大數據治理

第一部分 開篇
第1章 大數據治理概述
第2章 大數據治理的框架
2.1 大數據類型
2.2 信息治理準則
2.3 大數據治理的產業(yè)和功能場景
第3章 成熟度評估
3.1 IBM信息治理委員會的成熟度模型
3.2 評估成熟度的示例問題
第4章 業(yè)務案例
4.1 通過大數據治理，提高運營實時性和旅客安全度
4.2 量化大數據治理對客戶隱私的財務影響
4.3 通過治理大數據生命周期，降低IT成本
4.4 評估數據質量和主數據對大數據計劃的影響
4.5 計算大數據質量的價值
第5章 路線圖
5.1 路線圖案例研究
第二部分 大數據治理準則
第6章 大數據治理的組織
6.1 繪制關鍵流程圖并建立職責分配模型，以識別大數據治理中的利益攸關者
6.2 確定新角色和既有角色的適當組合
6.3 酌情任命大數據主管
6.4 在傳統(tǒng)信息治理角色的基礎上，酌情增加大數據責任
6.5 建立承擔包括大數據在內的責任混合式信息治理組織
第7章 元數據
7.1 創(chuàng)建一個體現關鍵大數據術語的業(yè)務定義的詞庫
7.2 理解對ApacheHadoop中元數據的持續(xù)支持
7.3 對業(yè)務詞庫中的敏感大數據進行標記
7.4 從相關的大數據存儲中輸入技術元數據
7.5 將相關的數據源與業(yè)務詞庫中的術語進行鏈接
7.6 使用運營元數據監(jiān)測大數據的流動
7.7 保留技術元數據，以支持數據血統(tǒng)和影響分析
7.8 從非結構化文件中采集元數據，支持企業(yè)搜索
7.9 擴展既有的元數據角色，將大數據納入其中
第8章 大數據隱私
8.1 識別敏感的大數據
8.2 對元數據庫中的敏感大數據進行標記
8.3 應對國家、州（省）層面的隱私立法和隱私限制
8.4 管理個人數據跨國界流動的情況
8.5 監(jiān)控特權用戶對敏感大數據的訪問
第9章 大數據質量
9.1 與商業(yè)上的利益攸關者協(xié)作，建立并測度大數據質量的置信區(qū)間
9.2 利用準結構化和非結構化數據，提高人口稀疏的結構化數據的質量
9.3 使用流數據分析技術解決內存中的數據質量問題，無須將中間結果輸入硬盤
9.4 任命對信息治理委員會負責的數據主管，由其負責提高測度的質量
第10章 業(yè)務流程整合
10.1 識別將會受到大數據治理影響的關鍵流程
10.2 建立關鍵活動的流程圖
10.3 針對業(yè)務流程中的關鍵步驟，制定大數據治理政策
第11章 主數據整合
11.1 提高主數據的質量，以支持大數據分析
11.2 利用大數據提高主數據的質量
11.3 提高關鍵參考數據的質量和一致性，以支持大數據治理計劃
11.4 審視社交媒體平臺政策，以確定與主數據管理整合的程度
11.5 從非結構化文本中挖掘有用信息，以豐富主數據
第12章 管理大數據的生命周期
12.1 基于規(guī)制和業(yè)務要求，擴展保留時間表，將大數據包含其中
12.2 提供法律保留區(qū)，并支持電子證據展示（eDiscovery）
12.3 壓縮大數據并將其存檔，降低IT成本，提高應用績效
12.4 管理實時流數據的生命周期
12.5 保留社交媒體記錄，以符合規(guī)制要求，并支持電子證據展示
12.6 基于規(guī)制和業(yè)務要求，正當合理地處置不再需要的大數據
第三部分 大數據的類型
第13章 Web和社交媒體數據
13.1 在制定有關客戶社交媒體數據的可接受使用的政策時，考慮不斷變化的規(guī)制和習俗
13.2 制定有關雇員和求職者社交媒體數據的可接受使用的政策
13.3 利用置信區(qū)間評估社交媒體數據的質量
13.4 制定有關Cookies與其他Web跟蹤裝置的可接受使用的政策
13.5 在不侵犯隱私并遵從規(guī)制要求的基礎上，定義連接在線和離線數據的政策
13.6 確保網絡統(tǒng)計數據的一致性
第14章 機器對機器的數據
14.1 評估目前可用的地理位置數據
14.2 制定關于客戶地理位置數據的可接受使用的政策
14.3 制定關于雇員地理位置數據的可接受使用的政策
14.4 保證RFID數據的隱私安全
14.5 制定與其他類型M2M數據的隱私相關的政策
14.6 處理元數據和M2M數據的質量問題
14.7 制定與M2M數據的保留期有關的政策
14.8 提高主數據的質量，以支持M2M計劃
14.9 確保SCADA設施免遭網絡攻擊
第15章 大體量交易數據
第16章 生物計量學數據
16.1 評估與生物計量學數據的可接受使用相關的隱私含義
16.2 與法律顧問通力合作，確定演進中的規(guī)制對使用客戶和雇員生物計量學數據的影響
第17章 人工生成的數據
17.1 制定屏蔽敏感的人工生成數據的政策
17.2 使用非結構化的人工生成數據，提高結構化數據的質量
17.3 管理人工生成數據的生命周期，降低成本并遵循規(guī)制要求
17.4 從非結構化的人工生成數據中獲得洞察力，以豐富MDM
第四部分 行業(yè)視角
第18章 醫(yī)療保健機構
18.1 利用非結構化數據，提高人口稀疏的結構化數據的質量
18.2 提取從結構化數據中無法獲得的更多臨床因素
18.3 設定關鍵業(yè)務術語的一致性定義
18.4 確?？缈剖业幕颊咧鲾祿囊恢滦?br />18.5 與美國HIPAA的規(guī)定一致，符合受保護的健康信息的隱私要求
18.6 創(chuàng)造性管理參考數據，以獲得更多臨床洞察
第19章 公用事業(yè)部門
19.1 復制儀表讀數
19.2 主關鍵字的參照完整性
19.3 異常的儀表讀數
19.4 客戶地址的數據質量
19.5 信息生命周期管理
19.6 數據庫監(jiān)測
19.7 技術架構
第20章 通信服務提供商
20.1 大數據類型
20.2 將大數據與主數據進行整合
20.3 大數據隱私
20.4 大數據質量
20.5 大數據生命周期管理
第五部分 大數據技術
第21章 大數據的參考架構
21.1 大數據源
21.2 開源基礎組件
21.3 Hadoop發(fā)行版
21.4 流數據分析
21.5 數據庫
21.6 大數據整合
21.7 文本分析
21.8 大數據發(fā)現
21.9 大數據質量
21.10 大數據的元數據
21.11 信息政策管理
21.12 主數據管理
21.13 數據倉庫與數據集市
21.14 大數據分析與報告
21.15 大數據安全與隱私
21.16 大數據生命周期管理
21.17 云
第22章 大數據平臺
22.1 IBM
22.2 甲骨文
22.3 SAP
22.4 微軟
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
附錄 縮略語列表
譯者后記