編輯推薦

　　《大數據與物聯網：企業信息化建設新時代》一書為信息架構的設計提供瞭有益的指導。這種信息架構不僅能夠適應來自傳統來源所産生的龐大數據量，而且還能適應來自全球互聯網這種新的數據源所産生的數據量。正由於這兩種數據源所産生的可用數據量的與日俱增，任何企業都不想錯過從這些數據中挖掘價值的機會。

　　關於企業如何分析解決方案和企業如何進行信息化建設（包括數據倉庫、商業智能工具、預測分析、數據發現、大數據的作用和物聯網帶來的影響），本書提供瞭係統性的理論和方法。以期通過一係列的步驟便可界定企業信息化建設架構的未來狀態，並製訂達到此狀態的計劃。

　　《大數據與物聯網：企業信息化建設新時代》有助於您理解以下內容：多種新的數據源（包括來自物聯網傳感器的數據）構成的大數據對信息架構的啓示；如何通過界定兼顧IT與業務部門需求的藍圖，建立數據使用的願景，這是實現早期步驟的關鍵；在應對變換的商業挑戰和不斷進步的技術時，采取逐步解決方案的重要性與詳細信息；在評估現有的基礎設施、設計和部署新的基礎設施時如何降低風險。

內容簡介

《大數據與物聯網：企業信息化建設新時代》一書既結閤瞭實用性的建議，又包含瞭技術方麵的考慮。作者羅伯特·斯特科維卡和他的團隊因在大數據解決方案（包括分析）方麵的專業水平，在全球範圍內廣受認可。當前，各類數據呈現齣爆炸式增長的態勢，這些數據可以通過分析、轉換形成帶領企業走嚮成功的寶貴信息，如果您期望通過認真思考後作齣自己的選擇，設計自己的架構以適應這種增長，就請勿錯過寶貴的機會，閱讀此書。

作者簡介

　　羅伯特·斯特科維卡，是甲骨文公司信息架構和大數據副總裁。他的架構師及專傢團隊專注於大數據（包括Hadoop和NoSQL數據庫）、預測性分析、數據倉庫、商業智能和信息的發現。

　　該團隊與正在實施這些技術，並探索新的解決方案（如由物聯網驅動的）的公司進行閤作。羅伯特·斯特科維卡曾在世界各地的會議上發言，並共同撰寫瞭許多關於數據管理和商業智能的書籍，包括五個版本的《甲骨文要點》（奧銳利媒體）、《甲骨文大數據手冊》（甲骨文齣版社）、《用甲骨文數據庫雲服務器exadata實現極限性能》（甲骨文齣版社）、《甲骨文數據倉庫和商業智能解決方案》（威利）。

精彩書評

　　如今在商業或技術方麵的任何專業人士都肩負著如何構建與兌現當今企業的復雜信息需求的任務。對於這些專業人士來說，這本書是一本難得的好書。羅伯特·斯特科維卡和他的團隊清晰地闡明瞭如何清晰而簡潔地處理這些需求，讓讀者透徹

　　地瞭解將大數據和信號數據轉換成寶貴的企業資産的過程。

　　—— 德勤信息管理部總監 理查德J.索拉裏

　　企業架構師需要建立參考架構和路綫圖，以服務於大數據和物聯網的實施工作。這本書為企業架構師提供瞭一個很好的起點。通過運用企業架構師熟悉的方法，對商業動機、技術及其相關內容給齣瞭寶貴見解，帶領讀者全麵瞭解根據企業的特定需求，如何建立一個完整、相關、連貫的架構。

　　—— EAdirections總經理 喬治S.帕拉斯

　　這本書為界定和開發一個項目提供瞭豐富的信息。在這個項目中，技術基礎設施從傳統的數據管理平颱演變到包括Hadoop和NoSQL數據庫的管理平颱。這是我所見到的為數不多的用來界定和開發現代信息管理架構的解決方案的好書。

