具体描述
本书是数据仓库之父Inmon的新作，探讨数据的架构和如何在现有系统中最有效地利用数据。本书的主题涵盖企业数据、大数据、数据仓库、Data Vault、业务系统和架构。主要内容包括：在分析和大数据之间建立关联，如何利用现有信息系统，如何导出重复型数据和非重复型数据，大数据以及使用大数据的商业价值，等等。
本书的读者对象包括数据工程技术人员、管理人员以及从事数据分析和研究的科研人员。
作者简介
W.H. Inmon
数据仓库之父，最早的数据仓库概念提出者，在数据库技术管理与数据库设计方面拥有30多年的经验。2007年，Inmon被ComputerWorld杂志评为计算机行业史上最具影响力的十大名人之一。
Daniel Linstedt
世界知名数据仓库专家、商业智能分析家，Empowered Holdings公司创始人兼主席，有20余年的IT行业打拼经验。Linstedt还是下一代数据仓库模型Data Vault的发明者。
目录信息
1.1 企业数据 1
1.1.1 企业的全体数据 1
1.1.2 非结构化数据的划分 2
1.1.3 业务相关性 3
1.1.4 大数据 3
1.1.5 分界线 4
1.1.6 大陆分水岭 5
1.1.7 企业数据全貌 6
1.2 数据基础设施 6
1.2.1 重复型数据的两种类型 7
1.2.2 重复型结构化数据 7
1.2.3 重复型大数据 8
1.2.4 两种基础设施 9
1.2.5 优化了什么 10
1.2.6 对比两种基础设施 11
1.3 分界线 12
1.3.1 企业数据分类 12
1.3.2 分界线 12
1.3.3 重复型非结构化数据 13
1.3.4 非重复型非结构化数据 15
1.3.5 不同的领域 17
1.4 企业数据统计图 17
1.5 企业数据分析 22
1.6 数据的生命周期——随时间推移理解数据 27
1.7 数据简史 31
1.7.1 纸带和穿孔卡片 31
1.7.2 磁带 32
1.7.3 磁盘存储器 32
1.7.4 数据库管理系统 32
1.7.5 耦合处理器 33
1.7.6 在线事务处理 33
1.7.7 数据仓库 34
1.7.8 并行数据管理 34
1.7.9 Data Vault 35
1.7.10 大数据 35
1.7.11 分界线 35
第2章 大数据 37
2.1 大数据简史 37
2.1.1 打个比方——占领制高点 37
2.1.2 占领制高点 38
2.1.3 IBM360带来的标准化 38
2.1.4 在线事务处理 39
2.1.5 Teradata的出现和大规模并行处理 39
2.1.6 随后到来的Hadoop和大数据 39
2.1.7 IBM和Hadoop 39
2.1.8 控制制高点 40
2.2 大数据是什么 40
2.2.1 另一种定义 40
2.2.2 大数据量 40
2.2.3 廉价存储器 41
2.2.4 罗马人口统计方法 41
2.2.5 非结构化数据 42
2.2.6 大数据中的数据 42
2.2.7 重复型数据中的语境 43
2.2.8 非重复型数据 44
2.2.9 非重复型数据中的语境 44
2.3 并行处理 45
2.4 非结构化数据 50
2.4.1 随处可见的文本信息 50
2.4.2 基于结构化数据的决策 51
2.4.3 业务价值定位 51
2.4.4 重复型和非重复型的非结构化信息 52
2.4.5 易于分析 53
2.4.6 语境化 54
2.4.7 一些语境化方法 55
2.4.8 MapReduce 56
2.4.9 手工分析 56
2.5 重复型非结构化数据的语境化 57
2.5.1 解析重复型非结构化数据 57
2.5.2 重组输出数据 58
2.6 文本消歧 58
2.6.1 从叙事到分析数据库 58
2.6.2 文本消歧的输入 59
2.6.3 映射 60
2.6.4 输入/输出 61
2.6.5 文档分片/指定值处理 61
