大數(shù)據(jù)將打開各行各業(yè)的數(shù)據(jù)“潘多拉魔盒”。社交網站、電商巨頭、電信運營商乃至金融、醫(yī)療、教育等行業(yè)，都將加入大數(shù)據(jù)的“淘金”熱潮，政府部門同樣會從大數(shù)據(jù)中獲益匪淺。如何將海量數(shù)據(jù)應用于決策、營銷和產品創(chuàng)新？如何利用大數(shù)據(jù)平臺優(yōu)化產品、流程和服務？如何利用大數(shù)據(jù)更科學地制定公共政策、實現(xiàn)社會治理？所有這一切，都離不開大數(shù)據(jù)治理。可以說，在大數(shù)據(jù)戰(zhàn)略從頂層設計到底層實現(xiàn)的“落地”過程中，治理是基礎，技術是承載，分析是手段，應用是目的。桑尼爾·索雷斯的《大數(shù)據(jù)治理》的翻譯出版，正當其時。

《大數(shù)據(jù)治理》一書較好地滿足了理解大數(shù)據(jù)治理框架的需要，系統(tǒng)地闡述了大數(shù)據(jù)治理的各個版塊，分析了五大類大數(shù)據(jù)的治理，考察了大數(shù)據(jù)治理在典型行業(yè)的實踐，并深入淺出地介紹了當今主流的大數(shù)據(jù)技術與平臺。該書具有一定的可參照性、可操作性和可讀性，是大數(shù)據(jù)治理領域值得一讀的參考書。