　　—— Saleforce.com公司高級銷售副總裁 保羅·剋洛斯

目錄

前言

第一章 大數據解決方案與物聯網

從穿孔卡片到決策支持
數據倉庫
獨立型數據集市與從屬型數據集市
增量法
更快的實施策略
商業智能工具匹配分析
數據管理策略的發展
NoSQL數據庫
Hadoop的發展
Hadoop功能和工具
物聯網
本書的方法論
TOGAF和架構原則
我們的成功方法論

第二章 評估可能性藝術

瞭解當前狀態
信息架構成熟度的自我評估
本行業的當前業務狀況
是否需要一個新的願景？ 製定願景
當前狀態和未來狀態數據倉庫
確定Hadoop和NoSQL數據庫適用的領域
連接Hadoop與數據倉庫基礎設施
實時推薦和操作
確認願景

第三章 理解商業

理解商業方案
大數據與物聯網對商業的影響
數據采集方法
有關發現的計劃
進行初步調查
進行訪談
識彆關鍵成功因素
商業驅動因素
IT驅動因素及與商業方案的連接
確定方案優先順序形成的早期路綫圖
確定商業影響和方案的優先次序
其他優先級考慮因素
開發初步商業案例
總體擁有成本(TCO)
IT價值
商業價值
需要考慮的其他平衡情況
我們纔剛剛開始

第四章 大數據與物聯網的商業信息映射

繪製當前狀態圖示
數據流示意圖基本要素
瞭解當前狀態
繪製當前狀態商業信息圖示
定義未來狀態
準備未來狀態會議
未來狀態商業信息圖示
嚮技術設計的過渡

第五章 理解組織能力

技能評估和衡量標準
業務架構能力
數據架構能力
應用架構和集成能力
技術架構能力
解決技能差距
傳遞技能差距的消息
解決關鍵技能差距

第六章 設計未來狀態信息架構

當前狀態信息架構
數據源
用於分析的數據管理係統
數據分析工具和接口
確認當前狀態BIMs
基本服務器和存儲器
其他當前狀態實踐
設計未來狀態
未來狀態BIMs與信息架構
未來狀態的寬泛考量
Hadoop相關問題
物聯網相關問題
早期運行計劃
定義路綫圖

第七章 定義初步方案和路綫圖

重新審視早期發現
重新定義技能評估
再看一看項目優先級
閤理的商業案例
獲得真實成本估算
修改商業案例
定義路綫圖
IT初步方案
製定路綫圖
獲得批準以及過渡
高管會議
過渡到實施階段

第八章 實施計劃

實施步驟
項目計劃與關鍵路徑法
及時推進項目的最佳實踐
項目時間節點變更的原因
運行解決方案
服務等級與文檔
組織變更管理
結束項目
宣布項目成功
總結分析
開始新項目
物聯網標準
標準機構
開源代碼項目
聯盟
關於作者
鳴 謝
參考文獻

精彩書摘

　　本行業的當前業務狀況

　　在製定未來信息架構時，瞭解行業的趨勢以及佳的競爭對手正如何重新調整他們的信息架構以解決這些趨勢也非常重要。要記住，大數據與物聯網的引進在很多行業內正導緻重新定義競爭對手是誰。一些組織正選擇根據以新的方式理解數據的能力進入其他行業，從而使新的企業進入點和解決方案成為可能。

　　具影響力的信息架構項目總是與解決具體的企業難題有關。以下是一張傳統數據倉庫項目和信息架構拓展以包括Hadoop和/或物聯網的項目的按行業劃分的示例列錶。這份列錶可能會給您一些關於各領域的想法，讓您可以探索這些領域，尋找與您組織的商業目標結閤時能對投資産生重大迴報的新項目：

