Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

We leven in een digitale wereld en de brandstof voor de digitale wereld is data. Data als succesfactor geeft aan hoe je de groeiende stroom data binnen organisaties kunt organiseren, er kennis en informatie uit kunt verkrijgen en die in de praktijk kunt toepassen. Daarbij spelen nieuwe technologieën en begrippen een belangrijke rol: Analytics, Artificial Intelligence, Machine Learning, Deep Learning, Data Lakes, Data Labs, Hadoop en Map/Reduce. In deze nieuwe editie (voorheen Business Intelligence en datawarehousing) wordt de techniek gerelateerd aan het doel: processturing. Stuurprocessen zijn het uitgangspunt voor het ontwerp van de Business Intelligence (BI)-omgeving. Deze omvat de datawarehouse- en Data Lake-infrastructuur met de typische datamodellen en gegevensstromen. BI vereist ook een specifieke projectaanpak, een organisatieonderdeel voor het dynamische beheer, data governance, alignment en kwaliteitsbeheer. BI-experts leren om te gaan met tegengestelde belangen, uiteenlopende verwachtingen, scope creep, privacywetgeving en ethische vraagstukken. Dit toegankelijk geschreven boek besteedt aandacht aan alle bovengenoemde aspecten en bevat veel praktijkvoorbeelden die de problematiek rond BI en datawarehousing inzichtelijk maken. Elk hoofdstuk bevat vragen en opdrachten waarmee kennis getoetst kan worden. Data als succesfactor is geschikt voor studenten binnen het hoger onderwijs die een aan ICT-gerelateerde opleiding volgen. Daarnaast is het boek bruikbaar voor professionals die met BI en datawarehousing te maken hebben. Karien Verhagen is een veelzijdig wetenschapper met een brede kennis. Zij heeft in de loop der jaren voor veel grote en kleine klanten datawarehouses en BI-omgevingen ontworpen. Paul van der Linden is Principal Consultant bij Capgemini Insights & Data en heeft in de afgelopen twintig jaar organisaties geholpen om de transitie naar digitale organisatie te maken.

Datawarehousing. --- Informatietechnologie.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

"Principles of Big Data helps readers avoid the common mistakes that endanger all Big Data projects. By stressing simple, fundamental concepts, this book teaches readers how to organize large volumes of complex data, and how to achieve data permanence when the content of the data is constantly changing. General methods for data verification and validation, as specifically applied to Big Data resources, are stressed throughout the book. The book demonstrates how adept analysts can find relationships among data objects held in disparate Big Data resources, when the data objects are endowed with semantic support (i.e., organized in classes of uniquely identified data objects). Readers will learn how their data can be integrated with data from other resources, and how the data extracted from Big Data resources can be used for purposes beyond those imagined by the data creators. . Learn general methods for specifying Big Data in a way that is understandable to humans and to computers. . Avoid the pitfalls in Big Data design and analysis. . Understand how to create and use Big Data safely and responsibly with a set of laws, regulations and ethical standards that apply to the acquisition, distribution and integration of Big Data resources"--Provided by publisher.

Information systems --- big data --- datawarehousing

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Programming --- gegevensopslag --- database management --- datawarehousing

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Programming --- gegevensopslag --- database management --- datawarehousing

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

"In conclusion as you come to the end of this book, the concept of a Data Warehouse and its primary goal of serving the enterprise version of truth, and being the single platform for all the source of information will continue to remain intact and valid for many years to come. As we have discussed across many chapters and in many case studies, the limitations that existed with the infrastructures to create, manage and deploy Data Warehouses have been largely eliminated with the availability of Big Data technologies and infrastructure platforms, making the goal of the single version of truth a feasible reality. Integrating and extending Big Data into the Data Warehouse, and creating a larger decision support platform will benefit businesses for years to come. This book has touched upon governance and information lifecycle management aspects of Big Data in the larger program, however you can reuse all the current program management techniques that you follow for the Data Warehouse for this program and even implement agile approaches to integrating and managing data in the Data Warehouse. Technologies will continue to evolve in this spectrum and there will be more additions of solutions, which can be integrated if you follow the modular integration approaches to building and managing the Data Warehouse. The Appendix sections contain many more case studies and a special section on Healthcare Information Factory based on Big Data approaches. These are more guiding posts to help you align your thoughts and goals to building and integrating Big Data in your Data Warehouse"--

Information systems --- big data --- data warehousing --- datawarehousing