新書推薦：
《
组队：超级个体时代的协作方式
》
售價：HK$
77.3
《
第十三位陪审员
》
售價：HK$
53.8
《
微观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
155.7
《
Python贝叶斯深度学习
》
售價：HK$
89.4
《
启微·狂骉年代：西洋赛马在中国
》
售價：HK$
78.4
《
有趣的中国古建筑
》
售價：HK$
67.0
《
十一年夏至
》
售價：HK$
76.2
《
如何打造成功的商业赛事
》
售價：HK$
89.5
|
| 內容簡介： |
|
本书全面系统地讲解如何规划、设计、构建和管理数据仓库／商务智能解决方案。本书介绍在数据仓库开发项目中如何激励用户，在整个企业范围内更好地驱动决策制定，从专业的开发人员获取详细的指导和最佳实践经验。本书内容涉及如何选择恰当的组件、构建企业数据模型、配置数据集市和数据仓库、构建数据流并降低风险，还涉及项目开发中变更管理、数据监理和安全方面的问题。
|
| 關於作者： |
译者序
前言
作者简介
第一部分 准备
第1章 数据仓库和商务智能概述
1.1商务智能概述
1.1.1定义
1.1.2商务智能的价值
1.1.3剖析商务智能
1.1.4商务智能的成功要素
1.1.5商务智能的目标
1.1.6BI用户展现层
1.1.7BI工具和架构
1.1.8全球化带来的发展
1.2数据仓库概述
1.2.1定义
1.2.2数据仓库系统
1.2.3数据仓库架构
1.2.4数据流术语
1.2.5数据仓库目标
1.2.6数据结构化策略
1.2.7数据仓库业务
1.3常见问题
1.3.1当前系统是否足够好
1.3.2数据仓库的价值
1.3.3成本多高
1.3.4时间多长
1.3.5成功的因素
第2章 企业中的数据
2.1企业资产
2.1.1具有上下文的数据
2.1.2数据质量
2.1.3数据字典
2.1.4数据组件
2.2组织数据
2.2.1对数据结构化
2.2.2数据模型
2.2.3数据架构
2.3竞争优势
2.3.1构建还是购买数据模型
2.3.2指导业务
第3章 为什么创建数据仓库
3.1平台迁移
3.1.1业务连续性
3.1.2逆向工程
3.1.3数据质量
3.1.4并行环境
3.1.5附加值
3.2数据仓库集中化
3.2.1企业间并购
3.2.2企业内合并
3.2.3集中式设计和局部使用
3.3数据集市整合
3.4新方案
3.5新方案：动态报表
3.6“Just Build It”模式
3.7数据Floundation
3.8不构建数据仓库的原因
3.8.1数据质量差
3.8.2缺乏商业目标
3.8.3缺乏管理层支持
3.8.4目标不明确
3.8.5当前系统足够用
3.8.6缺乏人才资源
3.8.7环境不稳定
3.8.8成本太高
3.8.9管理不善
第4章 数据仓库和商务智能战略
4.1商务智能战略
4.1.1商业目标
4.1.2商业用途
4.1.3架构概览
4.2数据仓库战略
4.2.1用途
4.2.2数据仓库架构
4.3重点和成功
4.3.1整个企业还是业务线
4.3.2目标明确
4.3.3成功：衡量的标准是什么
4.4从何处着手
4.4.1关于商务智能
4.4.2关于数据仓库
4.5如何开始
4.5.1关于商务智能
4.5.2关于数据仓库
4.6项目阶段化
4.7需要多长时间（重新回顾）
4.8兴趣点
4.8.1常见的失败原因
4.8.2基本原则
第5章 项目资源：角色和洞察力
5.1关键点
5.1.1项目团队
5.1.2资深专业知识
5.1.3领导力
5.1.4项目发起人
5.1.5数据仓库管理层
5.2团队结构
5.2.1管理层发起人
5.2.2数据管家
5.2.3基本资源
5.3定期审查：进度审核
5.4能力中心
第6章 项目总结概论
6.1项目章 程
6.2项目范畴
6.3工作说明书
第二部分 组件
第7章 商务智能：数据集市及其使用方式
7.1为什么要对数据建模
7.1.1数据模型的类型
7.1.2数据设计
7.2事实表
7.2.1事实的类型
7.2.2事实表的类型
7.2.3衡量指标来源
7.2.4事实表关键字
7.2.5事实表粒度
7.2.6事实表密度
