的姊妹篇，数据架构、商业智能、数据治理和大数据技术是本书的核心。本书共13章，主要内容包括：企业架构总体规划、数据架构现状分析、数据架构目标规划、数据架构案例、大数据架构与实践，数据治理体系、商业智能架构理论、商业智能架构实践、商业智能—数据仓库架构和案例、商业智能—ODS数据架构和案例、商业智能—数据集市架构和案例等。

目录

  • 版权信息
  • 前言
  • 第1章 企业架构总体规划
  • 1.1 企业总体架构规划基础
  • 1.1.1 企业总体架构规划概念
  • 1.1.2 企业战略
  • 1.1.3 什么是企业架构
  • 1.2 国内商业银行战略规划和架构状况剖析
  • 1.3 数据架构在银行信息化建设中的重要性
  • 小结
  • 第2章 数据架构现状分析
  • 2.1 对数据架构现状分析的工作方法
  • 2.2 对现状的数据分类的原则和方法
  • 2.2.1 对数据分类的说明
  • 2.2.2 现状数据的分类
  • 2.3 数据架构现状分析
  • 2.3.1 数据分布现状分析
  • 2.3.2 数据流转现状分析
  • 2.3.3 数据处理架构现状总结
  • 2.4 数据治理现状分析
  • 2.4.1 数据质量管理现状分析
  • 2.4.2 数据生命周期管理
  • 2.4.3 数据标准管理
  • 2.4.4 元数据管理
  • 2.5 数据架构现状要点分析总结
  • 小结
  • 第3章 数据架构目标规划
  • 3.1 数据架构理论体系概述
  • 3.1.1 数据架构的工作方法和指导原则
  • 3.1.2 针对数据架构现状的总结
  • 3.1.3 需求要点
  • 3.1.4 数据架构的改进方向
  • 3.2 数据模型
  • 3.2.1 概念模型
  • 3.2.2 数据分类
  • 3.2.3 逻辑模型
  • 3.2.4 物理模型
  • 3.3 目标数据架构规划
  • 3.3.1 目标数据架构的分析重点
  • 3.3.2 目标数据架构的分布和流转
  • 3.3.3 对数据架构的验证和总结
  • 小结
  • 第4章 数据架构案例
  • 4.1 某金融行业数据架构的前期规划
  • 4.1.1 理解数据架构在项目规划中的地位
  • 4.1.2 项目总体规划的几个阶段
  • 4.1.3 系统建设策略
  • 4.1.4 项目阶段建设计划
  • 4.1.5 预算及风险效益分析
  • 4.1.6 任务分析
  • 4.2 某金融行业数据架构的分布规划
  • 4.3 某金融行业数据架构的流转规划
  • 4.4 某金融行业数据加工处理时序规划
  • 4.5 某金融行业数据架构的纠错更正需求
  • 4.5.1 数据架构纠错更正的功能性需求
  • 4.5.2 非功能性需求
  • 4.5.3 在线纠错更正的指导原则
  • 4.5.4 数据查询
  • 4.6 某金融行业数据架构优化
  • 4.7 某金融行业数据架构案例描述
  • 4.7.1 加载库
  • 4.7.2 基础数据
  • 4.7.3 主数据
  • 4.7.4 数据仓库
  • 4.7.5 数据交换平台
  • 4.7.6 产品加工流程
  • 4.7.7 数据架构实施规划
  • 4.7.8 系统切换规划案例
  • 小结
  • 第5章 大数据架构与实践
  • 5.1 大数据概述
  • 5.1.1 大数据的建设背景
  • 5.1.2 大数据面临的挑战和机遇
  • 5.1.3 大数据的定义和特点
  • 5.1.4 大数据下的数据架构
  • 5.1.5 大数据分析平台基础框架
  • 5.1.6 大数据技术如何落地
  • 5.2 大数据相关技术概述
  • 5.2.1 相关生产厂商大数据技术简介
  • 5.2.2 大数据与云计算
  • 5.2.3 大数据和传统商业智能分析
  • 5.3 大数据的应用情况
  • 5.3.1 大数据在金融行业的应用
  • 5.3.2 大数据在其他行业的应用
  • 小结
  • 第6章 数据治理体系
  • 6.1 数据治理体系概述
  • 6.1.1 当前企业和商业银行的总体现状和面临的问题
  • 6.1.2 关于相关问题的解决办法
  • 6.1.3 数据治理的概念
  • 6.1.4 数据治理体系框架
  • 6.1.5 数据治理建设的关键要素和成功手段
  • 6.1.6 数据治理建设的意义和必要性
  • 6.2 数据标准
  • 6.2.1 数据标准概况
  • 6.2.2 如何推进数据标准建设的实施
  • 6.2.3 数据标准项目总体规划和设计
  • 6.2.4 数据标准项目总结
  • 6.3 数据质量管理
  • 6.3.1 数据质量管理概况
  • 6.3.2 数据质量管理的设计方法和流程
  • 6.4 元数据管理
  • 6.4.1 元数据管理概况
  • 6.4.2 元数据管理的设计方法和流程
  • 6.5 数据生命周期管理
  • 6.5.1 数据生命周期管理概况
  • 6.5.2 数据生命周期管理的设计方法和流程
  • 小结
  • 第7章 商业智能架构理论
  • 7.1 商业智能概述
  • 7.1.1 商业智能的历史
  • 7.1.2 商业智能的定义
  • 7.1.3 商业智能的功能介绍
  • 7.1.4 商业智能的发展趋势
  • 7.1.5 商业智能的实施方法和步骤
  • 7.1.6 商业智能项目成功的关键
  • 7.1.7 关于商业智能的核心技术
  • 7.2 商业智能—数据仓库理论概述
  • 7.2.1 数据仓库的概念
