具体描述
产品特色
编辑推荐
在《数据仓库与商业智能宝典(第2版)成功设计、部署和维护DW/BI系统》中，我们以连贯的方式组织了所有这些文章。不过本书并不仅仅是过去的杂志文章和DesignTip一字不变的集合。我们已经精简了多余的内容，确保所有文章都以一致词汇来编写，并且更新了许多图片。本书中的文章都进行了重新编辑和改进。一些术语自其被引入以来已经发生了变化,我们已经以追溯的方式使用被广泛采用的当前术语替换了老的术语。
●人造键现在被称为代理键。
●数据集市已经被替
●数据暂存现在被称为提取、转换和加载。
●终端用户应用程序已经被商业智能应用程序所替代。
●帮助表现在被称为桥接表。
由于大多数人都不会从头到尾一页不漏地阅读本书，因此我们需要事先介绍一些常用的缩写词：
●DW/BI是端到端数据仓库/商业智能系统的英文缩写。这个缩写对于简约性来说很有用，不过它也明确地将数据仓库和商业智能链接为一个共存体。最后，它反映出从数据仓库本身作为终点到商业智能(BI)的重心转换推动我们所做的一切事情。毕竟，数据仓库是所有形式BI的平台。
●本书中的许多图片都包含DD(degeneratedimension)、FK(foreignkey)和PK(primarykey)缩写，它们分别代表退化维度、外键和主键。
●ETL的意思是提取、转换和加载，这是获取数据并且让数据准备好暴露给BI工具的标准范式。
●ER(entity-relationship)指的是实体关系。我们会在探讨第三范式(3NF)或者与维度数据模型相反的标准化数据模型时频繁使用ER。
●OLAP代表在线分析处理，通常用于将在多维数据库或多维数据集中捕获的维度模型与被称为星型模式的关系型DBMS中的维度模型区分开来。这些关系型星型模式有时也被称为ROLAP。
●SCD(slowlychangingdimension)是渐变维度的缩写，指的是所确立的用于处理维度属性变更的技术。
内容简介
作为数据仓库和商业智能(DW/BI)行业中有影响力的领军人物，RalphKimball、MargyRoss得到了世界范围内的认可和尊重，他们在《数据仓库与商业智能宝典(第1版)》中确立了行业标准。现在，在《数据仓库与商业智能宝典(第2版)成功设计、部署和维护DW/BI系统》中已经更新了65篇DesignTip和白皮书，从而汇集了DW/BI技术创新前沿的著作。
从项目规划和需求收集，到维度建模、ETL和BI应用，本书涵盖了你在数据仓库和商业智能中将会遇到的所有内容。这些无与伦比的文章提供了成功地设计、部署和维护DW/BI系统的重要建议。
主要内容：
◆启动DW/BI项目和收集需求的注意事项
◆集成式企业数据仓库的必备要素，其中包括总线架构和矩阵
◆事实表的粒度性和三种基本类型
◆渐变维度技术
◆星型模式、外支架和桥接表
◆维度建模高级模式
◆提取、转换和加载(ETL)子系统与数据质量
◆BI应用佳实践
◆大数据注意事项
无论你正以种身份参与数据仓库或商业智能项目，这本可轻易参考和更新的宝典可谓无价之宝。
作者简介
RalphKimball创立了KimballGroup。自20世纪80年代中期开始，他就一直是DW/BI行业关于维度化方法的思想领袖，并且已经培训了超过20000名IT专家。在任职于Metaphor和创立RedBrickSystems之前，Ralph在施乐帕克研究中心(XeroxPARC)参与创建了Star工作站。Ralph拥有斯坦福大学电子工程专业的博士学位。
MargyRoss是KimballGroup和DecisionWorksConsulting的董事长。她从1982年开始就专注于数据仓库和商业智能。截止现在，Margy已经为数百个客户提供过咨询服务，并且向数万人讲解过DW/BI的实践。在任职于Metaphor和联合创办DecisionWorksConsulting之前，她毕业于美国西北大学，并且获得了工业工程专业的学士学位。
