Enterprise Architecture for Integration: Rapid Delivery Methods and Technologies
作者： Clive Finkelstein
ISBN13： 9781580537131
类型： 精装(精装书)
语种： 英语（English）
出版日期： 2006-03-31
出版社： Artech House Publishers
页数： 500
重量（克）： 1138
尺寸： 25.7556 x 19.1008 x 3.429 cm
Methods and computer technologies are needed to enable rapid business and system change, and this practical book shows professionals how to achieve this agility through Enterprise Integration (both business and technology integration). The CD-ROM contains a tutorial that takes professionals through a model driven approach to software development, and more.
The enterprise architecture methods of enterprise engineering as described in this book enable business experts and IT experts together to identify reusable business activities, processes and integrated databases. Three main sections cover enterprise architecture for managers, methodology, and integration technologies.
全书目录如下：
第1章 电子政务系统建设概述 1
1.1 电子政务简介 1
1.2 电子政务的发展动因 2
1.3 电子政务的主要形式 3
1.4 电子政务系统 4
1.4.1 政务系统简述 4
1.4.2 政务系统的特点 4
1.4.3 政务系统的复杂性 8
1.4.4 政务知识工程 11
第2章 政务信息资源目录体系 16
2.1 概述 16
2.2 政务信息资源分类 16
2.2.1 信息分类方式 16
2.2.2 政务信息分类原则和形式 17
2.3 政务信息资源分类体系 19
2.3.1 GB/T 21063.4-2007分类体系 19
2.3.2 目录编制与扩充原则 20
2.4 政务信息资源类目扩充 21
2.5 其他政务分类标准 22
2.6 政务资源分类目录扩充实例 26
2.6.1 “经济管理”类目扩充 26
2.6.2 “金融”类目扩充 32
2.6.3 “能源”类目拓充 37
2.6.4 “工业、交通”类目扩充 41
2.6.5 信息化类目扩充 50
2.6.6 公共行政与社会事务类目 56
2.7 政务资源目录与语义模型 66
第3章 政务资源本体模型 67
3.1 概述 67
3.2 政务语义信息模型 67
3.3 本体 68
3.4 政务本体示例 70
3.4.1 国外政务本体模型示例 70
3.4.2 国内适用的政务本体模型 71
3.4.3 “经济发展”本体模型 72
3.4.4 “金融政策”本体模型 76
3.4.5 “金融市场”本体模型 78
3.4.6 “人类环境”本体模型 81
3.4.7 诸本体说明 84
第4章 政务信息资源形态与架构 85
4.1 概述 85
4.2 数据、信息与知识 85
4.2.1 政务系统中的资源形态 85
4.2.2 数据、信息与知识模型 85
4.2.3 基于概念的资源加工与算法 88
4.3 语义计算技术 89
4.3.1 基于自然语言的资源处理技术 89
4.3.2 汉语分词与专业语料库 90
