大数据将开启各个领域的数据“潘多拉魔盒”。社交平台、电子商务大佬、通信运营商甚至金融业、诊疗、文化教育等制造行业，都将添加大数据的“挖金”风潮，行政部门一样是从大数据中受益良多。如何把海量信息运用于管理决策、营销推广和创新产品？怎样运用数据管理平台提升商品、步骤和服务项目？怎样运用大数据更科学研究地制订公共政策、保持社会管理创新？全部这任何，都不可或缺大数据治理。可以说，在大数据发展战略从统筹规划到最底层保持的“落地式”全过程中，整治是基本，技术性是承重，剖析是方式，运用是目地。桑尼尔·索雷斯的《大数据治理》的汉语翻译出版发行，正当性其时。
《大数据治理》一书不错地考虑了了解大数据治理架构的必须，系统化论述了大数据治理的每个版面，剖析了几大类大数据的整治，调查了大数据治理在典型性制造行业的实践活动，并从入门到精通地详细介绍了现如今流行的云计算技术与服务平台。此书具备必须的可参照性、可执行性和易读性，是大数据治理行业最该一读的教材。
从“步骤”关键变化为“数据”关键
大数据时代，测算方式也产生了变化，从“步骤”关键变化为“数据”关键。hadoop管理体系的分布式计算架构早已是“数据”为关键的统一范式。关系型数据库及剖析要求，将更改it互联网系统软件的升級方法：从简易增减到构架转变。大数据下的新思路——测算方式的变化。
比如：IBM将应用以数据为管理中心的设计方案，目地是减少在高性能计算机中间开展很多数据传输的重要性。大数据下，云计算技术找到破茧重生的机遇，在储存和测算上面最能体现数据为关键的核心理念。大数据和云计算技术的关联：云计算技术为大数据出示了强有力的专用工具和方式，大数据为云计算技术出示了很有使用价值的立足之地。而大数据比云计算技术更加落地式，可合理运用已很多基本建设的云计算资源，最终多方面运用。
科学研究发展很多地由数据来促进，海量信息给数据统计分析既产生了机会，也组成了新的挑戰。大数据因此是运用诸多技术性和方式，综合性源于好几个方式、不一样時间的信息内容而得到的。以便解决大数据产生的挑戰，人们必须新的统计分析构思和计算方式。
表明：用数据关键思维模式独立思考，解决困难。以数据为关键，体现了时下it互联网产业链的转型，数据变成人工智能技术的基本，也变成智能化系统的基本，数据比步骤更关键，数据库查询、纪录数据库查询，都可以开发设计出多方面信息内容。云计算机可以从数据库查询、纪录数据库查询中检索出我是谁，你必须哪些，进而强烈推荐让你必须的信息内容。
目录
- 第一部分 开篇
- 第1章 大数据治理概述
- 第2章 大数据治理的框架
- 2.1 大数据类型
- 2.2 信息治理准则
- 2.3 大数据治理的产业和功能场景
- 第3章 成熟度评估
- 3.1 IBM信息治理委员会的成熟度模型
- 3.2 评估成熟度的示例问题
- 第4章 业务案例
- 4.1 通过大数据治理，提高运营实时性和旅客安全度
- 4.2 量化大数据治理对客户隐私的财务影响
- 4.3 通过治理大数据生命周期，降低IT成本
- 4.4 评估数据质量和主数据对大数据计划的影响
- 4.5 计算大数据质量的价值
- 第5章 路线图
- 5.1 路线图案例研究
- 第二部分 大数据治理准则
- 第6章 大数据治理的组织
- 6.1 绘制关键流程图并建立职责分配模型，以识别大数据治理中的利益攸关者
- 6.2 确定新角色和既有角色的适当组合
- 6.3 酌情任命大数据主管
- 6.4 在传统信息治理角色的基础上，酌情增加大数据责任
- 6.5 建立承担包括大数据在内的责任混合式信息治理组织
- 第7章 元数据
- 7.1 创建一个体现关键大数据术语的业务定义的词库
- 7.2 理解对ApacheHadoop中元数据的持续支持
- 7.3 对业务词库中的敏感大数据进行标记
- 7.4 从相关的大数据存储中输入技术元数据
- 7.5 将相关的数据源与业务词库中的术语进行链接
- 7.6 使用运营元数据监测大数据的流动
- 7.7 保留技术元数据，以支持数据血统和影响分析
- 7.8 从非结构化文件中采集元数据，支持企业搜索
- 7.9 扩展既有的元数据角色，将大数据纳入其中
- 第8章 大数据隐私
- 8.1 识别敏感的大数据
- 8.2 对元数据库中的敏感大数据进行标记
- 8.3 应对国家、州（省）层面的隐私立法和隐私限制
- 8.4 管理个人数据跨国界流动的情况
- 8.5 监控特权用户对敏感大数据的访问
- 第9章 大数据质量
- 9.1 与商业上的利益攸关者协作，建立并测度大数据质量的置信区间
- 9.2 利用准结构化和非结构化数据，提高人口稀疏的结构化数据的质量
- 9.3 使用流数据分析技术解决内存中的数据质量问题，无须将中间结果输入硬盘
- 9.4 任命对信息治理委员会负责的数据主管，由其负责提高测度的质量