2.6.6 文档预处理 62
2.6.7 电子邮件——一个特例 62
2.6.8 电子表格 63
2.6.9 报表反编译 63
2.7 分类法 65
2.7.1 数据模型和分类法 65
2.7.2 分类法的适用性 66
2.7.3 分类法是什么 66
2.7.4 多语言分类法 68
2.7.5 分类法与文本消歧的动态 68
2.7.6 分类法和文本消歧——不同的技术 69
2.7.7 分类法的不同类型 70
2.7.8 分类法——随时间推移不断维护 70
第3章 数据仓库 71
3.1 数据仓库简史 71
3.1.1 早期的应用程序 71
3.1.2 在线应用程序 71
3.1.3 抽取程序 72
3.1.4 4GL技术 73
3.1.5 个人电脑 73
3.1.6 电子表格 74
3.1.7 数据完整性 75
3.1.8 蛛网系统 76
3.1.9 维护积压 77
3.1.10 数据仓库 78
3.1.11 走向架构式环境 78
3.1.12 走向企业信息工厂 78
3.1.13 DW 2.0 79
3.2 集成的企业数据 81
3.2.1 数量众多的应用程序 81
3.2.2 放眼企业 82
3.2.3 多个分析师 83
3.2.4 ETL技术 84
3.2.5 集成的挑战 86
3.2.6 数据仓库的效益 86
3.2.7 粒度的视角 87
3.3 历史数据 89
3.4 数据集市 92
3.4.1 颗粒化的数据 92
3.4.2 关系数据库设计 93
3.4.3 数据集市 93
3.4.4 关键性能指标 94
3.4.5 维度模型 94
3.4.6 数据仓库和数据集市的整合 95
3.5 作业数据存储 96
3.5.1 集成数据的在线事务处理 96
3.5.2 作业数据存储 97
3.5.3 ODS和数据仓库 98
3.5.4 ODS分类 99
3.5.5 将外部数据更新到ODS 99
3.5.6 ODS/数据仓库接口 100
3.6 对数据仓库的误解 101
3.6.1 一种简单的数据仓库架构 101
3.6.2 在数据仓库中进行在线高性能事务处理 101
3.6.3 数据完整性 102
3.6.4 数据仓库工作负载 102
3.6.5 来自数据仓库的统计处理 103
3.6.6 统计处理的频率 104
3.6.7 探查仓库 104
第4章 Data Vault 106
4.1 Data Vault简介 106
4.1.1 Data Vault 2.0建模 107
4.1.2 Data Vault 2.0方法论定义 107
4.1.3 Data Vault 2.0架构 107
4.1.4 Data Vault 2.0实施 108
4.1.5 Data Vault 2.0商业效益 108
4.1.6 Data Vault 1.0 109
4.2 Data Vault建模介绍 110
4.2.1 Data Vault模型概念 110
4.2.2 Data Vault模型定义 110
4.2.3 Data Vault模型组件 111
4.2.4 Data Vault和数据仓库 112
4.2.5 转换到Data Vault建模 112
4.2.6 数据重构 113
4.2.7 Data Vault建模的基本规则 114
4.2.8 为什么需要多对多链接结构 114
4.2.9 散列键代替顺序号 115
4.3 Data Vault架构介绍 116
4.3.1 Data Vault 2.0架构 116
4.3.2 如何将NoSQL适用于本架构 117
4.3.3 Data Vault 2.0架构的目标 117
4.3.4 Data Vault 2.0建模的目标 118
4.3.5 软硬业务规则 118
4.3.6 托管式SSBI与DV2架构 119
4.4 Data Vault方法论介绍 120
4.4.1 Data Vault 2.0方法论概述 120