  • 7.2.2 数据仓库的特点
  • 7.2.3 数据仓库和数据库之间的区别
  • 7.3 商业智能—数据集市理论概述
  • 7.3.1 数据集市简介
  • 7.3.2 数据集市和数据仓库的联系和区别
  • 7.3.3 数据集市的技术特性
  • 7.4 商业智能—ODS概述
  • 7.4.1 ODS简介
  • 7.4.2 ODS系统与数据库系统、数据仓库系统的区别
  • 7.4.3 基于ODS的即时OLAP应用
  • 7.4.4 ODS系统的功能
  • 7.4.5 ODS系统的架构
  • 7.5 商业智能—ETL概述
  • 7.5.1 ETL体系是商业智能核心的技术架构
  • 7.5.2 ETL的一般过程
  • 7.5.3 研究ETL的本质
  • 7.5.4 主流的ETL工具
  • 7.5.5 ETL的作用
  • 7.5.6 详解ETL过程
  • 7.5.7 ETL的日志
  • 7.5.8 ETL设计规范要点
  • 7.5.9 ETL的框架结构
  • 7.5.10 ETL数据加载
  • 7.6 商业智能—OLAP概述
  • 7.6.1 OLAP系统与OLTP系统的区别
  • 7.6.2 OLAP的实现方法
  • 7.6.3 OLAP的基本目标和特点
  • 7.6.4 建立OLAP的过程
  • 7.6.5 OLAP的实施过程
  • 7.6.6 OLAP模型的设计与实现
  • 7.7 传统商业智能和未来商业智能的关系
  • 小结
  • 第8章 商业智能架构实践
  • 8.1 商业智能架构概述
  • 8.1.1 商业智能架构原则和典型应用
  • 8.1.2 商业智能具有的功能
  • 8.1.3 商业智能未来的发展趋势和方向
  • 8.1.4 商业智能的传统数据架构
  • 8.2 未来商业智能的架构
  • 8.2.1 旅游行业分析型客户关系管理的商业智能体系
  • 8.2.2 电信行业实时商业智能架构体系
  • 小结
  • 第9章 商业智能—数据仓库架构和案例
  • 9.1 数据仓库概述
  • 9.1.1 数据仓库的定义
  • 9.1.2 数据仓库产生的背景和原因
  • 9.1.3 数据仓库的特征
  • 9.1.4 数据仓库和商业智能之间的关系
  • 9.1.5 数据仓库的优势及面临的挑战
  • 9.1.6 数据仓库的技术特性
  • 9.2 数据仓库设计
  • 9.2.1 数据仓库建设方法
  • 9.2.2 数据仓库设计原则
  • 9.2.3 数据仓库架构规划
  • 9.2.4 数据仓库数据模型
  • 9.2.5 数据仓库建设路线图
  • 9.2.6 关于数据仓库系统的灾难备份规划
  • 9.3 商业银行数据仓库的建设规划
  • 9.3.1 商业银行数据仓库建设概况和瓶颈
  • 9.3.2 商业银行数据仓库建设面临的问题和改进建议
  • 9.3.3 商业银行数据仓库建设思路及系统情况
  • 9.3.4 商业银行数据仓库建设启示
  • 9.4 电力行业数据仓库的建设规划
  • 9.4.1 电力行业数据仓库建设难点
  • 9.4.2 电力行业数据仓库体系架构
  • 9.4.3 电力行业数据仓库能力蓝图
  • 9.4.4 数据仓库对电力业务发展的促进作用
  • 9.4.5 数据仓库建设策略比较
  • 9.4.6 电力行业数据仓库的数据架构设计
  • 小结
  • 第10章 商业智能—ODS数据架构和案例
  • 10.1 ODS概述
  • 10.1.1 ODS的定义
  • 10.1.2 ODS的系统目标和业务目标
  • 10.2 关于ODS系统的数据架构
  • 10.2.1 某商业银行ODS系统的数据架构规划
  • 10.2.2 某商业银行ODS系统案例
  • 10.3 ODS模型设计
  • 10.3.1 ODS逻辑模型设计
  • 10.3.2 ODS物理模型设计
  • 小结
  • 第11章 商业智能—数据集市架构和案例
  • 11.1 数据集市概述
  • 11.1.1 数据集市概念
  • 11.1.2 关于数据集市的误区
  • 11.1.3 关于数据集市的主要应用
  • 11.2 数据集市模型设计
  • 11.3 数据集市的架构模式
  • 11.4 某商业银行的数据集市架构解决方案
  • 小结
  • 第12章 金融行业数据架构案例和商业智能
  • 12.1 金融行业背景
  • 12.2 金融行业的数据架构
  • 12.3 金融行业某系统的数据架构案例
  • 12.3.1 传统金融行业某系统的数据架构案例
  • 12.3.2 互联网金融行业的数据架构
  • 12.4 金融行业的商业智能
  • 12.4.1 金融行业商业智能的背景和作用
  • 12.4.2 金融行业如何实施商业智能
  • 12.4.3 金融行业的业务流程和运营模式优化
  • 小结
  • 第13章 电力行业数据架构和商业智能案例
  • 13.1 电力行业商业智能
  • 13.2 电力行业相关商业智能案例
  • 13.3 电力行业数据架构
  • 小结
  • 技术词汇
  • 参考文献
展开全部

评分及书评

3.0
3个评分
  • 用户头像
    给这本书评了
    3.0
    没有具体的技术方案

    讲得主要是抽象的方法论，没有具体的技术架构方案

      转发
      评论

    出版方

    机械工业出版社

    机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。