目录
第1章 读本概览1.1 抑制住立即开始编码的冲动
1.2 设置边界
1.3 数据争夺
1.4 流言终结者
1.5 划分数据世界
1.6 集成式企业数据仓库的必要步骤
1.6.1 集成式：EDW会交付什么
1.6.2 集成的终极试金石
1.6.3 组织挑战
1.6.4 一致化维度和事实
1.6.5 使用总线矩阵与管理层交流
1.6.6 管理集成式EDW的主干
1.6.7 维度管理器
1.6.8 事实提供者
1.6.9 配置商业智能（BI）工具
1.6.10 连带责任
1.7 钻取以寻求原因
1.8 渐变维度
1.8.1 渐变维度的三种原生类型
1.8.2 高级渐变维度
1.9 通过维度评价BI工具
1.10 事实表
1.10.1 忠实于粒度
1.10.2 从最低的可能粒度进行构建
1.10.3 三类事实表
1.11 开发利用事实表
1.11.1 前端：聚合导航
1.11.2 前端：钻取不同的粒度
1.11.3 前端：将约束暴露给不同的业务过程
1.11.4 后端：事实表代理键
第2章 深入研究之前
2.1 Ralph Kimball和施乐帕克研究中心（Xerox PARC）
2.2 数据库市场分化
2.3 提出超市概念（Kimball经典）
2.3.1 危机规划
2.3.2 具有架构的数据集市
2.3.3 一致化维度的重要性
2.3.4 设计一致化维度
2.3.5 做出承诺
2.3.6 允许的一致化维度变体
2.3.7 建立标准事实定义
2.3.8 粒度的重要性
2.3.9 更高级别的数据集市
2.3.10 解决烟囱问题
2.3.11 不需要一致化维度的情形
2.3.12 清晰视角
2.4 数据仓库的全新需求
2.5 应对全新需求
2.5.1 数据集市和维度建模
2.5.2 将数据集市插入数据仓库总线架构中
2.6 挑起事端
2.7 设计约束和不可避免的现实
2.7.1 设计约束
2.7.2 不可避免的现实
2.7.3 摆脱困境
……
第3章 项目/程序规划
第4章 需求定义
第5章 数据架构
第6章 维度建模基础
第7章 维度建模任务和职责
第8章 事实表核心概念
第9章 维度表核心概念
第10章 更多的维度模式和注意事项
第11章 后台ETL和数据质量
第12章 技术架构注意事项
第13章 前台商业智能应用程序
第14章 维护和发展的注意事项
第15章 最后的思考
前言/序言
KimballGroup的文章和DesignTip归档文件一直都是我们网站(www.kimballgroup.com)上浏览量最大的。回顾20年前Ralph最初于1995年发表的DBMS杂志文章，这些归档文件探究了超过250个主题，有时比我们的书籍或课程探究的程度还要深。
在《数据仓库与商业智能宝典(第2版)成功设计、部署和维护DW/BI系统》中，我们以连贯的方式组织了所有这些文章。不过本书并不仅仅是过去的杂志文章和DesignTip一字不变的集合。我们已经精简了多余的内容，确保所有文章都以一致词汇来编写，并且更新了许多图片。本书中的文章都进行了重新编辑和改进。
经过慎重的讨论之后，我们决定更新整本书中的时间基准以及内容，以便提供2015的视角，而不是将旧日期或者过时的概念留在这些文章中。因此，2007年所写的文章可能会在一个示例中使用2015年这一时间！当出现涉及过去多少年的文章时，我们已经将这些时间基准更新为相对于2015年而言。例如，如果一篇2005年的文章最初描述“在过去5年之间”，那么该文章现在就会描述为“在过去15年之间”。在提及关于我们多年来的经验、售出的图书量、编写的文章或者教过的学生时，这些也都被更新为2015年的描述。最后，我们偶尔会将像“调制解调器”这样过时技术的引用变更为更加现代的技术，尤其是“互联网”。我们相信，这些变更不会造成误导或引起混淆，相反，它们会让本书的阅读体验变得更好。
