데이터 웨어하우스 멘토 : 실용적 DW/BI 시스템 구축을 위한 통찰

목차 (Table of Contents)

• 목차
• 저자 소개 = ⅵ
• 기술 편집자 소개 = ⅶ
• 감사의 말 = ⅷ
• 역자 소개 = ⅸ
• 역자의 글 = ⅹ
• 소개 = xxii
• PART Ⅰ 준비
• CHAPTER 1 데이터 웨어하우스와 비즈니스 인텔리전스 개관 = 3
• 비즈니스 인텔리전스 개요 = 4
• 정의 = 4
• BI의 가치 = 6
• 비즈니스와 인텔리전스의 분리 = 7
• BI 성공 요소 = 8
• BI의 목적 = 9
• BI 사용자 프레젠테이션 = 11
• BI 툴과 아키텍처 = 17
• 세계화에 따른 발전 = 17
• DW 개요 = 18
• 정의 = 18
• 데이터 웨어하우스 시스템 = 19
• DW 아키텍처 = 21
• 데이터 흐름 용어 = 23
• DW 목적 = 24
• 데이터 구조화 전략 = 27
• DW 비즈니스 = 28
• FAQ = 29
• 현재 시스템이 충분하지 않은가? = 30
• DW의 가치는 무엇인가? = 31
• 비용은 얼마나 소요될까? = 33
• 구축 시간은 얼마나 소요되나? = 34
• 무엇이 성공으로 이끄는가? = 36
• CHAPTER 2 조직의 데이터 = 41
• 기업 자산 = 42
• 데이터의 맥락(Context) = 42
• 데이터 품질 = 44
• 데이터 용어 = 46
• 데이터 구성요소 = 48
• 데이터 구성 = 52
• 데이터의 구조화 = 53
• 데이터 모델 = 54
• 데이터 아키텍처 = 60
• 경쟁우위 = 66
• 데이터 모델 구축 또는 구입 = 66
• 비즈니스 멘토링 = 69
• CHAPTER 3 DW를 구축하는 이유 = 73
• 플랫폼 마이그레이션 = 75
• 비즈니스 연속성 = 76
• 역공학 = 76
• 데이터 품질 = 77
• 병렬 환경 = 78
• 부가가치 = 79
• DW 중앙집중화 = 79
• 법인합병 = 80
• 내부합병 = 80
• 중앙 디자인과 지역적 사용 = 80
• 데이터 마트 통합 = 81
• 새로운 계획 = 83
• 새로운 계획: 동적 보고 = 85
• "바로구축" = 86
• 데이터 "Floundation" = 88
• DW를 구축하지 말아야 할 이유 = 89
• 수준 낮은 데이터 품질 = 90
• 비즈니스의 관심 부족 = 90
• 후원의 부족 = 90
• 불분명한 목적 = 91
• 현 시스템에서의 자급자족 = 91
• 인력 부족 = 91
• 불안정한 환경 = 91
• 과도한 비용 = 92
• 관리 부재 = 92
• CHAPTER 4 DW와 BI 전략 = 95
• BI 전략 = 96
• 비즈니스 목적 = 96
• 비즈니스 사용 = 97
• 아키텍처 개요 = 99
• DW 전략 = 100
• 사용 = 101
• DW 아키텍처 = 102
• 데이터 흐름 아키텍처 = 103
• 기술 아키텍처 = 104
• 중점과 성공 = 105
• 전사 또는 사업부문? = 105
• 중점 목표 = 106
• 성공: 언제 완료되는가? = 106
• 어디서 시작할 것인가? = 108
• BI에서 시작 = 109
• DW에서 시작 = 109
• 어떻게 시작할 것인가? = 110
• BI 관하여 = 110
• DW에 관하여 = 111
• 프로젝트 단계적 진행 = 115
• 얼마나 수행할 것인가? = 116
• 주의 사항 = 119
• 일반적인 실패 이유 = 119
• 기본 가치 = 123
• CHAPTER 5 프로젝트 인력: 역할과 이에 대한 통찰 = 127
• 핵심 내용 = 128
• 프로젝트 팀 = 128
• 고급 전문가 = 129
• 리더십 = 130