- 第10章 业务流程整合
- 10.1 识别将会受到大数据治理影响的关键流程
- 10.2 建立关键活动的流程图
- 10.3 针对业务流程中的关键步骤，制定大数据治理政策
- 第11章 主数据整合
- 11.1 提高主数据的质量，以支持大数据分析
- 11.2 利用大数据提高主数据的质量
- 11.3 提高关键参考数据的质量和一致性，以支持大数据治理计划
- 11.4 审视社交媒体平台政策，以确定与主数据管理整合的程度
- 11.5 从非结构化文本中挖掘有用信息，以丰富主数据
- 第12章 管理大数据的生命周期
- 12.1 基于规制和业务要求，扩展保留时间表，将大数据包含其中
- 12.2 提供法律保留区，并支持电子证据展示（eDiscovery）
- 12.3 压缩大数据并将其存档，降低IT成本，提高应用绩效
- 12.4 管理实时流数据的生命周期
- 12.5 保留社交媒体记录，以符合规制要求，并支持电子证据展示
- 12.6 基于规制和业务要求，正当合理地处置不再需要的大数据
- 第三部分 大数据的类型
- 第13章 Web和社交媒体数据
- 13.1 在制定有关客户社交媒体数据的可接受使用的政策时，考虑不断变化的规制和习俗
- 13.2 制定有关雇员和求职者社交媒体数据的可接受使用的政策
- 13.3 利用置信区间评估社交媒体数据的质量
- 13.4 制定有关Cookies与其他Web跟踪装置的可接受使用的政策
- 13.5 在不侵犯隐私并遵从规制要求的基础上，定义连接在线和离线数据的政策
- 13.6 确保网络统计数据的一致性
- 第14章 机器对机器的数据
- 14.1 评估目前可用的地理位置数据
- 14.2 制定关于客户地理位置数据的可接受使用的政策
- 14.3 制定关于雇员地理位置数据的可接受使用的政策
- 14.4 保证RFID数据的隐私安全
- 14.5 制定与其他类型M2M数据的隐私相关的政策
- 14.6 处理元数据和M2M数据的质量问题
- 14.7 制定与M2M数据的保留期有关的政策
- 14.8 提高主数据的质量，以支持M2M计划
- 14.9 确保SCADA设施免遭网络攻击
- 第15章 大体量交易数据
- 第16章 生物计量学数据
- 16.1 评估与生物计量学数据的可接受使用相关的隐私含义
- 16.2 与法律顾问通力合作，确定演进中的规制对使用客户和雇员生物计量学数据的影响
- 第17章 人工生成的数据
- 17.1 制定屏蔽敏感的人工生成数据的政策
- 17.2 使用非结构化的人工生成数据，提高结构化数据的质量
- 17.3 管理人工生成数据的生命周期，降低成本并遵循规制要求
- 17.4 从非结构化的人工生成数据中获得洞察力，以丰富MDM
- 第四部分 行业视角
- 第18章 医疗保健机构
- 18.1 利用非结构化数据，提高人口稀疏的结构化数据的质量
- 18.2 提取从结构化数据中无法获得的更多临床因素
- 18.3 设定关键业务术语的一致性定义
- 18.4 确保跨科室的患者主数据的一致性
- 18.5 与美国HIPAA的规定一致，符合受保护的健康信息的隐私要求
- 18.6 创造性管理参考数据，以获得更多临床洞察
- 第19章 公用事业部门
- 19.1 复制仪表读数
- 19.2 主关键字的参照完整性
- 19.3 异常的仪表读数
- 19.4 客户地址的数据质量
- 19.5 信息生命周期管理
- 19.6 数据库监测
- 19.7 技术架构
- 第20章 通信服务提供商
- 20.1 大数据类型
- 20.2 将大数据与主数据进行整合
- 20.3 大数据隐私
- 20.4 大数据质量
- 20.5 大数据生命周期管理
- 第五部分 大数据技术
- 第21章 大数据的参考架构
- 21.1 大数据源
- 21.2 开源基础组件
- 21.3 Hadoop发行版
- 21.4 流数据分析
- 21.5 数据库
- 21.6 大数据整合
- 21.7 文本分析
- 21.8 大数据发现
- 21.9 大数据质量
- 21.10 大数据的元数据
- 21.11 信息政策管理
- 21.12 主数据管理
- 21.13 数据仓库与数据集市
- 21.14 大数据分析与报告
- 21.15 大数据安全与隐私
- 21.16 大数据生命周期管理
- 21.17 云
- 第22章 大数据平台
- 22.1 IBM
- 22.2 甲骨文
- 22.3 SAP
- 22.4 微软
- 22.5 HP
- 22.6 Informatica
- 22.7 SAS
- 22.8 Teradata
- 22.9 EMC
- 22.10 Amazon
- 22.11 谷歌
- 22.12 Pentaho
- 22.13 Talend
- 附录 缩略语列表
- 译者后记
