数据仓库应用指南 数据仓库与商务智能最佳实践PDF|Epub|txt|kindle电子书版本网盘下载

数据仓库应用指南 数据仓库与商务智能最佳实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 准备2

第1章 数据仓库和商务智能概述2

1.1 商务智能概述2

1.1.1 定义3

1.1.2 商务智能的价值4

1.1.3 剖析商务智能5

1.1.4 商务智能的成功要素6

1.1.5 商务智能的目标7

1.1.6 BI用户展现层9

1.1.7 BI工具和架构12

1.1.8 全球化带来的发展14

1.2 数据仓库概述14

1.2.1 定义14

1.2.2 数据仓库系统15

1.2.3 数据仓库架构16

1.2.4 数据流术语18

1.2.5 数据仓库目标20

1.2.6 数据结构化策略22

1.2.7 数据仓库业务23

1.3 常见问题24

1.3.1 当前系统是否足够好24

1.3.2 数据仓库的价值25

1.3.3 成本多高26

1.3.4 时间多长27

1.3.5 成功的因素29

第2章 企业中的数据33

2.1 企业资产33

2.1.1 具有上下文的数据33

2.1.2 数据质量35

2.1.3 数据字典37

2.1.4 数据组件38

2.2 组织数据42

2.2.1 对数据结构化43

2.2.2 数据模型44

2.2.3 数据架构48

2.3 竞争优势52

2.3.1 构建还是购买数据模型53

2.3.2 指导业务56

第3章 为什么创建数据仓库58

3.1 平台迁移59

3.1.1 业务连续性60

3.1.2 逆向工程60

3.1.3 数据质量61

3.1.4 并行环境62

3.1.5 附加值63

3.2 数据仓库集中化63

3.2.1 企业间并购63

3.2.2 企业内合并64

3.2.3 集中式设计和局部使用64

3.3 数据集市整合64

3.4 新方案66

3.5 新方案：动态报表68

3.6 “Just Build It”模式69

3.7 数据Floundation71

3.8 不构建数据仓库的原因72

3.8.1 数据质量差72

3.8.2 缺乏商业目标73

3.8.3 缺乏管理层支持73

3.8.4 目标不明确73

3.8.5 当前系统足够用73

3.8.6 缺乏人才资源74

3.8.7 环境不稳定74

3.8.8 成本太高74

3.8.9 管理不善74

第4章 数据仓库和商务智能战略75

4.1 商务智能战略75

4.1.1 商业目标75

4.1.2 商业用途76

4.1.3 架构概览77

4.2 数据仓库战略79

4.2.1 用途79

4.2.2 数据仓库架构80

4.3 重点和成功83

4.3.1 整个企业还是业务线83

4.3.2 目标明确84

4.3.3 成功：衡量的标准是什么84

4.4 从何处着手85

4.4.1 关于商务智能86

4.4.2 关于数据仓库87

4.5 如何开始87

4.5.1 关于商务智能87

4.5.2 关于数据仓库90

4.6 项目阶段化92

4.7 需要多长时间（重新回顾）93

4.8 兴趣点95

4.8.1 常见的失败原因95

4.8.2 基本原则99

第5章 项目资源：角色和洞察力101

5.1 关键点101

5.1.1 项目团队102

5.1.2 资深专业知识102

5.1.3 领导力103

5.1.4 项目发起人105

5.1.5 数据仓库管理层105

5.2 团队结构106

5.2.1 管理层发起人107

5.2.2 数据管家108

5.2.3 基本资源108

5.3 定期审查：进度审核112

5.4 能力中心112

第6章 项目总结概论114

6.1 项目章程114

6.2 项目范畴116

6.3 工作说明书117

第二部分 组件120

第7章 商务智能：数据集市及其使用方式120

7.1 为什么要对数据建模121

7.1.1 数据模型的类型122

7.1.2 数据设计125

7.2 事实表132

7.2.1 事实的类型133

7.2.2 事实表的类型135

7.2.3 衡量指标来源137

7.2.4 事实表关键字137

7.2.5 事实表粒度138

7.2.6 事实表密度138

7.2.7 无事实的事实表138

7.3 维度表139

7.3.1 维度还是指标140

7.3.2 历史表和日期表141

7.3.3 维度表关键字143

7.3.4 维度表的粒度145

7.3.5 维度属性的来源和价值146

7.3.6 维度类型148

7.3.7 级别和辅助表156

7.3.8 个人信息表158

7.3.9 维度数160

7.4 规模160

第8章 企业数据模型162

8.1 数据模型概览162

8.2 构建企业数据模型的目标166

8.3 企业数据模型的好处166

8.4 数据模型：从何处开始167

8.5 完全自上而下的数据模型167

8.5.1 主题领域模型168

8.5.2 概念模型171

8.5.3 实体关系模型171

8.6 总线结构172

8.7 购买的数据模型174

8.8 模型分析176

8.8.1 数据组件176

8.8.2 范化数据模型178

8.8.3 超类和子类模型182

8.8.4 在范化的数据模型中收集历史信息185