• 프로젝트 후원자 = 132
• DW 임원 = 132
• 팀 구조 = 133
• 경영층 후원 = 134
• 데이터 담당자 = 135
• 기본 인력 = 135
• 주기적인 점검: 감사의 진행 = 139
• 역량센터 = 140
• CHAPTER 6 상세 내용 개관 = 143
• 프로젝트 차터 = 144
• 프로젝트 범위 = 147
• 업무기술서 = 147
• PART Ⅱ 구성요소
• CHAPTER 7 BI: 데이터 마트와 사용 = 153
• 왜 데이터를 모델 하는가? = 155
• 데이터 모델의 종류 = 156
• 데이터 디자인 = 159
• 팩트 테이블 = 167
• 팩트의 종류 = 169
• 팩트 테이블의 종류 = 171
• 수치의 소스 = 173
• 팩트 테이블 키 = 174
• 팩트 테이블의 최소 단위 = 174
• 팩트 테이블 밀도 = 174
• 가상의 팩트 테이블 = 175
• 디멘션 = 176
• 디멘션 또는 수치 = 176
• 히스토리와 날짜 = 177
• 디멘션 테이블 키 = 181
• 디멘션의 단위 = 183
• 디멘션 속성의 소스와 값 = 184
• 디멘션의 종류 = 186
• 계층 구조 및 도움 테이블 = 195
• 프로파일 테이블 = 199
• 디멘션의 수 = 200
• 용량 산정(Sizing) = 200
• CHAPTER 8 전사 데이터 모델 = 203
• 데이터 모델 개요 = 204
• 인먼과 킴벌 = 207
• EDM 목적 = 208
• EDM의 장점 = 209
• 데이터 모델: 어디에서 시작할까 = 209
• 완전 하향식 데이터 모델 = 210
• 주제 영역 모델 = 211
• 개념 모델 = 214
• 엔티티 관계 모델 (ERD) = 214
• 버스 아키텍처 = 216
• 구입된 데이터 모델 = 217
• 모델 통찰력 = 220
• 데이터 구성요소 = 220
• 데이터 모델 정규화 = 222
• 상위유형／하위유형(Supertype／subtype) 모델 = 227
• 정규화 데이터 모델에서 히스토리 저장 = 230
• 대체키 = 235
• 논리적 vs 물리적 데이터 모델 = 237
• 참조 무결성 여부 = 238
• 다른 데이터 모델 = 239
• 입력 데이터 모델 = 239
• 스테이징 데이터 모델 = 239
• 최종 결론 = 240
• CHAPTER 9 데이터 웨어하우스 아키텍처: 구성요소 = 243
• 아키텍처 개요 = 244
• 설계자(아키텍터) 역할 = 245
• 솔루션 설계자 = 245
• DW 설계자 = 246
• 기술 설계자 = 246
• 데이터 설계자 = 246
• ETL 설계자 = 246
• BI 설계자 = 247
• 개요 = 247
• 아키텍처 계층 = 248
• 단일 계층 아키텍처 = 248
• 고전적인 2계층 아키텍처 = 249
• 향상된 3계층 아키텍처 = 251
• DW 아키텍처 = 252
• 단독 데이터 마트 아키텍처 = 252
• 버스 아키텍처 = 253
• 중앙 저장소 아키텍처 = 255
• 연합 아키텍처 = 255
• 구성요소(각 계층) = 256
• 데이터 소스 = 257
• 데이터 공급 = 257
• 데이터 조직 = 257
• 데이터 유통(분배) = 258
• 정보 제공 = 258
• 구현 접근법 = 258
• 데이터 디자인과 데이터 흐름 = 260
• 논리적 vs 물리적 모델 = 260
• 하향식 접근법 = 262
• 상향식 접근법 = 264
• 복합 접근법 = 265
• 촉진 = 267
• 데이터 획득 계층 = 268
• 중앙화된 데이터 계층 = 268
• 데이터 유통 계층 = 269
• 성능 계층 = 269
• 사용자 프레젠테이션 계층 = 270