4.3.3 语义计算的应用 90
4.4 基于知识管理的电子政务系统架构 95
第5章 基于知识管理的政务平台 104
5.1 概述 104
5.2 现代服务业系统基本情况 104
5.3 现代服务业系统功能设计 105
5.3.1 功能架构 105
5.3.2 分类功能 106
5.3.3 分类描述与训练 110
5.3.4 权值调整 114
第6章 资源自动分类 115
6.1 概述 115
6.2 自动分类历史 116
6.3 自动分类算法简介 116
6.4 自动分类技术的特点 116
6.5 自动分类法实例 117
第7章 聚类分析 124
7.1 概述 124
7.2 信息聚类 124
7.3 聚类可视化 125
7.4 聚类功能的综合应用 131
7.5 聚类分析算法简介 132
7.6 聚类与分类结合的案例——中国专利信息中心的关联检索系统 133
第8章 信息代理服务 135
8.1 概述 135
8.2 信息代理的特点 135
8.3 专题服务实例分析 137
第9章 知识挖掘与演绎 143
9.1 概述 143
9.2 知识挖掘示例 143
9.3 资源挖掘的特点 146
9.4 知识碰撞与发现 146
9.5 小结 149
第10章 知识社区——构建协同作业环境 150
10.1 概述 150
10.2 政务社区基本架构 150
10.3 建立协作型专家网 153
10.4 案例(一) Arup集团——实现全球分布知识的有效利用与协作生产 155
10.5 案例(二) CCTV新大楼设计中的知识集聚 158
10.6 案例(三) BAE系统公司企业级知识协作门户 159
第11章 电子政务OA与知识管理的结合 161
11.1 概述 161
11.2 OA与网情分析结合 161
11.3 资源在线后援 163
11.4 多种形式的在线资源援助 167
11.5 智能搜索 171
11.6 在线编辑支持平台实用案例 172
11.7 传统传媒进入“媒体在线时代”对电子政务的启示 177
第12章 基于知识管理的综合政务门户应用 181
12.1 概述 181
12.2 上海徐汇区公务员服务系统 181
12.3 上海静安区行政服务中心案例 189
12.4 上海卢湾区的政务知识交互系统案例 194
12.5 上海市信访办不稳定排摸系统 197
第13章 舆情聚成、内容监管与打击经济犯罪系统 200
13.1 背景 200
13.2 系统概述 200
13.3 应用流程 202
13.4 技术架构 202
13.5 监管系统运行 204
13.6 案例简介(一)——上海市新闻主管机构的舆情聚成系统 210
13.7 案例简介(二)——电信运营商的敏感词监控系统 211
13.8 两案例实际效果分析 212
13.9 案例简介(三)——经济犯罪案件辅助侦察系统 213
第14章 大型政务系统应用案例 216
14.1 概述 216
14.2 案例(一) 国家金宏工程辅助决策支持子系统 216
14.3 案例(二) 中国人口学会商业智能(BI)数据系统 219
14.4 案例(三) 中科院国家科学数字图书馆中心门户 222
14.5 案例(四) 英国贸易工业部(DTI)支持英国公司海外贸易业务的ITS系统 225
14.6 案例(五) 英国贸易部和工业的“英国生物工程系统”(i-Bio UK) 227
第15章 视频资源整合 232
15.1 概述 232
15.2 富媒体资源的加工与应用 232
15.3 视频资料的加工与检索 233
15.4 实时监控系统的应用 236
15.5 案例(一) 赫尔市安全视频监控系统 240
15.6 案例(二) 全球两大汽车公司的多媒体系统应用 240
第16章 政务本体模型实例 245
16.1 概述 245
16.2 电子政务本体分类 249
16.3 三农类本体目录 250
16.3.1 三农与一级类目的对应 250
16.3.2 三级类目展开 251
16.3.3 农业类本体示例 251
16.4 工业类二级本体目录 254
16.5 宏观经济类本体 256
16.5.1 “宏观经济”与一级类目的对应 256
