Enterprise Data Governance: Reference & Master Data Management, Semantic Modeling

ویرایش:  
نویسندگان: Pierre Bonnet(auth.)  
سری:  
ISBN (شابک) : 9781848211827, 9781118622513 
ناشر: Wiley-ISTE 
سال نشر: 2010 
تعداد صفحات: 318 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 38,000

در یک اقتصاد دیجیتالی به طور فزاینده، تسلط بر کیفیت داده ها به طور فزاینده ای حیاتی است، اما هنوز در بیشتر سازمان ها، یک کار قابل توجه است. ضرورت حاکمیت بهتر و تقویت قواعد بین‌المللی و ساختارهای نظارتی یا نظارتی (Sarbanes Oxley، Basel II، Solvency II، IAS-IFRS، و غیره) نیاز به شفافیت بیشتر و قابلیت ردیابی بهتر داده‌های خود را بر شرکت‌ها تحمیل می‌کند.

همه ذینفعان در یک شرکت نقشی را ایفا می کنند و از اهداف کلی در اینجا سود زیادی به دست می آورند، اما همیشه در جستجوی پاسخ به بخش فناوری اطلاعات خود روی می آورند. با این حال، اکثر سیستم‌های فناوری اطلاعات که در داخل کسب‌وکارها توسعه یافته‌اند، بیش از حد پیچیده، بد سازگاری و در بسیاری موارد منسوخ هستند. این سیستم ها اغلب به منبع داده یا شکنندگی فرآیند برای کسب و کار تبدیل شده اند. در این زمینه است که مدیریت «داده های مرجع و اصلی» یا مدیریت داده های اصلی (MDM) و مدل سازی معنایی می تواند مداخله کند تا مدیریت داده ها را به شیوه ای آینده نگر و پایدار درست کند.

< p> این کتاب نشان می‌دهد که چگونه مدیران شرکت و مدیران فناوری اطلاعات می‌توانند این چالش‌های جدید و همچنین مزایای استفاده از مرجع و مدیریت داده‌های اصلی را در پاسخ به سؤالاتی در نظر بگیرند: کدام عملکردهای حاکمیت داده در دسترس هستند؟ چگونه می توان فناوری اطلاعات را با مقررات تجاری هماهنگ کرد؟ بازگشت سرمایه چقدر است؟ چگونه می توانیم دارایی ها و داده های IT نامشهود را ارزیابی کنیم؟ اصول مدلسازی معنایی چیست؟ معماری فنی MDM چیست؟ به این ترتیب، آنها بهتر می‌توانند مسئولیت‌های خود را در قبال سازمان‌هایشان انجام دهند و آنها را برای رشد و مدیریت قوی داده‌ها و یکپارچگی در آینده قرار دهند.محتوا:
فصل 1 شرکت و داده‌های آن (صفحات) 1-36):
جنبه های استراتژیک فصل 2 (صفحه های 37-56):
فصل 3 در نظر گرفتن بسته های نرم افزاری (صفحه های 57-67):
فصل 4 بازده سرمایه گذاری (صفحه های 69-85) :
فصل 5 سطوح بلوغ MDM و مدل؟ MDM مبتنی بر MDM (صفحه های 87-107):
فصل 6 توابع حاکمیت داده (صفحات 109-132):
فصل 7 جنبه های سازمانی (صفحه های 133-149):
فصل 8 چارچوب مدل‌سازی معنایی (صفحات 151-185):
فصل 9 روش‌های مدل‌سازی معنایی (صفحه‌های 187-214):
فصل 10 مدل‌سازی داده‌های منطقی (صفحه‌های 215-231):
فصل 11 مدل سازی سازمان (صفحات 233-246):
فصل 12 یکپارچه سازی فنی یک سیستم MDM (صفحات 247-266):

In an increasingly digital economy, mastering the quality of data is an increasingly vital yet still, in most organizations, a considerable task. The necessity of better governance and reinforcement of international rules and regulatory or oversight structures (Sarbanes Oxley, Basel II, Solvency II, IAS-IFRS, etc.) imposes on enterprises the need for greater transparency and better traceability of their data.

All the stakeholders in a company have a role to play and great benefit to derive from the overall goals here, but will invariably turn towards their IT department in search of the answers. However, the majority of IT systems that have been developed within businesses are overly complex, badly adapted, and in many cases obsolete; these systems have often become a source of data or process fragility for the business.   It is in this context that the management of ‘reference and master data’ or Master Data Management (MDM) and semantic modeling can intervene in order to straighten out the management of data in a forward-looking and sustainable manner.

This book shows how company executives and IT managers can take these new challenges, as well as the advantages of using reference and master data management, into account in answering questions such as: Which data governance functions are available? How can IT be better aligned with business regulations? What is the return on investment? How can we assess intangible IT assets and data? What are the principles of semantic modeling? What is the MDM technical architecture?  In these ways they will be better able to deliver on their responsibilities to their organizations, and position them for growth and robust data management and integrity in the future.

Content:
Chapter 1 A Company and its Data (pages 1–36):
Chapter 2 Strategic Aspects (pages 37–56):
Chapter 3 Taking Software Packages into Account (pages 57–67):
Chapter 4 Return on Investment (pages 69–85):
Chapter 5 MDM Maturity Levels and Model?Driven MDM (pages 87–107):
Chapter 6 Data Governance Functions (pages 109–132):
Chapter 7 Organizational Aspects (pages 133–149):
Chapter 8 The Semantic Modeling Framework (pages 151–185):
Chapter 9 Semantic Modeling Procedures (pages 187–214):
Chapter 10 Logical Data Modeling (pages 215–231):
Chapter 11 Organization Modeling (pages 233–246):
Chapter 12 Technical Integration of an MDM system (pages 247–266):