دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Gendron. Michael S
سری: Wiley and SAS business series
ISBN (شابک) : 9781118859742, 1118859847
ناشر: Wiley
سال نشر: 2014
تعداد صفحات: 242
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب هوش تجاری و ابر: راهنمای پیاده سازی استراتژیک: فناوری اطلاعات -- مدیریت پردازش ابری. هوش تجاری. کسب و کار. کسب و کار و اقتصاد -- مدیریت صنعتی. تجارت و اقتصاد -- مدیریت. تجارت و اقتصاد -- علم مدیریت. تجارت و اقتصاد -- رفتار سازمانی.
در صورت تبدیل فایل کتاب Business intelligence and the cloud : strategic implementation guide به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش تجاری و ابر: راهنمای پیاده سازی استراتژیک نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Content: Business Intelligence and the Cloud: Strategic Implementation Guide
Copyright
Contents
Foreword
Preface
Acknowledgments
Part 1: The Foundation
Chapter 1: A History of How We Got to Cloud Computing
The Rise of Cloud Computing
Computing Hardware
Networking and HTML
Bandwidth
Computing Platforms
Cloud Computing
Conclusion
Notes
Chapter 2: Characteristics and Service Models
Introductory Concepts
Layers of Abstraction
Hosted Applications versus Cloud Computing
Corporate LAN-Based versus Cloud-Based Applications
A Cloud Implementation
Defining Cloud Computing. Dimension One: Essential CharacteristicsDimension Two: Service Models
Dimension Three: Deployment Models
Conclusion
Notes
Chapter 3: Deployment Models
Important Considerations
Public and Private Clouds
Examples of Cloud Computing
An IaaS Example: Netflix Moves to Amazon Web Services
A PaaS Example: Sopima Moves to Microsoft Azure
A SaaS Example: Dunkin' Donuts Uses Salesforce
Private Clouds in Context
Puma and Eucalyptus: A Private Cloud Solution
Hybrid Clouds
Zynga: A Hybrid Cloud Example
Community Clouds
Conclusion
Notes
Part 2: Cloud Economics. Chapter 4: Strategic Measurement: TCO, ROI, OPEX/CAPEXTotal Cost of Ownership
How TCO Changes in the Cloud
Build versus Buy
Financial Measurements
Capital Expense (CAPEX) versus Operational Expense (OPEX)
Return on Investment (ROI)
Conclusion
Notes
Chapter 5: Cloud Adoption: Are Your Organization and Its Stakeholders Ready to Adopt Cloud Computing?
Regulatory Influence
The Effects on Your Organization
The Non-IT Staff
The IT Department
The Effects on External Stakeholders
The Need for Increased Technology
Changes in Payment Models-Changing Costs
The Training of Staff. Requests for Increased InnovationConclusion
Notes
Chapter 6: Service Level Agreements
The Traditional or Typical Telecom SLA QOS
Introducing the Cloud SLA
SLA Types
Cloud Use Cases
SLA by Type of Service and Deployment
Anatomy of a Standardized SLA
Negotiating the Cloud SLA
Step 1: Understand Roles and Responsibilities
Step 2: Evaluate Data Policies and Business Policies
Step 3: Understand Service and Deployment Model Differences
Step 4: Identify Critical Performance Objectives
Step 5: Evaluate Security and Privacy Requirements
Step 6: Identify Service Management Requirements. Step 7: Prepare for Service Failure ManagementStep 8: Understand the Disaster Recovery Plan
Step 9: Develop an Effective Management Process
Step 10: Understand the Exit Process
SLA Expectations
Conclusion
Notes
Part 3: Business Intelligence and the Cloud
Chapter 7: Business Intelligence: The Interaction of Business Intelligence and Cloud Computing
BI Strategy
Objectives for a BI Project
The Analytics Cycle
Data Collection
Data Analysis
Data Distribution
Conclusion
Notes
Chapter 8: Big Data's Effects on BI Efforts in the Cloud
Defining Big Data
High Volume
High Velocity. High Variety.