4.4.2 CMMI和Data Vault 2.0方法论 120
4.4.3 CMMI与敏捷性的对比 122
4.4.4 项目管理实践和SDLC与CMMI和敏捷的对比 123
4.4.5 六西格玛和Data Vault 2.0方法论 123
4.4.6 全质量管理 124
4.5 Data Vault实施介绍 125
4.5.1 实施概述 125
4.5.2 模式的重要性 126
4.5.3 再造工程和大数据 127
4.5.4 虚拟化我们的数据集市 128
4.5.5 托管式自助服务BI 128
第5章 作业环境 130
5.1 作业环境——简史 130
5.1.1 计算机的商业应用 130
5.1.2 最初的应用程序 131
5.1.3 Ed Yourdon和结构化革命 132
5.1.4 系统开发生命周期 132
5.1.5 磁盘技术 132
5.1.6 进入数据库管理系统时代 133
5.1.7 响应时间和可用性 133
5.1.8 现代企业计算 136
5.2 标准工作单元 136
5.2.1 响应时间要素 136
5.2.2 沙漏的比喻 137
5.2.3 车道的比喻 138
5.2.4 你的车跑得跟前面的车一样快 139
5.2.5 标准工作单元 139
5.2.6 服务等级协议 139
5.3 面向结构化环境的数据建模 140
5.3.1 路线图的作用 140
5.3.2 只要粒度化的数据 140
5.3.3 实体关系图 141
5.3.4 数据项集 142
5.3.5 物理数据库设计 143
5.3.6 关联数据模型的不同层次 143
5.3.7 数据联动的示例 144
5.3.8 通用数据模型 146
5.3.9 作业数据模型和数据仓库数据模型 146
5.4 元数据 146
5.4.1 典型元数据 146
5.4.2 存储库 147
5.4.3 使用元数据 148
5.4.4 元数据用于分析 149
5.4.5 查看多个系统 150
5.4.6 数据谱系 150
5.4.7 比较已有系统和待建系统 150
5.5 结构化数据的数据治理 151
5.5.1 企业活动 151
5.5.2 数据治理的动机 152
5.5.3 修复数据 152
5.5.4 粒度化的详细数据 153
5.5.5 编制文档 153
5.5.6 数据主管岗位 154
第6章 数据架构 156
6.1 数据架构简史 156
6.2 大数据/已有系统的接口 166
6.2.1 大数据/已有系统的接口 166
6.2.2 重复型原始大数据/已有系统接口 167
6.2.3 基于异常的数据 168
6.2.4 非重复型原始大数据/已有系统接口 169
6.2.5 进入已有系统环境 170
6.2.6 “语境丰富”的大数据环境 171
6.2.7 将结构化数据/非结构化数据放在一起分析 172
6.3 数据仓库/作业环境接口 172
6.3.1 作业环境/数据仓库接口 172
6.3.2 经典的ETL接口 173
6.3.3 作业数据存储/ETL接口 173
6.3.4 集结区 174
6.3.5 变化数据的捕获 175
6.3.6 内联转换 175
6.3.7 ELT处理 176
6.4 数据架构——一种高层视角 177
6.4.1 一种高层视角 177
6.4.2 冗余 177
6.4.3 记录系统 178
6.4.4 不同的群体 180
第7章 重复型分析 181
7.1 重复型分析——必备基础 181
7.1.1 不同种类的分析 181
7.1.2 寻找模式 182
7.1.3 启发式处理 183
7.1.4 沙箱 186
7.1.5 标准概况 187
7.1.6 提炼、筛选 188
7.1.7 建立数据子集 188
7.1.8 筛选数据 190
7.1.9 重复型数据和语境 192
7.1.10 链接重复型记录 193
7.1.11 日志磁带记录 193
7.1.12 分析数据点 194
7.1.13 按时间的推移研究数据 195
