數據湖倉

第 1章　讓數據可信　1
1.1 做一個成熟的終端用戶　2
1.2 不斷攀升的可信目標　5
1.3 可信數據的要素　7
1.4 小結　8
第 2章 基礎數據　9
2.1 構建應用程序　9
2.2 以人工智能醫(yī)療為例　10
2.3 基礎數據的組成要素　12
2.4 小結　14
第3章 如何避免不良數據　15
3.1 輸入錯誤　16
3.2 鍵的問題　18
3.3 重復記錄　18
3.4 拼寫錯誤　19
3.5 兼容性　19
3.6 編制文檔　21
3.7 小結　22
第4章 不同類型的數據　24
4.1 數據量　24
4.2 數據的業(yè)務價值　25
4.3 數據的訪問概率　27
4.4 數據降級　29
4.5 基于大容量存儲器的數據歸檔機制　30
4.6 小結　30
第5章 數據抽象　31
5.1 結構化數據模型　32
5.2 本體和分類標準　34
5.3 模擬/物聯網數據的蒸餾算法　36
5.4 小結　37
第6章 結構化數據　39
6.1 業(yè)務交易生成的數據　40
6.2 結構化記錄　40
6.3 鍵　42
6.4 聯機事務處理　43
6.5 組織數據　45
6.6 小結　46
第7章 文本數據　48
7.1 文本數據的類型　48
7.2 使用文本數據時的語言障礙　50
7.3 多義詞　51
7.4 提取業(yè)務的含義　51
7.5 小結　54
第8章 模擬/物聯網數據　56
8.1 數據有用性的差異　57
8.2 攝像頭　58
8.3 人工審視　59
8.4 日期分隔　60
8.5 數據篩選　61
8.6 閾值方法　61
8.7 時間排序方法　62
8.8 小結　63
第9章 大容量存儲器與數據湖倉　65
9.1 大容量存儲器的優(yōu)缺點　66
9.2 訪問概率　67
9.3 索引　70
9.4 元數據和大容量存儲器　71
9.5 小結　71
第 10章 數據架構與數據工程　73
10.1 兩個角色如何通力配合　74
10.2 角色與數據類型　75
10.3 小結　79
第 11章 業(yè)務價值　81
11.1 業(yè)務價值才是驅動力　81
11.2 一切都離不開錢　82
11.3 基礎數據　83
11.4 難以協(xié)調　84
11.5 領域　85
11.6 小結　86
第 12章 數據需要的層次　87
12.1 數據獲取　89
12.2 數據傳輸與存儲　90
12.3 數據轉換　91
12.4 數據標簽、整合與匯聚　92
12.5 數據分析與機器學習　93
12.6 小結　95
第 13章 數據湖倉中的數據集成　97
13.1 不同種類數據的集成　98
13.2 自動集成　98
13.3 ETL　99
13.4 文本ETL　101
13.5 數據蒸餾算法　103
13.6 小結　104
第 14章 分析　105
14.1 結構化數據分析　105
14.2 文本數據分析　107
14.3 模擬/物聯網數據分析　108
14.4 結構化數據和文本數據的結合　109
14.5 連接3個環(huán)境　111
14.6 執(zhí)行分析　112
14.7 小結　113
第 15章 軟數據　114
15.1 電子表格數據　115
15.2 互聯網數據　116
15.3 政府數據　117
15.4 小結　117
第 16章 描述性數據　119
16.1 數據模型　121
16.2 元數據　122
16.3 結構化數據轉換　123
16.4 結構化數據源　124
16.5 數據選擇標準　125
16.6 數據定義語言　125
16.7 數據編碼　126
16.8 數據關系　127
16.9 文本數據　128
16.10 本體　129
16.11 分類標準　131
16.12 關聯　132
16.13 上下文情境　133
16.14 文本數據源　134
16.15 模擬/物聯網數據　135
16.16 算法　136
16.17 閾值　136
16.18 時間排序　137
16.19 模擬/物聯網數據源　138
16.20 數據血緣　138
16.21 小結　139
第 17章 數據目錄　140
17.1 永久維護　141
17.2 開放　141
17.3 不同數據類型的內部結構　142
17.4 小結　143
第 18章 數據架構的演化　144
18.1 伊始　144
18.2 應用程序　145
18.3 磁帶文件　146
18.4 硬盤存儲　147
18.5 OLTP　148
18.6 個人計算機　149
18.7 4GL處理技術和數據抽取應用程序　150
18.8 數據倉庫　152
18.9 數據集市　153
18.10 互聯網和物聯網數據　154
18.11 數據湖　155
18.12 數據湖倉　157
18.13 小結　158