　　農業：

　　數據倉庫：農産品和優化成本、産量分析、農産品商品定價/貿易分析。

　　Hadoop/物聯網：耕作模式、施肥、收割成熟度和含水率（來自田地裏的傳感器和氣象數據）的分析和優化。

　　汽車製造：

　　數據倉庫：生産成本和質量、供應鏈分析、保固分析、銷售和市場營銷分析、人力資本管理。

　　Hadoop/物聯網：客戶情感分析和車聯網[包括組件故障、服務和服務日常安排的需求、駕駛記錄（包括自動化汽車）和司機緊急檢測和反應]的分析。

　　銀行業：

　　數據倉庫：金融産品渠道的顧客單一視圖、金融分析、欺詐檢測、信用價值、人力資本管理、房地産管理和優化。

　　Hadoop/物聯網：欺詐檢測、風險分析和客戶情感。

　　通信：

　　數據倉庫：定價策略和資金、客戶支持與服務、市場營銷分析、供應鏈、物流與流程優化、法律閤規性、房地産優化和人力資本管理。

　　Hadoop/物聯網：對社會數據、移動設備使用、網絡質量與可用性（使用傳感器）、網絡欺詐檢測的分析，和對物聯網中拓展物聯網管理和優化的分析。

　　消費性包裝産品：

　　數據倉庫：對銷售、市場營銷、供應商、製造、物流、客戶趨勢和風險的分析。

　　Hadoop/物聯網：對推廣效果（通過社會媒體和商店內傳感器）、供應鏈、運輸期間製成品的狀況、零售中的産品放置和風險的分析。

　　教育和研究：

　　數據倉庫：對院校或設施、員工與人力資本管理，以及校友檔案與捐贈模式的金融分析。

　　Hadoop/物聯網：對風險學生（使用傳感器數據）、來自傳感器的研究數據、設施監控和使用優化的分析。

　　醫療保健付款人：

　　數據倉庫：對護理成本、護理質量、風險與欺詐的分析。

　　Hadoop/物聯網：對投保客戶情感的分析和對風險與欺詐的分析。

　　醫療保健提供者：

　　數據倉庫：護理成本分析、護理分析質量、員工與人力資本，以及風險。

　　Hadoop/物聯網：疾病與流行病模式研究、患者監控、設施監控與優化、患者觀點分析，以及風險分析。

　　高科技與工業製造：

　　數據倉庫：供應商與分銷商分析、物流管理、生産質量與保固分析。

　　Hadoop/物聯網：車間的生産和質量分析，子裝配分析的質量，産品故障與待處理故障分析以及自動化服務要求。

　　保險（財産保險與人身保險）：

　　數據倉庫：銷售與市場營銷分析、人力資本分析，以及風險分析。

　　Hadoop/物聯網：客戶情感分析與風險分析。

　　法律實施：

　　數據倉庫：物流優化、犯罪統計分析，以及人力資本優化。

　　Hadoop/物聯網：威脅分析（來自社會媒體和視頻捕捉識彆）。

　　媒體與娛樂：

　　數據倉庫：對查看者的偏好、媒體頻道流行程度、廣告銷售，以及市場推廣的分析。

　　Hadoop/物聯網：查看習慣分析（來自機頂盒）、對娛樂場所的客戶行為的分析，以及客戶情感分析。

　　石油與天然氣：

　　數據倉庫：鑽井勘測成本分析、潛在勘測地點、生産、人力資本及物流優化。

　　Hadoop/物聯網：鑽探傳感器分析（故障預防）。

　　藥品：

　　數據倉庫：臨床試驗（包括藥物相互作用研究）、被試者成果分析、研究與生産財務分析、銷售與市場營銷分析，以及人力資本分析。

　　Hadoop/物聯網：對來自傳感器、社會習慣與疾病追蹤（來自社會媒體），以及基因組研究的臨床研究數據的分析。

　　零售：

　　數據倉庫：市場購物籃分析、銷售分析、供應鏈優化、房地産優化，以及物流及分銷優化。

　　Hadoop/物聯網：全渠道分析和客戶情感分析。

　　運輸與物流：

　　數據倉庫：設備、人員物流與路綫，銷售與市場營銷分析，房地産優化，人力資本分析與優化。

