本书由“数据仓库之父”Inmon和“Data Vault之父”Linstedt领衔撰写，带领读者从宏观视角了解数据架构的基本概念和原则，是数据科学家、分析师和管理者在入门阶段的必备参考读物。本书创新性地提出终端状态架构的概念，新增了关于可视化和大数据的章节，以及文本管理和分析等来自不同行业的实例。通过阅读本书，读者将通晓数据收集、治理、提取、分析等不同阶段的核心技术，进而学会将大数据技术融入现有的信息基础设施或数据仓库系统。

业务架构是跨系统的业务架构蓝图，应用架构、数据架构、技术架构是解决方案的不同方面。多年来，全球业界已在业务架构、应用架构、数据架构、技术架构方面积累了大量经验。近几年，数字化转型更是呼唤“懂行人”打通四种架构，确保技术支撑业务、业务支撑战略。《业务架构•应用架构•数据架构实战》的主要内容即在于此。首先，解读战略、业务架构、应用架构、数据架构、技术架构五者的对应岗位、产物、脉络关系。然后，结合大案例，详探下列实战法： 战略驱动的业务架构设计； 业务驱动的应用架构设计； 业务驱动的数据架构设计； 业务和技术趋势双轮驱动的技术架构设计。 最后，分享业界较为稀缺的《业务架构书》《技术方案书》优秀模板。

业务架构是跨系统的业务蓝图，应用架构、数据架构、技术架构是解决方案的不同方面。多年来，业界已在业务架构、应用架构、数据架构、技术架构方面积累了大量经验。近几年，数字化转型更是呼唤“懂行人”打通四种架构，确保技术支撑业务、业务支撑战略。本书的主要内容即在于此。首先，解读战略、业务架构、应用架构、数据架构、技术架构五者的对应岗位、产物、脉络关系。然后，结合大案例，详探下列实战法： 战略驱动的业务架构设计； 业务驱动的应用架构设计； 业务驱动的数据架构设计； 业务和技术趋势双轮驱动的技术架构设计。 再后，分享业界较为稀缺的《业务架构书》《技术方案书》优秀模板。 最后，分享ToG/ToB解决方案规划方法体系。

本书是《商业智能深入浅出》一书的姊妹篇，数据架构、商业智能、数据治理和大数据技术是本书的核心。本书共13章，主要内容包括：企业架构总体规划、数据架构现状分析、数据架构目标规划、数据架构案例、大数据架构与实践，数据治理体系、商业智能架构理论、商业智能架构实践、商业智能—数据仓库架构和案例、商业智能—ODS数据架构和案例、商业智能—数据集市架构和案例等。本书的读者对象包括：公司管理者、IT架构咨询顾问、数据架构师、系统分析师、商业智能架构师以及相关技术爱好者。

本书是《商业智能深入浅出》一书的姊妹篇，数据架构、商业智能、数据治理和大数据技术是本书的核心。本书共13章，主要内容包括：企业架构总体规划、数据架构现状分析、数据架构目标规划、数据架构案例、大数据架构与实践，数据治理体系、商业智能架构理论、商业智能架构实践、商业智能—数据仓库架构和案例、商业智能—ODS数据架构和案例、商业智能—数据集市架构和案例等。本书的读者对象包括：公司管理者、IT架构咨询顾问、数据架构师、系统分析师、商业智能架构师以及相关技术爱好者。

本书全面介绍了数据架构与数据建模的相关知识，全书分为4 篇，共16 章。 第1~3 章为数据架构基础篇，介绍了企业架构、数据架构及数据模型的基础概念。第4~9章为数据模型设计篇，介绍了如何通过数据模型记分卡规范化数据模型设计，以及经典数据建模方法论，包括范式建模、维度建模、Data Vault 建模、统一星型建模。第10~12 章为数据模型落地篇，介绍了在企业中如何实现多人协作构建模型、如何管控数据模型、数据模型数据与数据标准，以及元数据如何形成数据治理闭环。第13~16 章为行业数据模型篇，分别介绍了证券、保险、教育、航空业的数据架构及数据模型。