目錄

第一部分 開篇
第1章 大數(shù)據(jù)治理概述
第2章 大數(shù)據(jù)治理的框架
2.1 大數(shù)據(jù)類型
2.2 信息治理準則
2.3 大數(shù)據(jù)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(shù)據(jù)治理，提高運營實時性和旅客安全度
4.2 量化大數(shù)據(jù)治理對客戶隱私的財務影響
4.3 通過治理大數(shù)據(jù)生命周期，降低IT成本
4.4 評估數(shù)據(jù)質量和主數(shù)據(jù)對大數(shù)據(jù)計劃的影響
4.5 計算大數(shù)據(jù)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(shù)據(jù)治理準則
第6章 大數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)主管
6.4 在傳統(tǒng)信息治理角色的基礎上，酌情增加大數(shù)據(jù)責任
6.5 建立承擔包括大數(shù)據(jù)在內的責任混合式信息治理組織
第7章 元數(shù)據(jù)
7.1 創(chuàng)建一個體現(xiàn)關鍵大數(shù)據(jù)術語的業(yè)務定義的詞庫
7.2 理解對ApacheHadoop中元數(shù)據(jù)的持續(xù)支持
7.3 對業(yè)務詞庫中的敏感大數(shù)據(jù)進行標記
7.4 從相關的大數(shù)據(jù)存儲中輸入技術元數(shù)據(jù)
7.5 將相關的數(shù)據(jù)源與業(yè)務詞庫中的術語進行鏈接
7.6 使用運營元數(shù)據(jù)監(jiān)測大數(shù)據(jù)的流動
7.7 保留技術元數(shù)據(jù)，以支持數(shù)據(jù)血統(tǒng)和影響分析
7.8 從非結構化文件中采集元數(shù)據(jù)，支持企業(yè)搜索
7.9 擴展既有的元數(shù)據(jù)角色，將大數(shù)據(jù)納入其中
第8章 大數(shù)據(jù)隱私
8.1 識別敏感的大數(shù)據(jù)
8.2 對元數(shù)據(jù)庫中的敏感大數(shù)據(jù)進行標記
8.3 應對國家、州（?。用娴碾[私立法和隱私限制
8.4 管理個人數(shù)據(jù)跨國界流動的情況
8.5 監(jiān)控特權用戶對敏感大數(shù)據(jù)的訪問
第9章 大數(shù)據(jù)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(shù)據(jù)質量的置信區(qū)間
9.2 利用準結構化和非結構化數(shù)據(jù)，提高人口稀疏的結構化數(shù)據(jù)的質量
9.3 使用流數(shù)據(jù)分析技術解決內存中的數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)治理政策
第11章 主數(shù)據(jù)整合
11.1 提高主數(shù)據(jù)的質量，以支持大數(shù)據(jù)分析
11.2 利用大數(shù)據(jù)提高主數(shù)據(jù)的質量
11.3 提高關鍵參考數(shù)據(jù)的質量和一致性，以支持大數(shù)據(jù)治理計劃
11.4 審視社交媒體平臺政策，以確定與主數(shù)據(jù)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(shù)據(jù)
第12章 管理大數(shù)據(jù)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(shù)據(jù)包含其中
12.2 提供法律保留區(qū)，并支持電子證據(jù)展示（eDiscovery）
12.3 壓縮大數(shù)據(jù)并將其存檔，降低IT成本，提高應用績效
12.4 管理實時流數(shù)據(jù)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(jù)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(shù)據(jù)
第三部分 大數(shù)據(jù)的類型
第13章 Web和社交媒體數(shù)據(jù)
13.1 在制定有關客戶社交媒體數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)的政策
13.6 確保網絡統(tǒng)計數(shù)據(jù)的一致性
第14章 機器對機器的數(shù)據(jù)
14.1 評估目前可用的地理位置數(shù)據(jù)
14.2 制定關于客戶地理位置數(shù)據(jù)的可接受使用的政策
14.3 制定關于雇員地理位置數(shù)據(jù)的可接受使用的政策
14.4 保證RFID數(shù)據(jù)的隱私安全
14.5 制定與其他類型M2M數(shù)據(jù)的隱私相關的政策
14.6 處理元數(shù)據(jù)和M2M數(shù)據(jù)的質量問題
14.7 制定與M2M數(shù)據(jù)的保留期有關的政策
14.8 提高主數(shù)據(jù)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(shù)據(jù)
第16章 生物計量學數(shù)據(jù)
16.1 評估與生物計量學數(shù)據(jù)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(shù)據(jù)的影響
第17章 人工生成的數(shù)據(jù)
17.1 制定屏蔽敏感的人工生成數(shù)據(jù)的政策
17.2 使用非結構化的人工生成數(shù)據(jù)，提高結構化數(shù)據(jù)的質量
17.3 管理人工生成數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)，提高人口稀疏的結構化數(shù)據(jù)的質量
18.2 提取從結構化數(shù)據(jù)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?shù)據(jù)的一致性
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(shù)據(jù)，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(shù)
19.2 主關鍵字的參照完整性
19.3 異常的儀表讀數(shù)
19.4 客戶地址的數(shù)據(jù)質量
19.5 信息生命周期管理
19.6 數(shù)據(jù)庫監(jiān)測
19.7 技術架構
第20章 通信服務提供商
20.1 大數(shù)據(jù)類型
20.2 將大數(shù)據(jù)與主數(shù)據(jù)進行整合
20.3 大數(shù)據(jù)隱私
20.4 大數(shù)據(jù)質量
20.5 大數(shù)據(jù)生命周期管理
第五部分 大數(shù)據(jù)技術
第21章 大數(shù)據(jù)的參考架構
21.1 大數(shù)據(jù)源
21.2 開源基礎組件
21.3 Hadoop發(fā)行版
21.4 流數(shù)據(jù)分析
21.5 數(shù)據(jù)庫
21.6 大數(shù)據(jù)整合
21.7 文本分析
21.8 大數(shù)據(jù)發(fā)現(xiàn)
21.9 大數(shù)據(jù)質量
21.10 大數(shù)據(jù)的元數(shù)據(jù)
21.11 信息政策管理
21.12 主數(shù)據(jù)管理
21.13 數(shù)據(jù)倉庫與數(shù)據(jù)集市
21.14 大數(shù)據(jù)分析與報告
21.15 大數(shù)據(jù)安全與隱私
21.16 大數(shù)據(jù)生命周期管理
21.17 云
第22章 大數(shù)據(jù)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