描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787302475798
内容简介
作为数据仓库和商业智能（DW/BI）行业中有影响力的领军人物，RalphKimball、MargyRoss得到了世界范围内的认可和尊重，他们在《数据仓库与商业智能宝典（第1版）》中确立了行业标准。现在，在《数据仓库与商业智能宝典（第2版）成功设计、部署和维护DW/BI系统》中已经更新了65篇DesignTip和白皮书，从而汇集了DW/BI技术创新前沿的著作。
从项目规划和需求收集，到维度建模、ETL和BI应用，《数据仓库与商业智能宝典（第2版）：成功设计、部署和维护DW/BI系统》涵盖了你在数据仓库和商业智能中将会遇到的所有内容。这些无与伦比的文章提供了成功地设计、部署和维护DW/BI系统的重要建议。
启动DW/BI项目和收集需求的注意事项
集成式企业数据仓库的必备要素，其中包括总线架构和矩阵
事实表的粒度性和三种基本类型
渐变维度技术
星型模式、外支架和桥接表
维度建模高级模式
提取、转换和加载（ETL）子系统与数据质量
BI应用实践
大数据注意事项
无论你正以何种身份参与数据仓库或商业智能项目，这本可轻易参考和*近更新的宝典可谓无价之宝。
从项目规划和需求收集，到维度建模、ETL和BI应用，《数据仓库与商业智能宝典（第2版）：成功设计、部署和维护DW/BI系统》涵盖了你在数据仓库和商业智能中将会遇到的所有内容。这些无与伦比的文章提供了成功地设计、部署和维护DW/BI系统的重要建议。
启动DW/BI项目和收集需求的注意事项
集成式企业数据仓库的必备要素，其中包括总线架构和矩阵
事实表的粒度性和三种基本类型
渐变维度技术
星型模式、外支架和桥接表
维度建模高级模式
提取、转换和加载（ETL）子系统与数据质量
BI应用实践
大数据注意事项
无论你正以何种身份参与数据仓库或商业智能项目，这本可轻易参考和*近更新的宝典可谓无价之宝。
目 录
第1章 读本概览
1．1 抑制住立即开始编码的冲动
1．2 设置边界
1．3 数据争夺
1．4 流言终结者
1．5 划分数据世界
1．6 集成式企业数据仓库的必要步骤
1．6．1 集成式EDW会交付什么
1．6．2 集成的终极试金石
1．6．3 组织挑战
1．6．4 -致化维度和事实
1．6．5 使用总线矩阵与管理层交流
1．6．6 管理集成式EDW的主干
1．6．7 维度管理器
1．6．8 事实提供者
1．6．9 配置商业智能（BI）工具
1．6．10 连带责任
1．7 钻取以寻求原因
1．8 渐变维度
1．8．1 渐变维度的三种原生类型
1．8．2 高级渐变维度
1．9 通过维度评价BI工具
1．10 事实表
1．10．1 忠实于粒度
1．10．2 从最低的可能粒度进行构建
1．10．3 三类事实表
1．11 开发利用事实表
1．11．1 前端：聚合导航
1．11．2 前端：钻取不同的粒度
1．11．3 前端：将约束暴露给不同的业务过程
1．11．4 后端：事实表代理键
第2章 深入研究之前
2．1 RalphKimball和施乐帕克研究中心（XeroxPARC）
2．2 数据库市场分化
2．3 提出超市概念（Kimball经典）
2．3．1 危机规划
2．3．2 具有架构的数据集市
2，3．3 -致化维度的重要性
2．3．4 设计一致化维度
2．3．5 做出承诺
2．3．6 允许的一致化维度变体
2．3．7 建立标准事实定义
2．3．8 粒度的重要性
2．3．9 更高级别的数据集市
2．3．10 解决烟囱问题
2．3．11 不需要一致化维度的情形
2，3．12 清晰视角
2．4 数据仓库的全新需求
2．5 应对全新需求
2．5．1 数据集市和维度建模
2．5．2 将数据集市插入数据仓库总线架构中
2．6 挑起事端
2．7 设计约束和不可避免的现实
2．7．1 设计约束
2，7．2 不可避免的现实
2．7．3 摆脱困境
2．8 两个强有力的观点
2．8．1 分离系统
2．8．2 对称的星型结构和多维数据集
2．8．3 巨大的回报
2．8．4 我们已经取得了什么成果
2．9 数据仓库就餐体验（Kimball经典）
2．9．1 厨房
2．9．2 就餐区
2．10 用于更艰难问题的更简单方法
2．10．1 增量集成
2．10．2 递增的数据质量
2．11 扩展数据仓库的边界
……
1．1 抑制住立即开始编码的冲动
1．2 设置边界
1．3 数据争夺
1．4 流言终结者
1．5 划分数据世界
1．6 集成式企业数据仓库的必要步骤
1．6．1 集成式EDW会交付什么
1．6．2 集成的终极试金石
1．6．3 组织挑战
1．6．4 -致化维度和事实
1．6．5 使用总线矩阵与管理层交流
1．6．6 管理集成式EDW的主干
1．6．7 维度管理器
1．6．8 事实提供者
1．6．9 配置商业智能（BI）工具
1．6．10 连带责任
1．7 钻取以寻求原因
1．8 渐变维度
1．8．1 渐变维度的三种原生类型
1．8．2 高级渐变维度
1．9 通过维度评价BI工具
1．10 事实表
1．10．1 忠实于粒度
1．10．2 从最低的可能粒度进行构建
1．10．3 三类事实表
1．11 开发利用事实表
1．11．1 前端：聚合导航
1．11．2 前端：钻取不同的粒度
1．11．3 前端：将约束暴露给不同的业务过程
1．11．4 后端：事实表代理键
第2章 深入研究之前
2．1 RalphKimball和施乐帕克研究中心（XeroxPARC）
2．2 数据库市场分化
2．3 提出超市概念（Kimball经典）
2．3．1 危机规划
2．3．2 具有架构的数据集市
2，3．3 -致化维度的重要性
2．3．4 设计一致化维度
2．3．5 做出承诺
2．3．6 允许的一致化维度变体
2．3．7 建立标准事实定义
2．3．8 粒度的重要性
2．3．9 更高级别的数据集市
2．3．10 解决烟囱问题
2．3．11 不需要一致化维度的情形
2，3．12 清晰视角
2．4 数据仓库的全新需求
2．5 应对全新需求
2．5．1 数据集市和维度建模
2．5．2 将数据集市插入数据仓库总线架构中
2．6 挑起事端
2．7 设计约束和不可避免的现实
2．7．1 设计约束
2，7．2 不可避免的现实
2．7．3 摆脱困境
2．8 两个强有力的观点
2．8．1 分离系统
2．8．2 对称的星型结构和多维数据集
2．8．3 巨大的回报
2．8．4 我们已经取得了什么成果
2．9 数据仓库就餐体验（Kimball经典）
2．9．1 厨房
2．9．2 就餐区
2．10 用于更艰难问题的更简单方法
2．10．1 增量集成
2．10．2 递增的数据质量
2．11 扩展数据仓库的边界
……
第3章 项目／程序规划
第4章 需求定义
第5章 数据架构
第6章 维度建模基础
第7章 维度建模任务和职责
第8章 事实表核心概念
第9章 维度表核心概念
第10章 更多的维度模式和注意事项
第11章 后台ETL和数据质量
第12章 技术架构注意事项
第13章 前台商业智能应用程序
第14章 维护和发展的注意事项
第15章 最后的思考
评论
还没有评论。