数据仓库与商业智能宝典第2版成功设计部署和维护DWBI系统大数据应用与技术丛书

基本信息

书名：数据仓库与商业智能宝典第2版成功设计部署和维护DWBI系统大数据应用与技术丛书

定价：118.00元

作者：Ralph,Kimball,Margy,Ross,Bob...

出版社：清华大学出版社

出版日期：2017-08-01

ISBN：9787302475798

字数：1161000

页码：708

版次：2

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

　　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，我们以连贯的方式组织了所有这些文章。不过本书并不仅仅是过去的杂志文章和DesignTip一字不变的集合。我们已经精简了多余的内容，确保所有文章都以一致词汇来编写，并且更新了许多图片。本书中的文章都进行了重新编辑和改进。一些术语自其被引入以来已经发生了变化,我们已经以追溯的方式使用被广泛采用的当前术语替换了老的术语。

　　人造键现在被称为代理键。

　　数据集市已经被替

　　数据暂存现在被称为提取、转换和加载。

　　用户应用程序已经被商业智能应用程序所替代。

　　帮助表现在被称为桥接表。

　　由于大多数人都不会从头到尾一页不漏地阅读本书，因此我们需要事先介绍一些常用的缩写词：

　　DW/BI是端到端数据仓库/商业智能系统的英文缩写。这个缩写对于简约性来说很有用，不过它也明确地将数据仓库和商业智能链接为一个共存体。后，它反映出从数据仓库本身作为终点到商业智能(BI)的重心转换推动我们所做的一切事情。毕竟，数据仓库是所有形式BI的平台。

　　本书中的许多图片都包含DD(degeneratedimension)、FK(foreignkey)和PK(primarykey)缩写，它们分别退化维度、外键和主键。

　　ETL的意思是提取、转换和加载，这是获取数据并且让数据准备好暴露给BI工具的标准范式。

　　ER(entity-relationship)指的是实体关系。我们会在探讨第三范式(3NF)或者与维度数据模型相反的标准化数据模型时频繁使用ER。

　　OLAP在线分析处理，通常用于将在多维数据库或多维数据集中捕获的维度模型与被称为星型模式的关系型DBMS中的维度模型区分开来。这些关系型星型模式有时也被称为ROLAP。

　　SCD(slowlychangingdimension)是渐变维度的缩写，指的是所确立的用于处理维度属性变更的技术。

内容提要

　　作为数据仓库和商业智能(DW/BI)行业中有影响力的领物，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(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，本书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。

　　主要内容：

　　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应用佳实践

　　大数据注意事项

　　无论你正以种身份参与数据仓库或商业智能项目，这本可轻易参考和更新的宝典可谓无价之宝。

目录

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 集成的试金石
1.6.3 组织挑战
1.6.4 一致化维度和事实
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 Ralph Kimball和施乐帕克研究中心（Xerox PARC）
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 一致化维度的重要性
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


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
0章 更多的维度模式和注意事项
1章 后台ETL和数据质量
2章 技术架构注意事项
3章 前台商业智能应用程序
4章 维护和发展的注意事项
5章 后的思考

作者介绍

　　RalphKimball创立了KimballGroup。自20世纪80年代中期开始，他就一直是DW/BI行业关于维度化方法的思想领袖，并且已经培训了超过20000名IT专家。在任职于Metaphor和创立RedBrickSystems之前，Ralph在施乐帕克研究中心(XeroxPARC)参与创建了Star工作站。Ralph拥有福大学电子工程专业的博士学位。

　　MargyRoss是KimballGroup和DecisionWorksConsulting的董事长。她从1982年开始就专注于数据仓库和商业智能。截止现在，Margy已经为数百个客户提供过咨询服务，并且向数万人讲解过DW/BI的实践。在任职于Metaphor和联合创办DecisionWorksConsulting之前，她毕业于美国西北大学，并且获得了工业工程专业的学士学位。

文摘

序言