本书详细介绍了可用于数据处理的表格格式、云产品、框架、存储层，以及如何将这些内容组合在一起，以获得适合自己需求的高性能解决方案。作者在书中提供的决策框架将帮助你明智地决定选择哪种数据湖。本书是大数据领域每个人的必读书。阅读本书后，你将了解构建云数据湖所需的所有基础知识，并能够以多种方式应用这些知识。本书主要面向数据架构师、数据开发人员和数据运维专业人员，他们希望广泛地了解设置和运营云数据湖的各个方面。

本书详细介绍了可用于数据处理的表格格式、云产品、框架、存储层，以及如何将这些内容组合在一起，以获得适合自己需求的高性能解决方案。作者在书中提供的决策框架将帮助你明智地决定选择哪种数据湖。本书是大数据领域每个人的必读书。阅读本书后，你将了解构建云数据湖所需的所有基础知识，并能够以多种方式应用这些知识。本书主要面向数据架构师、数据开发人员和数据运维专业人员，他们希望广泛地了解设置和运营云数据湖的各个方面。

本书介绍了如何使用 Python 实现企业级的大数据全栈式开发、设计和编程工作，涉及的知识点包括数据架构整体设计、数据源和数据采集、数据同步、消息队列、关系数据库、NoSQL 数据库、批处理、流处理、图计算、人工智能、数据产品开发。 本书既深入浅出地介绍了不同技术组件的基本原理，又通过详细对比介绍了如何根据不同场景选择最佳实践技术方案，并通过代码实操帮助读者快速掌握常用技术的应用过程，最后通过项目案例介绍了如何将所学知识应用于实际业务场景中。

这是一部从企业架构视角系统讲解企业级数据架构的著作，包含数据架构的原理、方法和实践。 本书拟分为四个部分共17个章节来系统性的阐述数据架构相关内容； 第1部分 架构基础主要包含1个章节 1.数据架构与企业架构 其主要从宏观的角度阐述企业架构与数据架构的关系以及重要性使读者明白数据架构并不是孤立存在的且与企业架构息息相关 第2部分 数据架构基础主要包含5个章节从理论以及工具层面阐述数据架构的构成 2.数据架构构成 介绍数据架构的主要组成以及框架 3.数据存储 数据架构落地中常见的存储选型以及实用场景 4.数据调度与消息传输 数据架构中调度服务以及消息传输的通用技术选型以及可能出现的关键问题以及优化手段 5.Lambda架构与Kappa架构 系统性的阐述主流的两种数据架构以及使用场景 6.辅助类组件 数据架构中帮助测试以及运维人员精准的定位问题的相关辅助组件，例如日志收集、系统监控以及APM等 第3部分 数据架构实践 基于大量的业务实践，总结数据架构实践中核心组组成以及关键方法进行拆解 7.企业数据区域以及流向 以不同的维度去拆解企业的数据，帮助读者构建数据架构的落地层面的意识，知道为什么拆以及如何去拆 8.模型架构详解 以主流的两种建模方法论为切入点，讨论并对比优劣并让读者拓展模型设计中的工具箱。 9.模型设计 以维度建模为例，详细的介绍不同数据层级、不同类型数据的建模方法，具体案例来源于大量的模型实践 10.元数据 了解什么是元数据及其重要性以及如何管理数据 11.数据质量 基于数据质量去设计数据质量监控体系，做好事前防范、事后治理 12.数据标准 构建数据标准框架以及流程，挖掘具体数据标准落地在企业中的难度。 第4部分 数据资产管理 13.企业数据资产 企业数据资产的构成以及搭建路径以及工具等 14.数据治理 结合元数据、数据质量以及数据标准等，系统的阐述数据治理类型项目的落地 15.大数据平台实践 如何一步一步搭建基于Hadoop大数据平台 16.实时数据仓库搭建 如何构建企业级别的实施数据仓库 17.本书总结 总结写书的感悟以及后续的一些想法等