数据架构与商业智能电子书

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