欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 大数据时代的数据仓库理论与实践(普通高等教育大数据管理与应用专业系列教材)
      • 作者:编者:霍灵瑜//袁瑞萍//陈亚红|责编:王玉鑫
      • 出版社:机械工业
      • ISBN:9787111789659
      • 出版日期:2025/09/01
      • 页数:134
    • 售价:15.6
  • 内容大纲

        随着计算机技术的发展,数据处理和分析技术也在不断进步。随着社会变化的速度加快,对数据的实时性和即时性要求也在提高。本书围绕数据仓库的建设和应用展开,内容涵盖了数据仓库的基本概念、操作数据层、数据集市、指标设计及展现、设计数据仓库、数据仓库与大数据技术、数据仓库与数据中台、数据治理等。本书适用于大数据专业的相关读者,无论是对于刚刚接触数据仓库的初学者,还是对于已经在数据仓库领域有一定经验的专业人士,本书都将提供有价值的参考和指导,帮助读者更好地理解和应用数据仓库技术,从而为企业的发展和决策提供更加可靠的支持。
  • 作者介绍

  • 目录

    前言
    第1章  数据仓库的基本概念
      学习目标
      1.1  数据相关概念
        1.1.1  数据与信息
        1.1.2  数据的结构化与非结构化
        1.1.3  文本数据
        1.1.4  日志数据
        1.1.5  大数据
        1.1.6  小数据
        1.1.7  活数据
      1.2  决策支持系统的演化
        1.2.1  决策支持系统的基本内容
        1.2.2  数据仓库环境
      1.3  数据仓库的体系结构简介
      1.4  小结
    第2章  操作数据层
      学习目标
      2.1  ODS
        2.1.1  ODS的定义及分类
        2.1.2  ODS数据的基本特征
        2.1.3  ODS与数据仓库
        2.1.4  ODS设计
      2.2  ODS与Web集成
        2.2.1  Web数据
        2.2.2  粒度管理器
        2.2.3  基于ODS的Web集成
        2.2.4  ODS与Web日志数据集成
      2.3  实时数据仓库
      2.4  小结
    第3章  数据集市
      学习目标
      3.1  数据集市概述
        3.1.1  数据集市的分类
        3.1.2  数据结构
        3.1.3  数据集市与数据仓库的联系与区别
      3.2  维度建模
        3.2.1  事实表与维表
        3.2.2  规划和设计标准
        3.2.3  关系模型和多维模型
        3.2.4  维表
        3.2.5  事实表
        3.2.6  维度建模设计过程
        3.2.7  维度建模的原则与常见疏忽
      3.3  小结
    第4章  指标设计及展现
      学习目标
      4.1  指标体系的概念及分类
      4.2  搭建指标体系的方法
      4.3  指标体系元数据管理

      4.4  最终用户的需求
      4.5  商业智能
      4.6  探索性数据仓库
      4.7  可视化技术
      4.8  小结
    第5章  设计数据仓库
      学习目标
      5.1  数据仓库的主题
        5.1.1  主题
        5.1.2  主题的使用
        5.1.3  主题域
        5.1.4  确定主题的内容
      5.2  操作型数据的设计
      5.3  数据仓库的粒度与分区设计
        5.3.1  粒度的设计
        5.3.2  分区的设计
      5.4  数据仓库的数据模型设计
      5.5  数据仓库层的设计
      5.6  数据管理技术
      5.7  小结
    第6章  数据仓库与大数据技术
      学习目标
      6.1  数据仓库的体系结构
        6.1.1  传统数据仓库
        6.1.2  分布式数据仓库
      6.2  流式计算
        6.2.1  流式计算与批量计算
        6.2.2  流式计算框架与平台
        6.2.3  流式计算主要应用场景
        6.2.4  流式计算的价值
      6.3  Hadoop
      6.4  NoSQL技术
        6.4.1  CAP理论
        6.4.2  BASE原则
        6.4.3  常见的NoSQL数据库
      6.5  小结
    第7章  数据仓库与数据中台
      学习目标
      7.1  数据中台的基本概念
        7.1.1  数据中台的特征
        7.1.2  数据中台与数据仓库
      7.2  数据中台建设及架构
        7.2.1  持续让数据用起来的价值框架
        7.2.2  数据中台建设方法论
        7.2.3  数据中台架构
        7.2.4  数据中台的价值
      7.3  微服务架构
      7.4  小结
    第8章  数据治理
      学习目标

      8.1  数据治理的背景
      8.2  数据治理的概念与目标
      8.3  数据治理的框架
        8.3.1  DGI数据治理框架
        8.3.2  DAMA数据管理框架
      8.4  数据治理的标准
        8.4.1  国际标准
        8.4.2  国内标准
      8.5  数据治理的工具
      8.6  数据治理的未来展望
      8.7  小结
    参考文献