本书读者对象和目标
本书的主要读者是正在交付数据仓库以便为商业智能提供支持的分析师、设计者、建模者或者管理者。本书中的文章描绘了DW/BI系统开发的整个生命周期，从最初的业务需求收集直到最后的部署。我们相信，这一系列文章会充当DW/BI系统开发过程中出现的数以百计的问题和情况具有深度的极佳参考。
这些文章的范围涵盖了对于高度技术性重点的关注，在所有情况下，这些文章的基调都力求提供咨询。在过去的20年中，这些文章在KimballGroup网站上每天都会被访问数千次，因此我们确信它们是有用的。通过组织这些归档文件以及系统地编辑这些文章以便确保其一致性和相关性，为本书增加了重要价值。
内容预览
本书的内容组织对于《数据仓库生命周期工具箱(第二版)》(Wiley出版社于2008年出版)的读者来说看起来会有些熟悉，因为我们是根据对应于数据仓库/商业智能(DW/BI)实现的主要里程碑的主题来组织这些文章的。鉴于“Kimball”一词差不多就是维度建模的代名词，所以不足为奇的是，本书的大部分内容都会专注于该主题。
●第1章：读本概览。我们会以Ralph几年前为DMReview杂志所写的一系列文章作为本书的开始。这一系列文章以连贯内聚的方式简洁地封装了Kimball方法，因此这些文章为本书提供了绝佳的概述，类似于克利夫笔记。
●第2章：深入研究之前。Ralph文章的长期读者会发现，该章充满了对于旧日的记忆，因为这些文章中的许多内容都具有重要历史意义。有些让人惊讶的是，尽管这些文章中的大多数都写于20世纪90年代，但其内容仍然具有相关性。
●第3章：项目/程序规划。在了解了概述和历史的经验教训之后，第3章会继续推进从而启动DW/BI程序和项目。我们会思考项目团队和主办干系人的职责，然后深入研究Kimball生命周期方法。
●第4章：需求定义。要在缺乏业务需求的情况下取得DW/BI的成功是很难的。该章将为有效获得业务需求提供具体的建议。它强调了围绕业务过程来组织需求调研结果的重要性，并且提供了就恰当的后续步骤达成组织共识的策略建议。
●第5章：数据架构。切实理解了业务需求之后，我们会将注意力转向数据(第11章同样也会继续关注数据)。该章首先会论证维度建模的正确性。然后会描述企业数据仓库总线架构、探讨敏捷开发方法以便支持数据仓库，为必不可少的集成和管理工作提供合理化机制，然后将Kimball架构与企业信息工厂的中枢辐射模型作对比。
●第6章：维度建模基础。该章将介绍维度建模的基础知识，首先探讨事实与维度的区别，以及在数据仓库中向下钻取、横向钻取和处理时间的核心活动。我们还会探究大家熟悉的关于维度模型的传言。
●第7章：维度建模任务和职责。第6章涵盖了围绕维度建模的根本性“内容和原因”，专注于“如何、谁和何时”。第7章描述了维度建模过程和任务，以便组织起一支有效的团队，不管是全新开始还是重新考虑已有模型。
●第8章：事实表核心概念。第8章的主题可以被描述为“仅仅着眼于事实”。我们首先会探讨事实表的粒度性和三种基本类型，然后将我们的注意力转向事实表键和退化维度。该章将以常用的事实表模式集锦作为结尾，其中包括空值、文本和稀疏填充的指标，以及非常类似于维度属性的事实。
●第9章：维度表核心概念。在第9章中我们会将注意力转向维度表，从对代理键和无处不在的时间(或日期)维度的探讨开始。然后将探究角色扮演、杂项和因果性维度模式，随后将探讨对于渐变维度的全面处理，其中包括四种新的高级维度类型。