16.5.2 宏观经济类本体目录 256
16.5.3 “宏观经济”本体示例 256
16.5.4 “经济发展”本体示例 259
16.5.5 “经济规划”本体示例 261
16.5.6 “经济模型”本体示例 261
附录1 GB/T 21063.4-2007《政务信息资源分类》一、二级目录 263
附录2 COFOG全分类目录(三级目录) 269
附录3 服务分类类目表 275
《穿越数据的迷宫：数据管理执行指南》一书是DAMA（国际数据管理协会）强烈推荐的关于数据管理和数据治理的重要书籍，也是《DAMA数据管理知识体系指南（原书第2版）》（DAMADMBOK2）认证培训配套教材。该书重点从管理层的角度阐述为什么数据管理很重要，数据管理包括了哪些内容，以及如何进行数据管理，从而帮助管理层在了解数据管理的过程中不致迷失在技术术语的迷宫之中。
本书分12章重点阐述了数据管理的重要性，数据管理面临的挑战，DAMA的数据管理原则，数据伦理，数据治理，数据生命周期管理的规划及设计，数据赋能和数据维护，使用和增强数据，数据保护、隐私、安全和风险管理，元数据管理，数据质量管理，以及现在应该怎么办，能够帮助企业管理层在了解和执行数据管理的过程中不致迷失在技术术语的迷宫之中。本书可供非数据专业人士、企业管理者、数据行业研究者等读者学习和参考。
劳拉•塞巴斯蒂安-科尔曼是国际数据管理协会（DAMA）资深会员，从事数据管理，特别是数据质量管理20多年，在美国数据管理行业享有很高的声誉，是许多重量级数据管理会议的演讲嘉宾。她先后在多家金融保险公司担任数据主管，包括Cigna、United、Aetna等。
https://item.jd.com/12635181.html#crumb-wrap
数据管理领域是信息技术发展中的一个新兴领域，随着互联网、全球化和信息化的快速发展，数据管理的重要性日益显现。数据管理是把业务和信息技术融合起来所必需的一整套技术、方法及相应的管理和治理过程。它的特殊定位决定了它涉及的知识体系面广且深，而要把其中各知识领域和它们之间的相互关系梳理和解释清楚并不是一件容易的事情。DAMA国际通过对业界数据管理最佳实践的分析总结，出版了《DAMA-DMBOK2数据管理知识体系指南（第2版）》，本书给出数据管理的职能、术语和最佳实践方法的标准行业解释，提供数据管理总体框架，为数据管理发展提供了重要的理论基础。
国际数据管理协会（Data Management Association ,又名DAMA International,以下简称“DAMA”）是一个全球性数据管理和业务专业志愿人士组成的非营利协会，致力于数据管理的研究和实践。DAMA国际自1980年成立以来，一直致力于数据管理的理论研究、实践、教训及相关知识体系的建设，在数据管理领域累积了极为深厚的知识沉淀和丰富经验。
几十年来，DAMA组织众多数据管理领域的国际级资深专家编著，深入阐述数据管理各领域的完整知识体系。作为最终体现，DAMA的数据管理知识体系[DAMA-DMBOK2:Data Management Body of Knowledge.2 nd Edition],中文版为《DAMA数据管理知识体系指南（第2版）》，第二版英文版在2017年出版。
《DAMA数据管理知识体系指南（第2版）》一书中文版由机械工业出版社在国内出版，即将今年3月上市。全书由国际数据管理协会中国分会多名会员志愿共同翻译完成，这是一项里程碑式的工作。
本书是国际数据管理协会（DAMA International）对过去30多年数据管理领域知识和实践的一个总结，由会员们花了多年时间和业界专家反复讨论撰写而成。
它是市场上唯一综合了数据管理方方面面的一部权威性著作。目前市场上有关数据某一专门领域的著作并不鲜见，但把数据管理各领域作为一个完整的知识体系来讨论的据我所知却仅此一本，而这正是本书的一个主要独特之处。
DAMA-DMBOK2理论框架由车轮图（由11个数据管理职能领域）和环境因素六边形图（由7个基本环境要素）”共同构成“DAMA数据管理知识体系”（纵轴为数据管理的11个职能领域，横轴为7个环境要素），每项数据职能领域都在7个基本环境要素约束下开展工作。
