Корпоративное озеро больших данных. Новый подход к использованию Big Data и Data Science в бизнесе

Предисловие
Для кого предназначена эта книга?
Обозначения, используемые в этой книге
Благодарности
Глава 1. Введение в озера данных
Зрелость озера данных Лужи данных Пруды
данных
Создание успешного озера данных Правильная
платформа Правильные данные Правильный
интерфейс Болото данных
Дорожная карта к успешности озера данных
Установка озера данных Организация озера
данных Настройка озера данных для
самообслуживания
Архитектуры озера данных
Озера данных в открытом облаке Логические озера
данных
Заключение
Глава 2. Исторический ракурс
Путь для самообслуживания данных - рождение
баз данных
Императив аналитики - рождение хранилища
данных
Экосистема хранилища данных
Сохранение и запрашивание данных
Загрузка данных - инструменты интеграции
данных ETLи ELT
Организация и управление данными Использование
данных Заключение
Глава 3. Введение в большие данные и обработку
данных
Hadoop возглавил исторический сдвиг к большим
данным Файловая система Hadoop
Как обработка и хранение взаимодействуют в
работе MapReduce Схема на чтение Проекты
Hadoop Наука о данных (Data Science)
Машинное обучение Заключение
Глава 4. Запуск озера данных
Что это и почему Hadoop
Предотвращение распространения лужи данных
Использование преимущества больших данных В
лидерах благодаря обработке данных
Стратегия 1: "разгрузить" существующую
функциональность Стратегия 2: озера данных для
новых проектов Стратегия 3: создать
центральную точку управления Какой путь
подходит вам?
Заключение
Глава 5. От прудов данных и хранилищ больших
данных до озер данных
Основные функции хранилища данных
Размерное моделирование для аналитики
Интеграция данных из отдельных источников
Сохранение истории путем использования
медленно изменяющихся измерений Ограничения
хранилища данных как хранилища для
исторических данных Переход к пруду данных
Сохранение истории в пруду данных
Реализация медленно меняющихся измерений в
пруду данных Превращение прудов данных в
озеро данных - загрузка данных, которых нет в
хранилище Необработанные данные
Внешние данные
Интернет вещей (IoT) и другие потоковые данные
Лямбда-архитектура
Преобразования данных Целевые системы
Хранилища данных Операционные склады данных
Приложения реального времени и продукты
данных Заключение
Глава 6. Оптимизация для самообслуживания
Начало самообслуживания Бизнес-аналитики
Поиск и понимание данных - документирование
предприятия
Установление доверия
Обеспечение
Подготовка данных для анализа Анализ и
визуализация Заключение
Глава 7. Архитектура озера данных
Организация озера данных
Зона загрузки, или необработанная зона Золотая
зона Рабочая зона Конфиденциальная зона
Множественные озера данных
Преимущества разделения озер данных
Преимущества объединения озер данных
Облачные озера данных Виртуальные озера
данных Федерация данных Виртуализация больших
данных Устранение избыточности Заключение
Глава 8. Каталогизация озера данных
Организация данных
Технические метаданные Бизнес- метаданные
Тегирование
Автоматизированная каталогизация Управление
логическими данными
Управление конфиденциальными данными и
контроль доступа Качество данных Соотнесение
отдельных данных Установление происхождения
Предоставление данных Инструменты для
создания каталога Сравнение инструментов Океан
данных Заключение
Глава 9. Управление доступом к данным
Авторизация, или контроль доступа Политики
доступа к данным на основе тегов
Деидентификация конфиденциальных данных
Суверенность данных и соответствие нормативным
требованиям
Управление доступом на основе самообслуживания
Предоставление данных Заключение
Глава 10. Перспективы для различных отраслей
Об авторе
Концовка
Предметный указатель