大数据治理

大数据将打开各行各业的数据“潘多拉魔盒”。社交网站、电商巨头、电信运营商乃至金融、医疗、教育等行业，都将加入大数据的“淘金”热潮，政府部门同样会从大数据中获益匪浅。如何将海量数据应用于决策、营销和产品创新？如何利用大数据平台优化产品、流程和服务？如何利用大数据更科学地制定公共政策、实现社会治理？所有这一切，都离不开大数据治理。可以说，在大数据战略从顶层设计到底层实现的“落地”过程中，治理是基础，技术是承载，分析是手段，应用是目的。桑尼尔·索雷斯的《大数据治理》的翻译出版，正当其时。
本书较好地满足了理解大数据治理框架的需要，系统地阐述了大数据治理的各个版块，分析了五大类大数据的治理，考察了大数据治理在典型行业的实践，并深入浅出地介绍了当今主流的大数据技术与平台。该书具有一定的可参照性、可操作性和可读性，是大数据治理领域值得一读的参考书。

桑尼尔·索雷斯是信息资产公司LLC的创始人和执行合伙人，LLC专注于帮助组织构建信息治理计划。曾任IBM的信息治理总监，合作客户遍布六大洲和众多行业。
除本书外，桑尼尔著有《IBM数据治理统一流程》、《说服企业实施信息治理：行业和工作职能最佳实践》两书，前者被许多组织用作信息治理计划的蓝本，并被译成中文。