《DAMA-DMBOK2 指南》的每 一章介绍一个数据管理职能，讨论此职能的 7 个环境元素。根据所讨论的具体问题， 每章的讨论深入程度有所不同。每一章都遵循如下的统一结构，包括：
（1）对该职能的简要介绍，包括关键术语的定义、关联图和业务目标列表。
（2）概念和活动的描述：包括相关的交付成果，负责的角色和组织，最佳实践，常用程序和方法，配套技术等。有一些章节中会为每一个子职能单独定义概念和活动。
（3）一段综述：包括一个重申指导原则的列表，一个重述该职能相关活动、交付成果和责任角色的表格，以及关于组织和文化问题的简要讨论。
（4）推荐读物列表：给出了可选读的书籍和文章，以供参考。
《DAMA-DMBOk2数据管理知识体系指南》(即《DAMA—DMBOK2指南》)一书，进一步推动数据管理行业的发展。本指南的目的是为数据管理科学提供明确的概述，并不试图成为数据管理的百科全书，或是就所有数据管理相关事情的全面论述。相反，本指南简要介绍了数据管理相关概念，并确定了数据的管理目标、职能和活动的主要交付成果、角色、原则、技术和组织文化方面的问题。它简要介绍了被人们普遍接受的良好规范以及重要的可选方法。
《DAMA数据管理知识体系指南（第2版）》的主要10大用途和目标是：
笔者认为，以下12大读者群体适合阅读该书：
同时，《DAMA数据管理知识体系指南（第2版）》切入点比较全面和系统，适合于高校MBA或者计算机专业本科或者以上的教科书。
DMBOK2相对DMBOK1有8方面的变化，详细阐述如下：
DMBOK1去掉了“数据开发”章节，增加了“数据建模和设计”和“数据集成和互操作”，同时增加“数据处理伦理规范”、“大数据和数据科学”、“数据管理成熟度评估”、“数据管理组织和角色期望”、“数据管理和组织变革管理”章节
（1）数据治理不仅独立作为一章进行介绍，更是在每个知识领域章节中，专门增加一节介绍该领域内涉及到治理的内容。
（2）强调数据治理融入系统设计和开发过程中，让数据治理成为保证系统质量和数据质量的有力保障,其贯彻系统建设全过程，数据治理落地性更强。
数据架构，数据建模和设计两部分内容重要性加强了，数据标准包括在数据模型设计中。强调数据设 计及在设计过程中落标。
（1）从事后治理向事先管控转变，从被动治理向主动治理转变，从理论向实战落地转变，从单纯的治理向治理+服务扩展，从传统数据向大数据转变。
（2）强调风险管理和企业文化因素，每个知识领域增加“实施指南”一节,包括风险评估各个领域实践过程中可能遇到的风险和应对建议。
（1）数据治理嵌入到业务开展、系统建设、数据应用流程中，治理概念脱虚向实。
（2）在介绍11个知识体系过程中，每个部分都分别详细介绍了落地方法及工具情况，便于落地。
（3）每个知识领域增加“实施指南”一节,针对现状的评估、企业文化变革方面提供了建议和思考。
“实战和方法”，“主要交付物”两部分内容 合并为交付管理，增设工具内容；
该框架从数据管理的指导目标开始获取价值，因此与数据全生命周期相关，派生价值需要生命周期管理。从数据生命周期出发，数据治理贯穿于整个数据开发过程。
数据治理必须嵌入到业务开展、系统建设、数据应 用流程中，并通过工具来支撑使用，工具的介绍篇章及份额明显增加。
对数据管理专业人士也可用作业务参考。全书共17章。分别是：
除了有关知识领域的章节外DAMA-DMBOK，车轮图以外的内容，包含以下主题章节：
第1阶段：组织购买包含数据库功能的应用程序。这意味着组织以此作为数据建模、设计、数据存储和数据安全的起点。要使系统在其数据环境中运行，还需要做数据集成和交互操作方面的工作。
第2阶段：一旦他们开始使用应用程序，他们将发现数据质量方面的挑战。但获得更高质量的数据取决于可靠的元数据和一致的数据架构。它们说明了来自不同系统的数据是如何协同工作的。
第3阶段：管理数据质量、元数据和架构需要严格地实践数据治理，为数据管理活动提供体系性支持。数据治理还支持战略计划的实施，如文档和内容管理、参考数据管理、主数据管理、数据仓库和商务智能，这些黄金金字塔中的高级应用都会得到充分地支持。
第4阶段：该组织充分利用了良好管理数据的好处，并提高了其分析能力。