　　Hadoop/物聯網：交通優化（來自高速公路傳感器）、交通安全分析與控製、設備性能與潛在故障分析（來自車載傳感器）、物流管理（來自傳感器），以及客戶情感分析。

　　公用事業：

　　數據倉庫：物流優化、電網電能輸送分析與優化、客戶能量使用，以及人力資本分析與優化。

　　Hadoop/物聯網：為電網優化和狀態而對來自智能儀錶數據的分析，主動維護優化。

　　……

前言/序言

　　本書肇始於2012年。當時，主流機構正在探討Hadoop，我們也相信信息架構將會迎來變革。多年以來，商業智能和分析解決方案的重點一直放在企業數據倉庫和數據集市，以及對其中的數據進行定義、填充和分析的最佳實踐上。結構化數據的最優關係數據倉庫的關係型數據庫設計以及數據庫的管理已成為許多此類研究工作的重點。然而這個重點也在發生變化。

　　在解決商業問題的過程中，流數據源首次被認為可能具有十分重要的意義。人們通過實驗來探索這些數據，希望發現其潛在的價值。而不幸的是，許多努力都付之東流。筆者之所以敏銳地意識到瞭這一點，是因為我們曾應多傢機構之邀提供過一些建議。

　　我們承認，確實有一些機構成功地分析瞭新數據源。但退一步來看，我們發現，它們之所以成功，是因為有一種新興的共通模式。在大數據計劃開始之前，這些機構的利益相關者就已經形成瞭關於新數據將會如何改善商業決策的理論。所以，在構建原型時，它們能夠很快證明或駁斥這些理論。

　　但這種成功的方法並不是全新的。事實上，很多機構在成功開發對其業務運營至關重要的數據倉庫、商業智能和高級的分析解決方案時采用瞭相同的策略，這是其經營業務的關鍵。在本書中，我們描述瞭一種取得成功的方法：分階段法。我們會在不同章節中分彆介紹這種方法的各個階段，並介紹如何在大數據與物聯網項目中應用這種方法。

　　早在2012年，我們就已經開始記錄這種方法瞭，並把那些在嚮客戶提供意見時已經證明十分有用的工件匯集起來，而不考慮其技術覆蓋。此後，我們與甲骨文企業架構(Oracle Enterprise Architecture)社區、係統集成商及客戶一起測試並完善瞭這一方法。

　　有時，這種方法會將我們導嚮對傳統技術覆蓋的推薦。然而，新數據源往往需要引入Hadoop和NoSQL數據庫解決方案。我們已經看到，物聯網應用也在日益邁開新的腳步。所以，我們希望有待解決的數據源和商業問題能推動架構的發展。

　　我們的工作進行瞭大約兩年，我們注意到，盡管許多書籍都描述瞭大數據與物聯網項目背後的技術組件，但卻很少涉及如何評估和推薦與一個組織的信息架構或與業務需求相一緻的解決方案。所幸，我們在Apress齣版社的朋友與我們不謀而閤，看到瞭市場對此類圖書的需求。

　　本書不能取代您書架上收藏的對可能成為未來狀態信息架構的一部分的組件有詳細描述的技術文獻。因為這並非本書的意圖。（當然，有時我們也會嚮企業架構師谘詢哪些組件是相關的並且數量能快速發展到數以百計。）

　　我們的目的是嚮您提供在未來狀態信息架構中，組件應該如何組閤在一起及其原因的堅實基礎。我們會帶您瞭解一種方法，這種方法可以建立有關未來足跡的願景，收集業務需求、數據和分析需求，評估技能，確定所需的信息架構變化，以及界定路徑圖。最後，我們為您提供瞭在實施期間需要考慮的方麵的一些相關指導。

　　我們相信本書大部分內容對企業架構師均具有指導價值。另外，我們認為，對於在IT和業務部門中工作，且希望在這些項目中取得成功的人而言，本書也將是一項寶貴的資源。

　　我們的首要目標是助您成功，希望此書能幫助您實現目標。

書不錯哦，應該是正版，物流贊一個

很好，值得購買

京東買書便宜又方便遇到六一八大促更是太便宜瞭棒棒噠哈哈哈

不錯呦！

講述瞭信息化建設概念和物聯網的一些內容

很好，值得購買

是正品，很好。

還好

給自己充電的好書