Big Data Imperatives: Enterprise ‘Big Data’ Warehouse, ‘BI’ Implementations and Analytics

ویرایش: 1 
نویسندگان: Soumendra Mohanty,  Madhu Jagadeesh,  Harsha Srivatsa  
سری:  
ISBN (شابک) : 1430248726, 9781430248729 
ناشر: Apress 
سال نشر: 2013 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 52,000



اجبارات کلان داده، بر حل سؤالات کلیدی در ذهن همه تمرکز دارد: کدام داده مهم است؟ آیا حجم داده کافی برای توجیه استفاده دارید؟ چگونه می خواهید این مقدار داده را پردازش کنید؟ واقعاً چه مدت باید آن را برای تجزیه و تحلیل، بازاریابی و برنامه های کاربردی BI خود فعال نگه دارید؟

داده های بزرگ از حوزه پروژه های یکباره تا پذیرش جریان اصلی کسب و کار در حال ظهور هستند. با این حال، ارزش واقعی داده های بزرگ به اندازه زیاد آن نیست، بلکه بیشتر در استفاده موثر از آن است.

این کتاب به ویژگی های کلان داده زیر می پردازد:

• مجموعه های بسیار بزرگ و توزیع شده از داده های دارای ساختار ضعیف – اغلب ناقص و غیرقابل دسترس
• پتابایت/ اگزابایت داده
• میلیون ها/میلیاردها نفر ارائه/سهم به زمینه پشت داده ها
li>
• طرحواره های مسطح با چند روابط متقابل پیچیده
• شامل رویدادهای مهر زمانی است
• از داده های ناقص تشکیل شده است
• شامل اتصالات بین عناصر داده است که باید

اجبارات کلان داده به صورت احتمالی استنباط شده است، توضیح می‌دهد که داده‌های بزرگ چه کاری می‌توانند انجام دهند. می‌تواند میلیون‌ها و میلیاردها رکورد را بدون ساختار و ساختار بسیار سریع‌تر و ارزان‌تر پردازش کند. تجزیه و تحلیل داده های بزرگ بستری را برای ادغام همه تجزیه و تحلیل ها فراهم می کند که تجزیه و تحلیل داده ها را قادر می سازد دقیق تر، کامل تر، قابل اعتمادتر و بر یک قابلیت تجاری خاص متمرکز شود.

اجبارات کلان داده ماهیت مکمل انبارهای داده سنتی و پلتفرم های تجزیه و تحلیل داده های بزرگ و نحوه تغذیه آنها با یکدیگر را شرح می دهد. هدف این کتاب گردآوری قلمروهای کلان داده و تجزیه و تحلیل با تمرکز بیشتر بر روی معماری هایی است که از مقیاس و قدرت داده های بزرگ و توانایی ادغام و اعمال اصول تجزیه و تحلیل برای داده هایی که قبلاً در دسترس نبودند، استفاده می کنند.

این کتاب همچنین می تواند به عنوان یک کتاب راهنما برای تمرین کنندگان استفاده شود. کمک به آنها در روش شناسی، معماری فنی، تکنیک های تجزیه و تحلیل و بهترین شیوه ها. در عین حال، این کتاب قصد دارد با ارائه بینشی عمیق به قلمرو کلان داده ها، علاقه افراد تازه وارد به داده های بزرگ و تجزیه و تحلیل را جلب کند.

آنچه شما خواهید آموخت< /h3>

• آشنایی با تکنولوژی، پیاده سازی پلتفرم های کلان داده و استفاده از آن ها برای تجزیه و تحلیل
• معماری های کلان داده
• الگوهای طراحی داده های بزرگ
• بهترین شیوه های پیاده سازی

این کتاب برای چه کسانی است

این کتاب برای متخصصان فناوری اطلاعات، انبار داده ها، متخصصان هوش تجاری، متخصصان تجزیه و تحلیل داده ها، معماران، توسعه دهندگان و کاربران تجاری

فهرست محتوا

1. پارادایم مدیریت اطلاعات جدید
2. پیامدهای کلان داده برای مشاغل
3. پیامدهای کلان داده برای مدیریت اطلاعات
4. تعریف ویژگی‌های معماری داده‌های بزرگ
5. معماری‌های هم‌وجود
6. کیفیت داده‌ها برای داده‌های بزرگ
7. ملاحظات امنیت داده و حفظ حریم خصوصی برای داده‌های بزرگ
8. داده های بزرگ و تجزیه و تحلیل
9. پیامدهای کلان داده برای پزشکان

Big Data Imperatives, focuses on resolving the key questions on everyone’s mind: Which data matters? Do you have enough data volume to justify the usage? How you want to process this amount of data? How long do you really need to keep it active for your analysis, marketing, and BI applications?

Big data is emerging from the realm of one-off projects to mainstream business adoption; however, the real value of big data is not in the overwhelming size of it, but more in its effective use.

This book addresses the following big data characteristics:

• Very large, distributed aggregations of loosely structured data – often incomplete and inaccessible
• Petabytes/Exabytes of data
• Millions/billions of people providing/contributing to the context behind the data
• Flat schema's with few complex interrelationships
• Involves time-stamped events
• Made up of incomplete data
• Includes connections between data elements that must be probabilistically inferred

Big Data Imperatives explains 'what big data can do'. It can batch process millions and billions of records both unstructured and structured much faster and cheaper. Big data analytics provide a platform to merge all analysis which enables data analysis to be more accurate, well-rounded, reliable and focused on a specific business capability.

Big Data Imperatives describes the complementary nature of traditional data warehouses and big-data analytics platforms and how they feed each other. This book aims to bring the big data and analytics realms together with a greater focus on architectures that leverage the scale and power of big data and the ability to integrate and apply analytics principles to data which earlier was not accessible.

This book can also be used as a handbook for practitioners; helping them on methodology,technical architecture, analytics techniques and best practices. At the same time, this book intends to hold the interest of those new to big data and analytics by giving them a deep insight into the realm of big data.

What you’ll learn

• Understanding the technology, implementation of big data platforms and their usage for analytics
• Big data architectures
• Big data design patterns
• Implementation best practices

Who this book is for

This book is designed for IT professionals, data warehousing, business intelligence professionals, data analysis professionals, architects, developers and business users.

Table of Contents

1. The New Information Management Paradigm
2. Big Data's Implication for Businesses
3. Big Data Implications for Information Management
4. Defining Big Data Architecture Characteristics
5. Co-Existent Architectures
6. Data Quality for Big Data
7. Data Security and Privacy Considerations for Big Data
8. Big Data and Analytics
9. Big Data Implications for Practitioners

Front Matter....Pages i-xxii
“Big Data” in the Enterprise....Pages 1-24
The New Information Management Paradigm....Pages 25-44
Big Data Implications for Industry....Pages 45-72
Emerging Database Landscape....Pages 73-106
Application Architectures for Big Data and Analytics....Pages 107-154
Data Modeling Approaches for Big Data and Analytics Solutions....Pages 155-196
Big Data Analytics Methodology....Pages 197-220
Extracting Value From Big Data: In-Memory Solutions, Real Time Analytics, And Recommendation Systems....Pages 221-250
Data Scientist....Pages 251-288
Back Matter....Pages 289-296