描述构成数据管理伦理的基本原则；阐述数据伦理处理方法如何帮助组织避免数据的非正常使用及由此带来的对客户、声誉或更广大群体的危害。
尊重他人: 这个准则反映了对待人类最基本的伦理要求，即尊重个人尊严和自主权。
行善原则：这条准则有两个要素：第一，不伤害；第二，将利益最大化、伤害最小化。
公正：这一准则认为待人公平和公正
建立合乎伦理道德的数据处理文化需要理解现有实践，定义预期行为，将它们编入策略和道德规范，并提供培训和进行监督，以强制执行预期行为，与管理数据和改变文化相关的其他举措一样，这一过程需要强有力的领导层的推动。
合乎伦理道德的数据处理显然包括遵守法律。它也会影响组织内部和外部对数据的分析、 解释和利用方式，重视伦理道德行为的组织文化不仅 要有行为准则，还要确保有清晰的沟通和治理机制，以支持那些意识到不道德行为或风险的员工。
数据建模与设计：数据建模是发现、分析和确定数据需求的过程，然后用一种用称为数据模型的精确形式表示和传递这些数据需求。这个过程是循环迭代的，可能包括概念、逻辑和物理模型。
定义：管理和整合在应用系统和组织内部，或者应用系统与组织之间传输的数据。
大数据不仅是指数据量大，也包括数据的种类（结构化的和非结构化的，文档（documnents）、文件(files)、音频、视频、流数据等）, 以及数据产生的速度。那些从数据中探究并研发预测模型、机器学习模型、规范性模型和分析方法、并将研发结果部署供相关方进行分析的人，被称为数据科学家。
大数据和数据科学：多种不同类型的数据集合（大数据）和分析（数据科学，解析，可视化），都是为了洞察和解决分析初始时未知的问题。
随着大数据被加载到数据仓库和商务智能环境中，数据科学技术被用来为组织提供前瞻性的视图（“挡风玻璃”）。使用不同种类的数据源，实现预测能力、基于模型的实时分析能力，能够为组织未来的发展方向提供更深刻的洞察能力。
要想利用大数据，就需要改变数据的管理方式。大多数数据仓库都基于关系模型，而大数据一般不采用关系模型组织数据。大多数数据仓库依赖于ETL（提取、转换和加载）的概念。大数据解决方案，如数据湖，则依赖于ELT的概念——先加载后转换。更加重要的是，数据的生产速度和容量带来了挑战，需要在数据管理的各个关键领域中采用不同的方法，如集成、元数据管理和数据质量评估。
成熟度模型通过描述各阶段能力特点来定义成熟度的级别。当一个组织满足某阶段能力特征时，就可以评估其成熟度等级，并制定一个提高能力的计划。它还可以帮助组织在等级评估的指导下进行改进，与竞争对手或合作伙伴进行比较。在每一个新等级，能力评估会变得更加一致、可预测和可靠。当能力呈现出与等级不符的特征时，等级会得到提升。但能力水平有既定顺序，不能跳过任何等级。
CMM通常定义五至六个成熟度级别，每个级别有各自的特性，从初始级到优化级。数据管理成熟度评估框架被划分为离散的数据管理主题，框架焦点和内容取决于它们是用于通用行业还是特定行业。
大多数组织正面临着越来越多的数据。这些数据格式多样化、数量庞大，并来源于不同的渠道。由于数据的数量和种类的增加，加剧了数据管理的复杂性。与此同时，数据消费者要求更快速、更方便地访问数据，他们希望理解并使用数据，以便及时地解决关键业务问题。数据管理和数据治理组织需要足够灵活，才能在不断发展的环境中有效地工作。因此，需要澄清关于所有权、协作、责任和决策的基本问题。
本章将描述在组建数据管理或数据治理组织时，应该考虑的一组原则。它同时涉及数据治理和数据管理，因为数据治理为数据管理组织执行活动提供指导和业务背景。两者都没有完美的组织结构。虽然数据治理和数据管理组织应该遵循一些公共原则，但是很多细节依赖于组织所在行业的驱动因素和组织自身的企业文化。
运营模式是改进数据管理和数据治理实践的起点。引入运营模式之前，需要了解它如何影响当前组织以及它可能会如何发展。由于运营模式将帮助政策和流程的定义、批准和执行，因此确定最适合组织的运营模式是至关重要的。
评估当前的组织结构是集中的、分散的，还是混合的、层级化的或相对扁平的？描述相关部门或区域的独立性。他们的运作几乎是自给自足的？他们的要求和目标是否有很大的差异？最重要的是，尝试确定决策是如何做出的（例如，民主或强制性指令），以及如何实施这些决策？