7.2 分析重复型数据 196
7.2.1 日志数据 198
7.2.2 数据的主动/被动式索引 199
7.2.3 汇总/详细数据 200
7.2.4 大数据中的元数据 202
7.2.5 相互关联的数据 203
7.3 重复型分析 204
7.3.1 内部、外部数据 204
7.3.2 通用标识符 205
7.3.3 安全性 205
7.3.4 筛选、提炼 207
7.3.5 归档结果 208
7.3.6 指标 210
第8章 非重复型分析 211
8.1 非重复型数据 211
8.1.1 内联语境化 213
8.1.2 分类法/本体处理 214
8.1.3 自定义变量 215
8.1.4 同形异义消解 216
8.1.5 缩略语消解 217
8.1.6 否定分析 218
8.1.7 数字标注 219
8.1.8 日期标注 220
8.1.9 日期标准化 220
8.1.10 列表的处理 220
8.1.11 联想式词处理 221
8.1.12 停用词处理 222
8.1.13 提取单词词根 222
8.1.14 文档元数据 223
8.1.15 文档分类 223
8.1.16 相近度分析 224
8.1.17 文本ETL中功能的先后顺序 225
8.1.18 内部参照完整性 225
8.1.19 预处理、后处理 226
8.2 映射 227
8.3 分析非重复型数据 229
8.3.1 呼叫中心信息 229
8.3.2 医疗记录 237
第9章 作业分析1 242
第10章 作业分析2 249
第11章 个人分析 259
第12章 复合式的数据架构 264
词汇表 268
· · · · · · (收起)
读后感
用户评价
初读这本书时，我被它极其强烈的象征主义符号系统搞得一头雾水，感觉每一样物品、每一种颜色、甚至每一个重复出现的小动作，都指向了某种我尚未掌握的隐秘含义。作者显然是故意设置了大量的谜团和互文性指涉，要求读者必须具备一定的文化背景知识储备，才能真正领略到其高妙之处。它更像是一部用散文写成的谜语集，充满了对现代社会异化现象的尖锐批判，但这种批判不是通过直白的口号实现的，而是通过构建一个荒诞而又无比真实的平行世界来完成的。书中对空间和地理的描写极其具有象征意义，每一个场景都像是某种心理状态的外化，比如那座永恒迷失在雾中的城市，它所代表的困境，比任何现实中的地理描述都来得更加真实和令人心悸。这本书的情感表达是极其内敛和含蓄的，大部分的痛苦和狂喜都隐藏在表面的平静之下，需要读者用自己的共情能力去挖掘。它成功地营造了一种“疏离的美感”，让你在为角色感到悲哀的同时，又被那种极致的艺术化处理所吸引。读完之后，我感觉自己的世界观被轻轻地推了一下，虽然我可能还无法完全解读所有隐藏的线索，但那种被挑战、被引导去探索更深层意义的冲动，已经足够值得我推荐这本书了。
这本书的叙事结构简直是一场迷宫般的探索，我花了很长时间才真正找到北。它不像那种直来直去的教科书，更像是一部充满隐喻的哲学著作，每一次翻页都像是在解开一个深层次的谜团。作者的笔触非常细腻，对于人物心理的刻画入木三分，特别是主角在面对抉择时的那种挣扎和矛盾，读起来让人感同身受，甚至会忍不住停下来思考自己的人生。不过，叙事节奏的把握上稍微有些跳跃，有时情节推进得极快，让人来不及消化，下一秒又陷入冗长而华丽的内心独白之中，这种起伏不定反而带来了一种独特的韵律感，让阅读过程充满了不确定性和惊喜。书中的场景描写极其生动，仿佛能闻到空气中的味道，感受到阳光的温度，这种沉浸式的体验是近年来少有的。我尤其喜欢作者对社会阶层和人性本质的探讨，那些犀利的观察和深刻的批判，让人在阅读的愉悦之余，也感受到了一种被猛然惊醒的震撼。这本书的语言风格非常古典和考究，用词典雅，句式复杂，对于习惯了快餐式阅读的现代读者来说，可能需要付出更多的耐心去适应和品味，但一旦沉下心来，那种文字带来的美感和冲击力是无与伦比的。总的来说，这是一本需要反复咀嚼才能体会其精髓的作品，初读可能感到晦涩，但深入其中，你会发现一个宝藏。