●第10章：更多的维度模式和注意事项。第10章将用更丰富的维度表范围来补充前一章的内容。我们会描述星型模式和外支架，以及一节关于桥接的被大幅更新过的内容，以便应对多值维度属性和不规则的多变层次结构。我们会探讨顾客维度中经常会遇到的细微差别以及国际化问题。该章会以一系列案例研究作为结束，其中涵盖了保险、航程和网络、人力资源、金融、电子商务、文本搜索以及零售。我们鼓励每个人都仔细研读这些描述，因为这些模式和推荐做法超出了行业或应用程序边界。
●第11章：后台ETL和数据质量。在第11章中，我们要将话题切换到设计目标维度模型以便填充它。预先警告：这是篇幅很长的一章，正如根据该主题你可以预见到的一样。本书在该章中提供了大量的新素材。我们首先会描述提取、转换和加载(ETL)数据所需的34个子系统，以及使用商业化ETL工具的优缺点。基于此，我们会深入研究数据质量的注意事项，为构建事实表和维度表提供具体指导，并且探讨实时ETL的影响。
●第12章：技术架构注意事项。直到第12章，我们才开始探讨围绕技术架构的问题，首先会介绍面向服务架构(serverorientedarchitecture，SOA)、主数据管理(masterdatamanagement，MDM)以及打包分析。关于大数据的新的一节内容刊载了Ralph编写的两份重要白皮书。该章的最后几节内容会专注于展示服务器，其中包括聚合导航和在线分析处理(onlineanalyticalprocessing，OLAP)、用户界面设计、元数据、基础设施和安全性的作用。
●第13章：前台商业智能应用程序。在第13章中，我们开始介绍DW/BI系统的前台，其中业务用户会与数据进行交互。我们描述了一个典型业务分析的生命周期，从历史绩效的审查开始，但并不会止步于此。之后我们会将注意力转向标准化BI报告，然后深入探究数据挖掘和预测式分析。该章会以探究用于业务分析的SQL限制作为结束。
●第14章：维护和发展的注意事项。在倒数第2章中，我们为成功部署DW/BI系统以及保持其健康以便持续取得成功提供了建议。
●第15章：最后的思考。该章总结了来自每个KimballGroup原则的关于数据仓库和商业智能的最终观点。这些见解涵盖了我们已经获得的最重要的来之不易的经验教训，以及所能预见到的一些未来数据仓库可能具有的特性。
导航标识
鉴于《数据仓库与商业智能宝典(第2版)成功设计、部署和维护DW/BI系统》中文章的广度和深度，我们非常审慎地找出了20多篇文章作为“Kimball经典”，因为它们涵盖了非常有效的概念，我们和行业中的许多人在过去20年中反复地引用了这些文章。这些经典的文章使用如下特殊图标作为区分：
我们期望大多数人以某种随机的顺序阅读这些文章，而不是从前到后地阅读本书。因此，我们特别强调此读本的索引，因为我们期望许多读者会通过搜索特定技术或建模情形的索引来深入进行探究。
术语说明
引以为荣的是，Ralph确立的词汇表如此经久不衰并且被广泛采用，包括维度、事实、渐变维度、代理键、事实表粒度、非事实型事实表以及退化维度在内的Kimball“特征词”，在整个行业中已经持续使用20多年了。不过尽管我们充满了善意，但一些术语自其被引入以来已经发生了变化。我们已经以追溯的方式使用被广泛采用的当前术语替换了老的术语。
●人造键现在被称为代理键。
●数据集市已经被替换成业务过程维度模型、业务过程主题领域或者主题领域，这取决于上下文。
●数据暂存现在被称为提取、转换和加载。
●终端用户应用程序已经被商业智能应用程序所替代。
●帮助表现在被称为桥接表。
由于大多数人都不会从头到尾一页不漏地阅读本书，因此我们需要事先介绍一些常用的缩写词：
●DW/BI是端到端数据仓库/商业智能系统的英文缩写。这个缩写对于简约性来说很有用，不过它也明确地将数据仓库和商业智能链接为一个共存体。最后，它反映出从数据仓库本身作为终点到商业智能(BI)的重心转换推动我们所做的一切事情。毕竟，数据仓库是所有形式BI的平台。