• 방법론 = 270
• 격이 다른 솔루션(최고의 솔루션) = 271
• CHAPTER 10 ETL과 데이터 품질 = 273
• 아키텍처 = 275
• 데이터 공급 = 276
• 데이터 유통 = 277
• ETL 매핑 = 278
• 초기 및 증분 적재 = 280
• ETL vs ELT vs ETTL = 281
• 병렬 작업 = 283
• ETL 역할 = 283
• 데이터 흐름 다이어그램 = 285
• 운영 데이터 저장소 = 286
• 소스 시스템 = 286
• 소스 없음 = 286
• 복수 소스 = 287
• 대체 소스(SIFs) = 287
• 구조화되지 않은 데이터 = 289
• 데이터 프로파일링 = 289
• 데이터 저장 = 290
• 복수의 큰 파일 = 290
• 파일 전환 = 291
• 안전전략 = 292
• 변환과 스테이징 = 292
• 준비 = 293
• 대체 키 = 296
• 참조 무결성 = 298
• 통합, 프로파일링, 요약 = 299
• 코드 테이블 = 299
• 적재 = 299
• 히스토리 vs 노히스토리 = 300
• 입력／갱신／입력갱신／삭제 = 300
• 공급정보 = 301
• 적재 스케줄링 = 301
• EDW를 위한 스테이징 vs 버스 아키텍처를 위한 스테이징 = 302
• 데이터 유통 = 302
• 제3정규형에서 스타 스키마 = 303
• 데이터 품질 = 305
• ETL 툴 = 306
• CHAPTER 11 프로젝트 계획과 방법론 = 309
• 기본요인 = 312
• 위험 요소: 단계별 개발 = 313
• 위험 요소: 데이터 품질 = 314
• 위험 요소: 인력 = 314
• 위험 요소: 비용 = 315
• 변화관리 = 315
• 모범 사례 = 316
• 실수 = 316
• 프로젝트 계획 방법론 = 317
• 비즈니스 요구사항 = 319
• 전략과 계획 = 320
• 솔루션 개요 = 322
• 디자인 = 323
• 구축 = 323
• 배포 = 324
• 사용 = 324
• PART Ⅲ 구축을 시작하자
• CHAPTER 12 구축 시나리오 = 329
• 셰프: 요리를 해보자! = 332
• 하향식(기업 저장소) = 336
• 용어 = 337
• 중앙화된 데이터 모델 = 338
• 데이터 아키텍처 = 339
• 소스 = 341
• 데이터 모델 = 342
• 데이터베이스 = 343
• 획득 = 343
• 솔루션 개요 = 344
• 상향식(OLAP 보고서) = 344
• 최종 결과물 = 347
• 용어 = 352
• 데이터 아키텍처 = 352
• 맞춰진 디멘션 관리 = 354
• 소스 = 354
• 솔루션 개요 = 355
• 복합(정규화 디자인과 OLAP) = 357
• 초기 구축 = 358
• 데이터 모델 = 359
• 데이터 아키텍처 = 360
• 솔루션 개요 = 362
• 병합 = 362
• 행동 계획 = 364
• 입력 없음: 구조화된 입력파일들 = 365
• 통합 단계 2 = 367
• 변화관리 = 368
• DW를 넘어서는 큰 그림: 전사 정보 아키텍처(EIA) = 369
• CHAPTER 13 데이터 관리 = 371
• 데이터 관리란 무엇인가? = 372
• 정의 = 372
• 데이터 관리의 이유 = 373
• 조직 구조 = 374
• 감독 및 전략 = 376
• 데이터 관리: 핵심 요소 = 377
• 보안 및 민감성 = 377
• 데이터 품질 = 378
• 책임 = 379
• 변경 통제 = 380
• 데이터 관리 준비사항 = 381
• CHAPTER 14 프로젝트 이후 검토 = 385
• 개요 = 386
• 프로젝트 검토 = 387
• 다음 단계 = 393
• 찾아보기 = 394