这本书的艺术手法简直是天马行空，我从未读过如此大胆的叙事尝试。作者似乎完全抛弃了传统小说的框架，将时间线打碎重组，然后用碎片化的方式呈现给读者，这要求读者必须主动参与到故事的建构中去，像一个侦探一样去拼凑事实的全貌。这种互动的阅读体验非常新颖，每一次将看似不相关的片段联系起来时，都会产生一种强烈的“顿悟”感。更令人称奇的是，书中对声音和色彩的运用达到了登峰造极的程度，很多场景不是通过直接描述，而是通过强烈的听觉或视觉冲击来传达情绪，比如一段关键对话，可能只通过背景中微弱的钟摆声来烘托紧张气氛，效果比直接描写对话内容还要强烈得多。虽然这种手法非常高明，但也确实增加了阅读的门槛，对于追求线性情节的读者来说，可能会感到不知所措，甚至有被“戏耍”的感觉。我个人非常欣赏作者这种挑战读者的勇气，它迫使你走出舒适区，重新审视“故事”本身应该是什么。书中的角色塑造也是非传统的，他们往往是某种理念或时代精神的载体，而非传统意义上有着清晰动机的个体，这种疏离感营造出了一种宏大而又冰冷的史诗氛围。它不是一本用来放松心情的小说，更像是一场智力上的角力，读完之后，我的脑子里像跑过了一场马拉松，充满疲惫，但又有一种难以言喻的满足感。
我必须承认，这本书的篇幅让我望而生畏，拿到手里就感觉像抱了一块砖头。然而，一旦真正沉浸进去，那种厚重感反而成了一种安全感。作者的知识储备令人叹为观止，书中信手拈来的历史典故、哲学思辨和科学概念，都处理得极其自然，毫不突兀，仿佛这些知识本就属于故事的一部分，是推动情节发展的内在逻辑。我特别欣赏作者在探讨宏大叙事时，总能巧妙地将视角收回到最微小的人性细节上，比如对一个古老家族几代人命运变迁的描绘，那种绵延的、无声的悲剧感，比任何激烈的冲突场面都更具穿透力。这本书的行文节奏缓慢而稳定，像一条宽阔的河流，不急不躁地向前流动，即使在最紧张的关头，作者也保持着一种近乎冷酷的克制，这种克制本身就蕴含着巨大的张力。我感觉作者是在用一种近乎“记录”而非“创作”的方式来讲述这个故事，他对世界的观察是如此的细致和全面，让人忍不住怀疑这是否是作者亲身经历的某种史诗记录。对于想系统了解某个特定历史时期的读者来说，这本书提供的背景信息量是惊人的，远超一般的历史读物，它将历史的重量感真正地镌刻在了文字之中。
这本书的对话部分是它的灵魂所在，简直是一场文学的盛宴。角色之间的交流充满了张力，他们说的话往往是双关、反讽和未尽之意的集合体，你必须仔细揣摩字里行间隐藏的真实意图。很多看似平淡的对话，实则暗流涌动，充满了权力博弈和情感试探，这让阅读过程变得像在玩一场高智商的心理游戏。作者对语言的驾驭能力达到了出神入化的地步，他能根据不同角色的身份、教养和所处环境，赋予他们完全不同的语态和词汇，使得每一个人物的声音都是如此鲜明和可辨识。我特别喜欢书中那些充满哲理性的长篇独白，它们不是简单的说教，而是角色在特定情境下思想的自然流淌，充满了对存在、时间与虚无的深刻追问。这种对语言的极致运用，使得全书的文学价值得到了极大的提升。但我也必须指出，这种风格对读者的理解能力提出了很高的要求，如果稍不留神，就可能错过关键的暗示，导致对后续情节的误解。这本书更适合那些热爱文字本身，并享受在语言的迷宫中探寻意义的读者。它需要被“听见”而不是仅仅被“看见”，那种独特的声调和韵律，是阅读体验中不可或缺的一部分。
每个字都认识，连在一起不知道在说什么，翻译的太奇怪了。
这么久唯一感觉到有拼凑嫌疑的翻译版书，正如评论说“可操作性不足”。但是构架的事情也是要有高度，以自己现在水平还看不到这个高度。暂定再刷二遍。
翻译真的是受不了。
断断续续用了半年的时间，终于看完了。这是一本概览性的书，介绍了数据架构的方方面面，如果没有一定的基础，会觉得书本上讲的内容比较浅。作为想从事数据方面工作的人来说，本书在手，一切皆有可能！
每个字都认识，连在一起不知道在说什么，翻译的太奇怪了。
