链接：https://pan.baidu.com/s/1ZBReFztLaJhhrMxsta7G5g?pwd=m9g2 

提取码：m9g2

l 数据仓库、大数据、数据科学的简单介绍。

l 了解企业建立数据湖的各种途径。

l 探索如何构建自助服务模型，以及如何让分析师便捷访问数据的最佳实践。

l 使用不同的方法来构建数据湖。

l 了解不同行业专家实现数据湖的方法。

作者简介

Alex Gorelik是Waterline Data的首席技术官和创始人，也是三家初创公司的创始人。他曾经担任Informatica的数据质量部经理，负责管理公司的平台和数据集成技术。此外，他还曾是IBM杰出的工程师，也是Exeros和Acta Technology的联合创始人、首席技术官和工程副总裁。

精彩书评

“Alex是位富有远见的数据人。他把他的实践见解融入到本书，探讨了过渡到数据驱动型企业涉及的技术因素、对公司整体的影响以及由此产生的对业务的影响。”

——Keyur Desai

TD Ameritrade首席数据官

“本书很好地阐述了各类数据湖的架构，包括它们提供了什么价值，带来了哪些挑战，以及如何应对这些挑战。”

——Jari Koister

FICO产品和技术副总裁，

加州大学伯克利分校的数据科学教授

目录

前言 1

第1 章 数据湖概述 7

数据湖的成熟度 9

数据水洼 11

数据池 12

创建成功的数据湖 12

适合的平台 13

适合的数据 14

适合的界面 16

数据沼泽 18

成功实施数据湖的路线图 20

建立数据湖 20

规划数据湖 21

构建自助服务的数据湖 23

构建数据湖 28

云上数据湖 29

逻辑数据湖 29

小结 34

第2 章 历史背景 35

数据自助服务驱动——数据库的诞生 36

分析必要性驱动——数据仓库的诞生 39

数据仓库生态系统 40

存储和查询数据 41

加载数据——数据集成工具 47

组织和管理数据 51

消费数据 57

小结 58

第3 章 大数据和数据科学概述 59

Hadoop 引领大数据的历史性转变 60

Hadoop 文件系统 60

MapReduce 作业中计算和存储如何交互 61

Schema on Read 63

Hadoop 项目 64

数据科学 65

你的分析机构应该关注什么？ 67

机器学习 71

可解释性 72

变更管理 73

小结 74

第4 章 建立数据湖 75

为什么是Hadoop 75

防止数据水洼扩散 78

利用大数据的优势 79

以数据科学为先导 80

策略1: 迁移已有功能 83

策略2: 为新项目建立数据湖 85

策略3: 建立数据治理中心 85

哪种策略最适合你？ 86

小结 88

第5 章 从数据池/ 大数据仓库到数据湖 89

数据仓库的基本功能 90

用于分析的维度模型 91

整合不同源的数据 92

使用缓慢变化维保存历史记录 93

数据仓库作为历史库的局限性 93

迁移至数据池 94

数据池中保存历史数据 94

在数据池中使用缓慢变化维 96

数据池演化为数据湖——加载数据仓库中未包含的数据 98

原始数据 98

外部数据 99

IoT 与其他流式数据 102

实时数据湖 103

Lambda 架构 105

数据转换 106

目标系统 108

数据仓库 109

业务数据存储 109

实时应用和数据产品 110

小结 111

第6 章 自助服务优化 112

自助服务起源 113

业务分析师 115

发现和理解数据——企业数据归档 116

建立信任 119

数据预置 126

为分析准备数据 128

数据湖数据整理 129

用Hadoop 来准备数据 129

数据预处理的常见案例 130

分析和可视化 133

自助式商业智能的新世界 133

新的分析工作流 134

门卫向店主的角色转变 136

管理自助服务 137

小结 137

第7 章 数据湖架构 139

规划数据湖 139

原始区 141

产品区 142

工作区 144

敏感区 145

多数据湖 146

保持各数据湖独立的优势 147

合并多数据湖的优势 147

云上数据湖 148

虚拟数据湖 151

数据联邦 151

大数据虚拟化 152

消除冗余 154

小结 156

第8 章 数据湖元数据 157

组织数据 157

技术元数据 159

业务元数据 164

打标 166

自动编目 167

逻辑数据管理 169

敏感数据管理和访问控制 169

数据质量 170

连接分散的数据 172

建立血缘关系 174

数据预置 176

创建目录的工具 176

工具对比 177

数据洋 178

小结 179

第9 章 数据访问控制 180

授权与访问控制 181

基于标签的控制策略 182

数据脱敏 186

数据主权与法规 189

自助服务访问管理 191

预置数据 196

小结 204

第10 章 行业案例 205

金融服务大数据 206

消费者、数字化和数据正在改变我们所熟知的金融行业 206

拯救银行 208

新数据提供新机遇 212

使用数据湖的关键过程 215

数据湖为金融服务领域带来的价值 218

保险行业中的数据湖 220

智慧城市 222

医疗大数据 224

作者介绍 227

封面介绍 227

查看全部↓

前言/序言

前言

近些年来，很多企业开始尝试使用大数据和云技术来构建数据湖（data lake），用于支持数据驱动的企业文化和决策，但这些项目经常会陷入停滞甚至失败。因为很多互联网公司的工作方式未必适合这些企业，而市面上又没有全面实用的指南来指导大家如何进行相应的调整。在这个背景下我写了这本书，目的是希望能在这方面提供帮助。

我曾在IBM 和Informatica（主要的数据技术供应商）任管理职务，在Menlo Ventures（一家领先的VC 公司）担任常驻企业家，目前是Waterline（一家大数据初创企业）的创始人兼CTO，在此期间我有幸能和上百位专家、有想法的人、行业分析师以及一线从业者讨论关于成功建立数据湖、培养数据驱动文化的挑战。本书正是我对各个行业（从社交媒体到银行和政府机构）和各种角色（从首席数据官和其他IT 主管到数据架构师、数据科学家和业务分析师）将会遇到的不同场景及其最佳实践的总结。