8.8.5 代理键189

8.8.6 逻辑和物理数据模型190

8.8.7 是否具备参照完整性191

8.9 其他数据模型192

8.9.1 输入数据模型192

8.9.2 临时存储数据模型192

8.10 最后的思考193

第9章 数据仓库架构：组件194

9.1 架构概述194

9.2 架构师角色195

9.2.1 解决方案架构师195

9.2.2 数据仓库架构师195

9.2.3 技术架构师196

9.2.4 数据架构师196

9.2.5 ETL架构师196

9.2.6 BI架构师196

9.2.7 综合197

9.3 体系结构分层198

9.3.1 单层体系结构198

9.3.2 经典的两层体系结构199

9.3.3 高级的三层体系结构200

9.4 数据仓库架构201

9.4.1 单独的数据集市架构201

9.4.2 总线结构202

9.4.3 中央存储库架构202

9.4.4 联合架构203

9.5 组件（分层）204

9.5.1 数据源204

9.5.2 数据生成205

9.5.3 数据组织205

9.5.4 数据分发205

9.5.5 信息输出205

9.6 实现方式206

9.6.1 数据设计和数据流207

9.6.2 逻辑和物理模型207

9.6.3 自上而下的方式209

9.6.4 自下而上的方式211

9.6.5 混合模式212

9.7 捷径213

9.7.1 数据采集层214

9.7.2 中央数据层214

9.7.3 数据分发层215

9.7.4 表现层215

9.7.5 用户展现层215

9.7.6 方法论216

9.7.7 现成的解决方案216

第10章 ETL和数据质量217

10.1 架构218

10.1.1 数据获取219

10.1.2 数据分发220

10.1.3 ETL映射221

10.1.4 初始加载和增量加载223

10.1.5 ETL、ELT和ETTL224

10.1.6 并行操作225

10.1.7 ETL功能角色226

10.1.8 数据流图227

10.1.9 业务数据存储系统228

10.2 数据源系统229

10.2.1 没有数据源229

10.2.2 多个数据源229

10.2.3 其他来源（结构化输入文件）230

10.2.4 非结构化数据230

10.3 数据剖析232

10.4 数据获取232

10.4.1 多个大文件233

10.4.2 伪文件233

10.4.3 故障预防策略234

10.5 转换和临时数据存储234

10.5.1 准备工作235

10.5.2 代理键237

10.5.3 参照完整性239

10.5.4 聚合、分析和汇总240

10.5.5 编码表240

10.6 加载240

10.6.1 是否加载历史数据241

10.6.2 插入、更新、插入或更新、删除241

10.6.3 数据获取信息242

10.6.4 加载调度242

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242

10.8 数据分发244

10.9 数据质量246

10.10 ETL工具247

第11章 项目规划和方法论248

11.1 基础250

11.1.1 风险：逐步发展251

11.1.2 风险：数据质量251

11.1.3 风险：资源252

11.1.4 风险：成本253

11.1.5 变更管理253

11.1.6 最佳实践254

11.2 错误254

11.3 项目规划方法论255

11.3.1 业务需求分析256

11.3.2 战略和规划257

11.3.3 解决方案纲要259

11.3.4 设计260

11.3.5 构建260

11.3.6 部署261

11.3.7 使用261

第三部分 构建264

第1 2章 工作场景264

12.1 让我们开始“烹饪”吧266

12.2 自上而下269

12.2.1 字典270

12.2.2 集中式数据模型271

12.2.3 数据架构272

12.2.4 数据源274

12.2.5 数据模型275

12.2.6 数据库275

12.2.7 数据获取276

12.2.8 解决方案概述276

12.3 自下而上278

12.3.1 最终结果279

12.3.2 字典284

12.3.3 数据架构284

12.3.4 一致性维度的管理284

12.3.5 数据源286

12.3.6 解决方案概述286

12.4 混合式287

12.4.1 起步工作289

12.4.2 数据模型290

12.4.3 数据架构291

12.4.4 解决方案概述293

12.5 归并293

12.6 没有输入：结构化的输入文件296

12.7 集成的第二阶段297

12.8 更大的框架：企业信息架构299

第13章 数据监理300

13.1 什么是数据监理300

13.2 数据监理的原因301

13.3 企业结构302

13.4 驱动和启动303

13.5 数据监理的主要方面305

13.5.1 安全性和敏感性305

13.5.2 数据质量306

13.5.3 所有权307

13.5.4 变更控制307

13.6 数据监理的准备工作308

第14章 项目后评审310

14.1 概述310

14.2 项目评审311

14.3 后续工作316