●本书中的许多图片都包含DD(degeneratedimension)、FK(foreignkey)和PK(primarykey)缩写，它们分别代表退化维度、外键和主键。
●ETL的意思是提取、转换和加载，这是获取数据并且让数据准备好暴露给BI工具的标准范式。
●ER(entity-relationship)指的是实体关系。我们会在探讨第三范式(3NF)或者与维度数据模型相反的标准化数据模型时频繁使用ER。
●OLAP代表在线分析处理，通常用于将在多维数据库或多维数据集中捕获的维度模型与被称为星型模式的关系型DBMS中的维度模型区分开来。这些关系型星型模式有时也被称为ROLAP。
●SCD(slowlychangingdimension)是渐变维度的缩写，指的是所确立的用于处理维度属性变更的技术。
用户评价
这本书的封面设计简洁大气，封面上的书名“数据仓库与商业智能宝典(第2版)”以及副标题“成功设计、部署和维护DW/BI系统（大数据应用与技术丛书）”都直观地展现了其核心内容。我选择这本书是因为我对如何从海量数据中提取有价值的信息，并将其转化为驱动企业决策的洞察力有着强烈的兴趣。在数字化浪潮席卷各行各业的当下，数据的重要性不言而喻，而数据仓库和商业智能正是实现这一目标的关键技术。我一直想系统地学习如何构建一个高效、稳定且易于扩展的数据仓库，以及如何利用商业智能工具进行数据分析和可视化。这本书的“第2版”说明它经过了时间的沉淀和内容的更新，这让我对接下来的内容充满了期待。我希望它能为我提供一套完整的方法论，从数据采集、清洗、存储，到数据建模、ETL过程设计，再到BI报表开发和仪表盘构建，都能有清晰的指导。同时，书中提到的“大数据应用与技术丛书”的定位，也暗示了它会涵盖一些前沿的技术和理念，这对我来说无疑是雪中送炭，能够帮助我跟上技术发展的步伐，更好地应对未来工作中可能遇到的挑战。
评分在阅读这本书之前，我对数据仓库和商业智能的理解还比较零散，停留在一些基础的概念层面。 《数据仓库与商业智能宝典(第2版)》的出现，为我提供了一个系统性学习的平台。我一直以来都对如何从繁杂的数据中提炼出有价值的信息感到困惑，这本书的“成功设计、部署和维护”的承诺，让我看到了解决这个问题的希望。我特别期待书中关于数据仓库设计的部分，例如如何进行数据建模，如何选择合适的数据存储技术，以及如何构建高效的ETL流程。同时，我对书中关于商业智能的应用也充满了兴趣，例如如何利用BI工具进行数据分析，如何创建直观的仪表盘，以及如何将BI成果有效地传达给业务部门。作为“大数据应用与技术丛书”中的一员，这本书应该会涵盖一些与大数据相关的技术和应用，这对我来说非常重要，因为我希望能够跟上技术发展的潮流，并在工作中应用最先进的技术。总而言之，我非常期待通过阅读这本书，能够全面掌握DW/BI系统的设计、部署和维护的知识和技能。
评分这本书的出现，在我看来，是对当前企业数字化转型需求的一种有力回应。越来越多的企业开始意识到数据资产的重要性，但如何有效地利用这些数据，却成为了一个巨大的挑战。 《数据仓库与商业智能宝典(第2版)》的出现，填补了我在这方面的知识空白。我一直对如何将复杂的数据转化为易于理解的商业洞察感到好奇。我希望书中能够深入浅出地讲解数据仓库的架构设计，包括数据集成、数据存储、数据访问等关键组件，并且能够提供一些实际的项目案例，让我能够更直观地理解理论是如何应用于实践的。尤其是我对书中提到的“商业智能”部分充满了期待。我希望它能够介绍不同类型的BI工具，以及如何选择最适合企业需求的BI解决方案。更重要的是，我希望它能够指导我如何设计有效的报表和仪表盘，以便于管理层能够快速地掌握关键业务指标，并作出明智的决策。这本书的“第2版”说明它已经历过市场的检验，并且进行了更新，这让我对内容的质量非常有信心。