7.2.7无事实的事实表
7.3维度表
7.3.1维度还是指标
7.3.2历史表和日期表
7.3.3维度表关键字
7.3.4维度表的粒度
7.3.5维度属性的来源和价值
7.3.6维度类型
7.3.7级别和辅助表
7.3.8个人信息表
7.3.9维度数
7.4规模
第8章 企业数据模型
8.1数据模型概览
8.2构建企业数据模型的目标
8.3企业数据模型的好处
8.4数据模型：从何处开始
8.5完全自上而下的数据模型
8.5.1主题领域模型
8.5.2概念模型
8.5.3实体关系模型
8.6总线结构
8.7购买的数据模型
8.8模型分析
8.8.1数据组件
8.8.2范化数据模型
8.8.3超类和子类模型
8.8.4在范化的数据模型中收集历史信息
8.8.5代理键
8.8.6逻辑和物理数据模型
8.8.7是否具备参照完整性
8.9其他数据模型
8.9.1输入数据模型
8.9.2临时存储数据模型
8.10最后的思考
第9章 数据仓库架构：组件
9.1架构概述
9.2架构师角色
9.2.1解决方案架构师
9.2.2数据仓库架构师
9.2.3技术架构师
9.2.4数据架构师
9.2.5ETL架构师
9.2.6BI架构师
9.2.7综合
9.3体系结构分层
9.3.1单层体系结构
9.3.2经典的两层体系结构
9.3.3高级的三层体系结构
9.4数据仓库架构
9.4.1单独的数据集市架构
9.4.2总线结构
9.4.3中央存储库架构
9.4.4联合架构
9.5组件（分层）
9.5.1数据源
9.5.2数据生成
9.5.3数据组织
9.5.4数据分发
9.5.5信息输出
9.6实现方式
9.6.1数据设计和数据流
9.6.2逻辑和物理模型
9.6.3自上而下的方式
9.6.4自下而上的方式
9.6.5混合模式
9.7捷径
9.7.1数据采集层
9.7.2中央数据层
9.7.3数据分发层
9.7.4表现层
9.7.5用户展现层
9.7.6方法论
9.7.7现成的解决方案
第10章 ETL和数据质量
10.1架构
10.1.1数据获取
10.1.2数据分发
10.1.3ETL映射
10.1.4初始加载和增量加载
10.1.5ETL、ELT和ETTL
10.1.6并行操作
10.1.7ETL功能角色
10.1.8数据流图
10.1.9业务数据存储系统
10.2数据源系统
10.2.1没有数据源
10.2.2多个数据源
10.2.3其他来源（结构化输入文件）
10.2.4非结构化数据
10.3数据剖析
10.4数据获取
10.4.1多个大文件
10.4.2伪文件
10.4.3故障预防策略
10.5转换和临时数据存储
10.5.1准备工作
10.5.2代理键
10.5.3参照完整性
10.5.4聚合、分析和汇总
10.5.5编码表
10.6加载
10.6.1是否加载历史数据
10.6.2插入、更新、插入或更新、删除
10.6.3数据获取信息
10.6.4加载调度
10.7企业数据仓库的临时数据存储和总线架构的临时数据存储
10.8数据分发
10.9数据质量
10.10ETL工具
第11章 项目规划和方法论
11.1基础
11.1.1风险：逐步发展
11.1.2风险：数据质量
11.1.3风险：资源
11.1.4风险：成本
11.1.5变更管理
11.1.6最佳实践
11.2错误
11.3项目规划方法论
11.3.1业务需求分析
11.3.2战略和规划
11.3.3解决方案纲要
11.3.4设计
11.3.5构建
11.3.6部署
11.3.7使用
第三部分 构建
第12章 工作场景
12.1让我们开始“烹饪”吧
12.2自上而下
12.2.1字典
12.2.2集中式数据模型
12.2.3数据架构
12.2.4数据源
12.2.5数据模型
12.2.6数据库
12.2.7数据获取
12.2.8解决方案概述
12.3自下而上
12.3.1最终结果
12.3.2字典
12.3.3数据架构
12.3.4一致性维度的管理
12.3.5数据源
12.3.6解决方案概述
12.4混合式
12.4.1起步工作
12.4.2数据模型
12.4.3数据架构
12.4.4解决方案概述
12.5归并
12.6没有输入：结构化的输入文件
