数据血缘分析原理与实践

封面

版权信息

内容简介

“数据之力技术丛书”编委会

前言

致谢

概念篇

第1章 走进数据血缘

1.1 企业目前面临的问题与挑战

1.1.1 互联网行业：数据安全面临严峻挑战

1.1.2 能源化工行业：数据共享互通能力待加强

1.1.3 装备制造行业：产品数据采集难

1.1.4 零售行业：数据分析势在必行

1.1.5 建筑行业：大数据治理能力亟须提升

1.1.6 从问题和挑战中找解决方案

1.2 揭开数据血缘的面纱

1.2.1 什么是数据和数据管理

1.2.2 什么是数据血缘

1.2.3 什么是数据血缘分析

1.2.4 什么是数据血缘可视化

1.2.5 数据血缘的特征

1.2.6 与数据血缘相关的概念

1.3 数据血缘分析是解决数据问题的灵丹妙药

1.3.1 破除数据质疑

1.3.2 数据变更影响范围快速评估

1.3.3 数据资产价值评估度量工具

1.3.4 为数据滥用加上一把“道德”之锁

1.4 本章小结

第2章 数据血缘中的数据组成部分

2.1 溯源血缘关系的重要依据——元数据

2.1.1 元数据的概念

2.1.2 元数据的数据血缘特征

2.2 确定血缘关系的黄金数据——主数据

2.2.1 主数据的概念

2.2.2 主数据的数据血缘特征

2.3 记录业务动态发生的数据——业务数据

2.3.1 业务数据的概念

2.3.2 业务数据的数据血缘特征

2.4 提供分析决策的重要成果——指标数据

2.4.1 指标数据的概念

2.4.2 指标数据的数据血缘特征

2.5 本章小结

建设篇

第3章 数据血缘分析框架模型

3.1 1个周期：数据全生命周期管理

3.2 3种实体：数据血缘实体结构

3.2.1 数据库血缘

3.2.2 数据表血缘

3.2.3 字段血缘

3.3 5个类型：数据血缘分类

3.3.1 逻辑血缘

3.3.2 物理血缘

3.3.3 时间血缘

3.3.4 操作血缘

3.3.5 业务血缘

3.4 5个层级：构建基础平台，支撑数据血缘分析

3.4.1 血缘采集层

3.4.2 血缘处理层

3.4.3 血缘存储层

3.4.4 血缘接口层

3.4.5 血缘应用层

3.5 本章小结

第4章 数据血缘实施路径

4.1 数据血缘实施过程中的问题与难点

4.1.1 血缘质量不高

4.1.2 实施路径不清晰

4.1.3 数据血缘关系自动解析难

4.2 数据血缘建设方式

4.2.1 常见的3种建设方式的优劣势

4.2.2 建设方式注意事项

4.3 数据血缘建设步骤

4.3.1 明确数据血缘目标

4.3.2 制定数据血缘需求范围

4.3.3 构建数据血缘系统

4.3.4 完成数据血缘收集

4.3.5 完成数据血缘初始化

4.3.6 实现数据血缘的可视化

4.4 本章小结

技术篇

第5章 数据血缘分析应用

5.1 数据开发应用场景

5.2 数据资产应用场景

5.3 数据安全应用场景

5.4 本章小结

第6章 数据血缘技术

6.1 概述

6.2 数据采集技术

6.2.1 ETL技术应用

6.2.2 SQL解析应用

6.3 数据建模

6.3.1 概念建模

6.3.2 逻辑建模

6.3.3 物理建模

6.4 数据可视化技术

6.4.1 数据可视化工具

6.4.2 图形库和框架

6.5 其他相关技术

6.5.1 数据挖掘技术

6.5.2 区块链技术

6.5.3 人工智能技术