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。

美国MBA教学专家委员会的研究表明，商学院教学日益重视实际应用，这已经成为市场上的主流。 　　同国内大量存在和使用的偏重于理论介绍和研究的书籍相比，本书涉及到的管理和数学知识并不深，非常适合MBA、管理学院研究生及在职管理人员的学习和参考，无论是作为教科书还是管理者的参考书籍，对实践活动都有很强的指导性和实用性。 　　本书作者相信，作为当代管理科学的入门教材应当拥有下列三个主要的无毒，即本书的副标题中所提出的建模、案例分析和与之配合应用的EXEL电子表格软件。本教材具有如下特点： 1.运用了大量来自于企业和生活的实际案例 　　作者总是从案例出发，详细讲述如何数学模型解决管理中遇到的问题，提供了一整套解决问题的方法—了解事实，理清问题结构，对问题中的关系进行量化，建立数学模型，运用计算机求解。 2.详细介绍如何建立数学模型　 　　作者充分体现了作为管理...(展开全部)

本书适用于管理类专业本科生、研究生、MBA学生以及企业经营管理人员。简明地介绍了管理科学在决策制定方面所扮演的角色。本书的作者以市场为导向，向学生们介绍了管理科学的数学和技术知识。本书的结构安排非常合理。

《数据、模型与决策:管理科学篇(原书第12版)》是美国最为流行的定量管理决策教科书，现在是其第12版英文版的中译本，该版新增作者芝加哥大学马丁教授，凭着他丰富的教学和研究实践经验为《数据、模型与决策:管理科学篇(原书第12版)》增色颇多。《数据、模型与决策:管理科学篇(原书第12版)》的目的是帮助学生更好地理解与应用管理科学当中的数学与技术方面的概念。因此，作者从描述和解决问题这个角度来介绍管理科学方法与模型，其中包括如何对问题求解的技术。这种方法不仅可以使学生了解管理科学的应用程序，而且还可以了解到管理科学是如何辅助决策的。《数据、模型与决策:管理科学篇(原书第12版)》还引用了很多被广泛认可的理论，使水平较高的学生可以很容易读懂一些高水平的材料。在第12版中，作者对线性规划应用、分配与网络模型、非线性最优化模型、实践中的管理科学及案例和习题等内容...(展开全部)

低代码开发平台是在不写或者只写极少量代码即可实现业务功能的软件平台，可以助力企业快速完成数字化转型。本书介绍低代码开发平台设计与开发的详细过程，以元数据模型为核心，介绍服务、数据库、主数据、界面展现、功能配置，以及元数据自身的管理，完整呈现元数据驱动的低代码开发平台的端到端的实现机制。 本书面向的读者需要具备一定的开发基础，适合所有对低代码开发平台或对元数据模型感兴趣的软件工程师及相关从业人员学习阅读。

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

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