评分作为一名在IT行业摸爬滚打多年的从业者，我深知理论知识与实际操作之间的差距。一本优秀的实践指南，能够极大地缩短学习周期，避免走弯路。这本书的副标题“成功设计、部署和维护DW/BI系统”正戳中了我的痛点。很多时候，我们能够理解概念，但一旦涉及到实际的系统搭建，就会遇到各种预料之外的难题。《数据仓库与商业智能宝典(第2版)》承诺提供“宝典”级的指导，我期待它能够像一本武林秘籍一样，为我揭示构建健壮DW/BI系统的关键秘诀。我尤其看重“维护”这个环节，很多系统在上线初期风光无限，但随着时间的推移，数据量激增、业务需求变化，系统性能急剧下降，维护成本居高不下，最终沦为摆设。我希望这本书能提供关于系统性能优化、数据安全、版本管理、灾难恢复等方面的实用建议，让我能够构建一个能够长期稳定运行的DW/BI系统。此外，作为“大数据应用与技术丛书”的一员，我希望这本书能够介绍一些在处理大数据场景下DW/BI系统的设计与实现方法，例如如何与Hadoop、Spark等技术集成。
评分我之所以被这本书深深吸引，很大程度上是因为我过去在处理企业数据时，经常感到力不从心。部门之间的数据孤岛、信息不一致、报表制作效率低下等问题，严重阻碍了我们进行有效的分析和决策。我渴望找到一本能够指引我从根本上解决这些问题的书籍，而《数据仓库与商业智能宝典(第2版)》似乎就是我一直在寻找的答案。它不仅仅是理论的堆砌，更强调“成功设计、部署和维护”，这正是实践中最为关键的环节。我特别关注书中关于数据仓库设计的部分，例如数据模型的选择（星型、雪花型等），以及如何根据业务需求进行合理建模。同时，ETL（抽取、转换、加载）过程的优化也是我关注的重点，如何保证数据质量、提高处理效率，是降低维护成本、提升系统稳定性的重要因素。此外，书中关于商业智能工具的应用和报表开发的内容，也让我跃跃欲试。我希望通过学习，能够掌握如何利用BI工具构建交互式仪表盘，将复杂的数据可视化，从而让数据分析的结果更加直观易懂，真正赋能业务部门。
评分◆14个案例研究，涉及零售业、电子商务、客户关系管理、采购、库存、订单管理、会计、人力资源、金融服务、医疗卫生、保险、教育、电信和运输等
评分经济实用，物有所值，效果好，值得拥有
评分很好的书。要保持知识饥渴、每日读书的习惯。京东送货很快。每本书都有塑封，好评。
评分内容很全面很详尽，适合有一定基础的朋友阅读，不建议初学者阅读。
评分办公用品还是选京东，质量有保证到货快，不错！
评分近期做项目正需要，书不错，翻译还行，非专业人士看了可能有点难度。
评分这本书对于维度建模可以说是基础且必要的书，理论结合实践，非常不错
评分经常网购，总有大量的包裹收，感觉写评语花掉了我大量的时间和精力!所以在一段时间里，我总是我又总是觉得好像不去评价或者随便写写!但是，有点对不住那些辛苦工作的卖家客服、仓管、老板。于是我写下了一小段话，给我觉得能拿到我五星好评的卖家的宝贝评价里面以示感谢和尊敬!首先，宝贝是性价比很高的，我每次都会先试用再评价的，虽然宝贝不一定是最好的，但在同等的价位里面绝对是表现最棒的。京东的配送绝对是一流的，送货速度快，配送员服务态度好，每样东西都是送货上门。希望京东能再接再厉，做得更大更强，提供更多更好的东西给大家。为京东的商品和服务点赞。
评分数据仓库学习的工具书，好看
相关图书
![C语言程序设计（第3版） [Programming in C（Third Edition）] pdf epub mobi 电子书 下载](https://pic.qciss.net/12237665/5a8e56e0N06757ca6.jpg)
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.cndgn.com All Rights Reserved. 新城书站 版权所有