成功的数据管理实践需要：
组织变革管理专家约翰·科特（John P. Kotter）总结了一套基本的“变革法则”，这些法则描述了为什么变革并不容易。在变革过程之初就认识到这些问题有助于取得成功。
大数据时代的到来，让“数据即资产”成为最核心的产业趋势。在这个“数据为王”的时代，企业发展兴衰的决定性因素，已不是一城一池的争夺，也不是土地、人力、技术、资本这些传统意义上的生产要素，而是曾经被一度忽视的”数据资产”。
数据成为资产的关键在于数据挖掘分析，需要以资产化的方式进行数据治理，实现“应用和管理”稳步前进。只有通过数据的整合，达到企业数据的上下贯通，横向融合，才能更好的做好数据资产的运营。
数据治理已成为企事业单位精细化管理不可或缺的基础，只有切实落实好数据治理工作，才能提升企业数据质量、实现数据价值升华，真正成为企业应对市场挑战的助推力。
数据治理系列文章预告:
第十五篇: 存量系统物料主数据代码转化难点的剖析和应对措施
第十六篇: 数据资产的成功要素：数据战略管理
第十七篇: 数据治理考核体系相关思路
第十八篇:一体化数据治理和共享平台－数据资产管理目录工具介绍
第十九篇:一体化数据治理和共享平台－主数据管理工具介绍
第二十篇:一体化数据治理和共享平台－数据质量管理工具介绍
第二十一篇:一体化数据治理和共享平台－数据安全工具介绍
第二十二篇:一体化数据治理和共享平台－元数据工具介绍
第二十三篇:一体化数据治理和共享平台－数据模型工具介绍
第二十四篇:数据清洗工具、策略和步骤方法
蔡春久：某公司数据业务负责人。中国数据标准化及治理大会组委会评为十位“ 中国数据标准化及治理专家”之一 。中国大数据技术标准推进委员会数据资产专家、中电标协企业信息标准化委员会常委委员、eCl@ss协会会员（国际产品分类标准化组织）、中国数据工匠俱乐部发起人。工商管理硕士，具有二十年特大型集团企业IT咨询服务和数据治理行业经验，从业前十年主要从事物资采购变革与管理、PLM、ERP、MES等领域咨询服务，近十年专注数据治理及标准化、数据架构、智能工厂等咨询工作。为中国石化集团、中国兵器工业集团、中国航天科工集团、中国核工业集团、国投集团、晋煤集团、中国外运股份、新兴际华集团、国家电投集团、中国一重集团、哈电集团、延长石油集团、恒力集团等80余家国内及世界500强集团企业提供数据治理相关咨询服务。
https://item.jd.com/12665019.html#none
如何掌握区块链底层原理，应用区块链技术进行数据治理
区块链介绍、区块链应用、数据安全、数据治理、数据架构
区块链的原理、用法影响
如何构建区块链应用程序
区块链在不同行业/领域的使用
数据安全、架构、设计、存储与治理
指定教材：数据治理工程师（CDGA）及数据治理专家（CDGP）认证指定教材
导向明确：专门论述区块链技术与数据治理，侧重于技术、方法和应用
风趣易读：文风轻松有趣，流畅易读，毫无单调乏味、苦涩之感
用例众多：针对区块链的流程和应用，都给出了具体示例
图表说明：全书包括75幅图、12个表格，助你理解文字，掌握术语，熟悉流程
分析全面：针对九大行业/领域和十一大数据管理领域的工作如何开展，以及区块链新型应用给这些行业/领域带来的全新的改变及挑战，系统而全面地展开分析
自1992以来，史蒂夫·霍伯曼（Steve Hoberman）已经在数据建模领域培训了超过1万名从业人员。 史蒂夫·霍伯曼以娱乐化、互动化的教学风格闻名于世，世界各地的许多组织都曾邀请他讲授数据建模高级课程（Data Modeling Master Class）。该课程是业内公认的、全面的数据建模课程。 史蒂夫·霍伯曼先后出版了9本关于数据建模的图书，其中一本介绍了他的主要工作任务，即如何使用数据模型积分卡技术进行模型评审。 史蒂夫·霍伯曼还是设计挑战组织的创始人、数据建模领域会议的会议主席，并获得了由数据管理协会（Data Adminstration Management Assoclation,DAMA)颁发的2012国际职业成就奖。
本书购买链接
https://item.jd.com/13267276.html
也可手机扫码进行购买
