智慧的分析洞察

第1章 智慧的分析洞察
1.1 智慧的地球（Smarter Planet）
1.2 智慧的分析洞察概述
1.2.1 通過分析洞察獲得競爭優(yōu)勢
1.2.2 IBM“3A5 步”模型
第2章 信息議程
2.1 新銳洞察
2.2 信息隨需應變
2.3 信息議程概述
2.4 信息應用的成熟度
第3章 構建新一代數(shù)據(jù)中心
3.1 構建新一代數(shù)據(jù)中心概述
3.1.1 數(shù)據(jù)中心的目標
3.1.2 數(shù)據(jù)中心發(fā)展歷程
3.2 混合型數(shù)據(jù)中心參考架構
3.2.1 基礎設施層
3.2.2 數(shù)據(jù)源層
3.2.3 交換服務體系
3.2.4 數(shù)據(jù)存儲區(qū)
3.2.5 基礎服務層
3.2.6 應用層
3.2.7 用戶終端層
3.2.8 數(shù)據(jù)治理
3.2.9 元數(shù)據(jù)管理
3.2.10 IT 安全運維管理
3.2.11 IT 綜合監(jiān)控
3.2.12 企業(yè)資產管理
3.3 銀行行業(yè)示例
3.3.1 風險管理
3.3.2 分析型CRM
3.3.3 IBM 信息框架——銀行數(shù)據(jù)倉庫模型／行業(yè)模板
3.4 政府行業(yè)示例
3.4.1 稅務行業(yè)信息集成平臺
3.4.2 新一代核心征管系統(tǒng)
3.4.3 分析型稅務應用解決方案
3.4.4 財政監(jiān)督檢查系統(tǒng)
3.4.5 省級財政綜合數(shù)據(jù)分析（運營分析）
3.4.6 某水利委員會的數(shù)據(jù)交換與共享服務平臺
3.4.7 某省煤炭工業(yè)廳人員和執(zhí)法系統(tǒng)
第4章 大數(shù)據(jù)管理
4.1 概述
4.2 Hadoop 介紹
4.2.1 HDFS
4.2.2 MapReduce
4.2.3 HBase
4.2.4 Pig
4.2.5 Hive
4.2.6 Jaql
4.2.7 其他Hadoop 組件
4.3 IBM 大數(shù)據(jù)平臺
4.3.1 InfoSphere BigInsights
4.3.2 InfoSphere Streams
4.3.3 Data Explorer
4.3.4 PureData System for Transactions
4.3.5 PureData System for Operational Analytics
4.3.6 PureData System for Analytics
4.4 政府行業(yè)的大數(shù)據(jù)示例
4.4.1 多媒體分析（視頻圖像）
4.4.2 社會輿情分析
4.4.3 內部運維日志管理與分析
4.4.4 數(shù)據(jù)歸檔、歷史數(shù)據(jù)查詢
4.4.5 稅務發(fā)票比對
4.4.6 稅務12366 實時分析處理
4.4.7 財政監(jiān)督檢查
4.5 銀行反欺詐/反洗錢示例
4.6 煤炭流數(shù)據(jù)實時分析示例
第5章 元數(shù)據(jù)管理
5.1 概述
5.1.1 本體
5.1.2 元模型
5.1.3 元-元模型
5.2 元數(shù)據(jù)管理策略（Metadata Management Strategy）
5.3 元數(shù)據(jù)集成體系結構
5.4 CWM
5.4.1 CWM 概述
5.4.2 CWM 發(fā)展史
5.4.3 OMG 的模型驅動體系結構
5.5 元數(shù)據(jù)管理的成熟度
5.6 IBM 元數(shù)據(jù)管理
5.6.1 InfoSphere Business Glossary
5.6.2 InfoSphere Metadata Workbench
第6章 數(shù)據(jù)治理
6.1 概述
6.2 數(shù)據(jù)治理統(tǒng)一流程參考模型
6.2.1 明確元數(shù)據(jù)管理策略
6.2.2 明確元數(shù)據(jù)管理體系結構
6.2.3 實施元數(shù)據(jù)管理
6.2.4 定義業(yè)務問題
6.2.5 獲得主管支持
6.2.6 執(zhí)行成熟度評估
6.2.7 構建路線圖
6.2.8 建立組織藍圖
6.2.9 了解數(shù)據(jù)
6.2.10 定義度量值
6.2.11 主數(shù)據(jù)監(jiān)管
6.2.12 大數(shù)據(jù)監(jiān)管
6.2.13 信息單一視圖監(jiān)管
6.2.14 運營分析監(jiān)管
6.2.15 預測分析監(jiān)管
6.2.16 管理安全與隱私
6.2.17 監(jiān)管信息生命周期
6.2.18 度量結果
6.3 IBM 信息服務器（InfoSphere Information Server）
6.3.1 InfoSphere Information Analyzer
6.3.2 InfoSphere DataStage
6.3.3 InfoSphere QualityStage
6.3.4 InfoSphere Federation Server
6.3.5 InfoSphere Replication Server
6.3.6 InfoSphere Change Data Capture
6.4 InfoSphere Guardium
6.5 InfoSphere Optim
6.5.1 Optim 數(shù)據(jù)歸檔解決方案
6.5.2 Optim 測試數(shù)據(jù)管理解決方案
第7章  數(shù)據(jù)治理
7.1 概述
7.1.1 主數(shù)據(jù)
7.1.2 MDM 概述
7.1.3 使用MDM 協(xié)助進行客戶風險管理示例
7.1.4 MDM 幫助企業(yè)加強忠誠度管理示例
7.2 MDM 成熟度
7.3 IBM InfoSphere MDM
7.3.1 InfoSphere MDM Collaboration Server
7.3.2 InfoSphere MDM Standard Edition
7.3.3 InfoSphere MDM Advance Edition
第8章 IBM信息管理
8.1 概述
8.2 IBM DB2 V
8.2.1 自適應壓縮
8.2.2 多溫度存儲（Multi-Temperature Storage）
8.2.3 時間旅行查詢（Time Travel Query）
8.2.4 DB2 兼容性功能（DB2 Compatibility Features）
8.2.5 工作負載管理（Workload Management）
8.2.6 PureXML
8.2.7 當前已落實（Currently Committed）
8.3 DB2 PureScale Feature
8.4 InfoSphere Warehouse Edition
8.4.1 分區(qū)特性
8.4.2 并行技術
8.4.3 SQL Warehousing Tool（SQW）
8.4.4 Cubing Services
8.4.5 列式存儲及壓縮技術（BLU）
8.5 InfoSphere Opitm 數(shù)據(jù)管理解決方案
8.5.1 數(shù)據(jù)庫管理和開發(fā)解決方案
8.5.2 性能管理和優(yōu)化解決方案
8.5.3 高級恢復解決方案
第9章 IBM業(yè)務分析
9.1 業(yè)務分析概述
9.1.1 五個子產品線
9.1.2 部分產品列表
9.2 Cognos BI
9.3 SPSS Modeler
9.4 SPSS Modeler 和Cognos BI 協(xié)作
附錄