第一部分开篇
第1章大数据治理概述
第2章大数据治理的框架
2.1大数据类型
2.2信息治理准则
2.3大数据治理的产业和功能场景
第3章成熟度评估
3.1IBM信息治理委员会的成熟度模型
3.2评估成熟度的示例问题
第4章业务案例
4.1通过大数据治理，提高运营实时性和旅客安全度
4.2量化大数据治理对客户隐私的财务影响
4.3通过治理大数据生命周期，降低IT成本
4.4评估数据质量和主数据对大数据计划的影响
4.5计算大数据质量的价值
第5章路线图
5.1路线图案例研究
第二部分大数据治理准则
第6章大数据治理的组织
6.1绘制关键流程图并建立职责分配模型，以识别大数据治理中的利益攸关者
6.2确定新角色和既有角色的适当组合
6.3酌情任命大数据主管
6.4在传统信息治理角色的基础上，酌情增加大数据责任
6.5建立承担包括大数据在内的责任混合式信息治理组织
第7章元数据
7.1创建一个体现关键大数据术语的业务定义的词库
7.2理解对ApacheHadoop中元数据的持续支持
7.3对业务词库中的敏感大数据进行标记
7.4从相关的大数据存储中输入技术元数据
7.5将相关的数据源与业务词库中的术语进行链接
7.6使用运营元数据监测大数据的流动
7.7保留技术元数据，以支持数据血统和影响分析
7.8从非结构化文件中采集元数据，支持企业搜索
7.9扩展既有的元数据角色，将大数据纳入其中
第8章大数据隐私
8.1识别敏感的大数据
8.2对元数据库中的敏感大数据进行标记
8.3应对国家、州（省）层面的隐私立法和隐私限制
8.4管理个人数据跨国界流动的情况
8.5监控特权用户对敏感大数据的访问
第9章大数据质量
9.1与商业上的利益攸关者协作，建立并测度大数据质量的置信区间
9.2利用准结构化和非结构化数据，提高人口稀疏的结构化数据的质量
9.3使用流数据分析技术解决内存中的数据质量问题，无须将中间结果输入硬盘
9.4任命对信息治理委员会负责的数据主管，由其负责提高测度的质量
第10章业务流程整合
10.1识别将会受到大数据治理影响的关键流程
10.2建立关键活动的流程图
10.3针对业务流程中的关键步骤，制定大数据治理政策
第11章主数据整合
11.1提高主数据的质量，以支持大数据分析
11.2利用大数据提高主数据的质量
11.3提高关键参考数据的质量和一致性，以支持大数据治理计划
11.4审视社交媒体平台政策，以确定与主数据管理整合的程度
11.5从非结构化文本中挖掘有用信息，以丰富主数据
第12章管理大数据的生命周期
12.1基于规制和业务要求，扩展保留时间表，将大数据包含其中
12.2提供法律保留区，并支持电子证据展示（eDiscovery）
12.3压缩大数据并将其存档，降低IT成本，提高应用绩效
12.4管理实时流数据的生命周期
12.5保留社交媒体记录，以符合规制要求，并支持电子证据展示
12.6基于规制和业务要求，正当合理地处置不再需要的大数据
第三部分大数据的类型
第13章Web和社交媒体数据
13.1在制定有关客户社交媒体数据的可接受使用的政策时，考虑不断变化的规制和习俗
13.2制定有关雇员和求职者社交媒体数据的可接受使用的政策
13.3利用置信区间评估社交媒体数据的质量
13.4制定有关Cookies与其他Web跟踪装置的可接受使用的政策
13.5在不侵犯隐私并遵从规制要求的基础上，定义连接在线和离线数据的政策
13.6确保网络统计数据的一致性
第14章机器对机器的数据
14.1评估目前可用的地理位置数据
14.2制定关于客户地理位置数据的可接受使用的政策
14.3制定关于雇员地理位置数据的可接受使用的政策
14.4保证RFID数据的隐私安全
14.5制定与其他类型M2M数据的隐私相关的政策
14.6处理元数据和M2M数据的质量问题
14.7制定与M2M数据的保留期有关的政策
14.8提高主数据的质量，以支持M2M计划
14.9确保SCADA设施免遭网络攻击
第15章大体量交易数据
第16章生物计量学数据
16.1评估与生物计量学数据的可接受使用相关的隐私含义
16.2与法律顾问通力合作，确定演进中的规制对使用客户和雇员生物计量学数据的影响
第17章人工生成的数据
17.1制定屏蔽敏感的人工生成数据的政策
17.2使用非结构化的人工生成数据，提高结构化数据的质量
17.3管理人工生成数据的生命周期，降低成本并遵循规制要求
17.4从非结构化的人工生成数据中获得洞察力，以丰富MDM
第四部分行业视角
第18章医疗保健机构
18.1利用非结构化数据，提高人口稀疏的结构化数据的质量
18.2提取从结构化数据中无法获得的更多临床因素
18.3设定关键业务术语的一致性定义
18.4确保跨科室的患者主数据的一致性
18.5与美国HIPAA的规定一致，符合受保护的健康信息的隐私要求
18.6创造性管理参考数据，以获得更多临床洞察
第19章公用事业部门
19.1复制仪表读数
19.2主关键字的参照完整性
19.3异常的仪表读数
19.4客户地址的数据质量
19.5信息生命周期管理
19.6数据库监测
19.7技术架构
第20章通信服务提供商
20.1大数据类型
20.2将大数据与主数据进行整合
20.3大数据隐私
20.4大数据质量
20.5大数据生命周期管理
第五部分大数据技术
第21章大数据的参考架构
21.1大数据源
21.2开源基础组件
21.3Hadoop发行版
21.4流数据分析
21.5数据库
21.6大数据整合
21.7文本分析
21.8大数据发现
21.9大数据质量
21.10大数据的元数据
21.11信息政策管理
21.12主数据管理
21.13数据仓库与数据集市
21.14大数据分析与报告
21.15大数据安全与隐私
21.16大数据生命周期管理
21.17云
第22章大数据平台
22.1IBM
22.2甲骨文
22.3SAP
22.4微软
22.5HP
22.6Informatica
22.7SAS
22.8Teradata
22.9EMC
22.10Amazon
22.11谷歌
22.12Pentaho
22.13Talend
附录缩略语列表
译者后记