12.7集成的第二阶段
12.8更大的框架：企业信息架构
第13章 数据监理
13.1什么是数据监理
13.2数据监理的原因
13.3企业结构
13.4驱动和启动
13.5数据监理的主要方面
13.5.1安全性和敏感性
13.5.2数据质量
13.5.3所有权
13.5.4变更控制
13.6数据监理的准备工作
第14章 项目后评审
14.1概述
14.2项目评审
14.3后续工作
|
| 目錄：
|
译者序
前言
作者简介
第一部分 准备
第1章 数据仓库和商务智能概述
1.1商务智能概述
1.1.1定义
1.1.2商务智能的价值
1.1.3剖析商务智能
1.1.4商务智能的成功要素
1.1.5商务智能的目标
1.1.6BI用户展现层
1.1.7BI工具和架构
1.1.8全球化带来的发展
1.2数据仓库概述
1.2.1定义
1.2.2数据仓库系统
1.2.3数据仓库架构
1.2.4数据流术语
1.2.5数据仓库目标
1.2.6数据结构化策略
1.2.7数据仓库业务
1.3常见问题
1.3.1当前系统是否足够好
1.3.2数据仓库的价值
1.3.3成本多高
1.3.4时间多长
1.3.5成功的因素
第2章 企业中的数据
2.1企业资产
2.1.1具有上下文的数据
2.1.2数据质量
2.1.3数据字典
2.1.4数据组件
2.2组织数据
2.2.1对数据结构化
2.2.2数据模型
2.2.3数据架构
2.3竞争优势
2.3.1构建还是购买数据模型
2.3.2指导业务
第3章 为什么创建数据仓库
3.1平台迁移
3.1.1业务连续性
3.1.2逆向工程
3.1.3数据质量
3.1.4并行环境
3.1.5附加值
3.2数据仓库集中化
3.2.1企业间并购
3.2.2企业内合并
3.2.3集中式设计和局部使用
3.3数据集市整合
3.4新方案
3.5新方案：动态报表
3.6“Just Build It”模式
3.7数据Floundation
3.8不构建数据仓库的原因
3.8.1数据质量差
3.8.2缺乏商业目标
3.8.3缺乏管理层支持
3.8.4目标不明确
3.8.5当前系统足够用
3.8.6缺乏人才资源
3.8.7环境不稳定
3.8.8成本太高
3.8.9管理不善
第4章 数据仓库和商务智能战略
4.1商务智能战略
4.1.1商业目标
4.1.2商业用途
4.1.3架构概览
4.2数据仓库战略
4.2.1用途
4.2.2数据仓库架构
4.3重点和成功
4.3.1整个企业还是业务线
4.3.2目标明确
4.3.3成功：衡量的标准是什么
4.4从何处着手
4.4.1关于商务智能
4.4.2关于数据仓库
4.5如何开始
4.5.1关于商务智能
4.5.2关于数据仓库
4.6项目阶段化
4.7需要多长时间（重新回顾）
4.8兴趣点
4.8.1常见的失败原因
4.8.2基本原则
第5章 项目资源：角色和洞察力
5.1关键点
5.1.1项目团队
5.1.2资深专业知识
5.1.3领导力
5.1.4项目发起人
5.1.5数据仓库管理层
5.2团队结构
5.2.1管理层发起人
5.2.2数据管家
5.2.3基本资源
5.3定期审查：进度审核
5.4能力中心
第6章 项目总结概论
6.1项目章 程
6.2项目范畴
6.3工作说明书
第二部分 组件
第7章 商务智能：数据集市及其使用方式
7.1为什么要对数据建模
7.1.1数据模型的类型
7.1.2数据设计
7.2事实表
7.2.1事实的类型
7.2.2事实表的类型
7.2.3衡量指标来源
7.2.4事实表关键字
7.2.5事实表粒度
7.2.6事实表密度
7.2.7无事实的事实表
7.3维度表
7.3.1维度还是指标
7.3.2历史表和日期表
7.3.3维度表关键字
7.3.4维度表的粒度
7.3.5维度属性的来源和价值
7.3.6维度类型
7.3.7级别和辅助表
7.3.8个人信息表
7.3.9维度数
7.4规模
第8章 企业数据模型
8.1数据模型概览
8.2构建企业数据模型的目标
8.3企业数据模型的好处
8.4数据模型：从何处开始
8.5完全自上而下的数据模型
8.5.1主题领域模型
8.5.2概念模型
8.5.3实体关系模型
