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。

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。

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。

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。