8.6总线结构
8.7购买的数据模型
8.8模型分析
8.8.1数据组件
8.8.2范化数据模型
8.8.3超类和子类模型
8.8.4在范化的数据模型中收集历史信息
8.8.5代理键
8.8.6逻辑和物理数据模型
8.8.7是否具备参照完整性
8.9其他数据模型
8.9.1输入数据模型
8.9.2临时存储数据模型
8.10最后的思考
第9章 数据仓库架构：组件
9.1架构概述
9.2架构师角色
9.2.1解决方案架构师
9.2.2数据仓库架构师
9.2.3技术架构师
9.2.4数据架构师
9.2.5ETL架构师
9.2.6BI架构师
9.2.7综合
9.3体系结构分层
9.3.1单层体系结构
9.3.2经典的两层体系结构
9.3.3高级的三层体系结构
9.4数据仓库架构
9.4.1单独的数据集市架构
9.4.2总线结构
9.4.3中央存储库架构
9.4.4联合架构
9.5组件（分层）
9.5.1数据源
9.5.2数据生成
9.5.3数据组织
9.5.4数据分发
9.5.5信息输出
9.6实现方式
9.6.1数据设计和数据流
9.6.2逻辑和物理模型
9.6.3自上而下的方式
9.6.4自下而上的方式
9.6.5混合模式
9.7捷径
9.7.1数据采集层
9.7.2中央数据层
9.7.3数据分发层
9.7.4表现层
9.7.5用户展现层
9.7.6方法论
9.7.7现成的解决方案
第10章 ETL和数据质量
10.1架构
10.1.1数据获取
10.1.2数据分发
10.1.3ETL映射
10.1.4初始加载和增量加载
10.1.5ETL、ELT和ETTL
10.1.6并行操作
10.1.7ETL功能角色
10.1.8数据流图
10.1.9业务数据存储系统
10.2数据源系统
10.2.1没有数据源
10.2.2多个数据源
10.2.3其他来源（结构化输入文件）
10.2.4非结构化数据
10.3数据剖析
10.4数据获取
10.4.1多个大文件
10.4.2伪文件
10.4.3故障预防策略
10.5转换和临时数据存储
10.5.1准备工作
10.5.2代理键
10.5.3参照完整性
10.5.4聚合、分析和汇总
10.5.5编码表
10.6加载
10.6.1是否加载历史数据
10.6.2插入、更新、插入或更新、删除
10.6.3数据获取信息
10.6.4加载调度
10.7企业数据仓库的临时数据存储和总线架构的临时数据存储
10.8数据分发
10.9数据质量
10.10ETL工具
第11章 项目规划和方法论
11.1基础
11.1.1风险：逐步发展
11.1.2风险：数据质量
11.1.3风险：资源
11.1.4风险：成本
11.1.5变更管理
11.1.6最佳实践
11.2错误
11.3项目规划方法论
11.3.1业务需求分析
11.3.2战略和规划
11.3.3解决方案纲要
11.3.4设计
11.3.5构建
11.3.6部署
11.3.7使用
第三部分 构建
第12章 工作场景
12.1让我们开始“烹饪”吧
12.2自上而下
12.2.1字典
12.2.2集中式数据模型
12.2.3数据架构
12.2.4数据源
12.2.5数据模型
12.2.6数据库
12.2.7数据获取
12.2.8解决方案概述
12.3自下而上
12.3.1最终结果
12.3.2字典
12.3.3数据架构
12.3.4一致性维度的管理
12.3.5数据源
12.3.6解决方案概述
12.4混合式
12.4.1起步工作
12.4.2数据模型
12.4.3数据架构
12.4.4解决方案概述
12.5归并
12.6没有输入：结构化的输入文件
12.7集成的第二阶段
12.8更大的框架：企业信息架构
第13章 数据监理
13.1什么是数据监理
13.2数据监理的原因
13.3企业结构
13.4驱动和启动
13.5数据监理的主要方面
13.5.1安全性和敏感性
13.5.2数据质量
13.5.3所有权
13.5.4变更控制
13.6数据监理的准备工作
第14章 项目后评审
14.1概述
14.2项目评审
14.3后续工作
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
