众多公司花费了大量的时间和金钱获取数据，并将大量的数据保存在一个叫做数据湖的数据容器中。但是，其中又能有多少公司把数据从数据湖中取回并加以利用呢？事实上，很少有公司能把数据湖当成信息的金矿来使用。多数公司得到的仅仅是一个垃圾场。
　　本书将会告诉你如何去构建一个有用的数据湖，从而让数据科学家与数据分析师能够面对业务挑战并发现新的商机。
　　通过阅读本书，你将能够学习如何：
　　构建数据湖并模拟数据；
　　应用数据及基于文本的数据池，从而将业务价值化；
　　理解原始数据池的角色定位；
　　掌握使用归档数据池的时机；
　　利用4大核心组件：元数据、业务的整合对应，语境及元过程信息。
　　本书的作者曾经让我们放眼于数据仓库的架构与成效，如今他又将我们带入到数据湖架构的新高度。

　　随着大数据的蓬勃发展，不少机构开始将源源不断的数据流导入到一个叫“数据湖”的设备中去。
　　本书是“数据仓库”之父撰写的新著作，是帮助读者认识数据湖架构，并把数据湖打造成公司资产的指导手册。全书共15章，分别涉及数据湖简介、数据池据湖内部结构、数据池及其结构、各种类型的数据池等技术话题，目的在于讲解如何构建有用的数据湖，以便数据科学家和数据分析师能够解决商业挑战并找出新的商业机会。
　　本书适合数据管理者、学生、系统开发人员、架构师、程序员以及最终用户阅读。

　　Bill Inmon，是“数据仓库之父”，他著有57本书，并以9种语言在全球出版。Bill最近的创举是建立了叫做“文本消歧”的技术，这项技术能以叙述性格式读取初始文本，并能够将文本置于常规的数据库中，以便使用标准的分析技术进行分析处理，从而为大数据/非结构化数据创造独特的业务价值。Bill曾被《计算机世界杂志（ComputerWorld）》评选为“历史上对计算机行业影响的十个人之一”。Bill住在美国科罗拉多州的堡石城（Castle Rock）。关于文本消歧的更多资料，请访问 www.forestrimtech.com。

内容提要
前言
第1章 数据的湖泊
1.1 大数据来了
1.2 数据湖来了
1.3 “单向”的数据湖
1.4 小结
第2章 改造数据湖
2.1 元数据
2.2 整合图谱
2.3 语境
2.4 元过程
2.5 数据科学家
2.6 通用性
2.7 小结
第3章 数据湖内部
3.1 模拟信号数据
3.2 应用程序数据
3.3 文本数据
3.4 另一个视角
3.5 小结
第4章 数据池
4.1 数据修整
4.2 初始数据池
4.3 模拟信号数据池
4.4 应用程序数据池
4.5 文本数据池
4.6 将数据直接传入数据池
4.7 归档数据池
4.8 小结
第5章 数据池的通用结构
5.1 数据池描述
5.2 数据池目标
5.3 数据池数据
5.4 数据池元数据
5.5 数据池元过程
5.6 数据转换标准
5.7 小结
第6章 模拟信号数据池
6.1 模拟信号数据问题
6.2 数据描述
6.3 捕获初始数据、转换初始数据
6.4 转换/调整初始模拟信号数据
6.5 数据切除
6.6 聚类数据
6.7 数据关系
6.8 未来使用的可能性
6.9 异常值
6.10 临时性的特定分析
6.11 小结
第7章 应用程序数据池
7.1 数据的基因
7.2 数据描述
7.3 标准数据库格式
7.4 数据的基本组织
7.5 数据的整合
7.6 数据模型
7.7 整合的必要性
7.8 从一个应用指向到下一个应用
7.9 交并应用
7.10 应用程序数据池内的数据子集
7.11 小结
第8章 文本数据池
8.1 统一化的数据与计算机
8.2 宝贵的文本
8.3 文本消歧
8.4 传入数据池的文本
8.5 文本消歧的输出
8.6 固有的复杂性
8.7 文本消歧的功能
8.8 分类与本体
8.9 文本与语境的价值
8.10 对文本追根溯源
8.11 消歧的机制
8.12 分析数据库
8.13 将结果可视化
8.14 小结
第9章 数据池间的对比
9.1 数据池的相似性
9.2 数据池的差异性
9.3 数据最终状态的关系型格式
9.4 技术间差异
9.5 数据池中数据的总预期容量
9.6 数据池间的数据移动
9.7 在多个数据池进行分析
9.8 使用元数据来关联不同数据池内的数据
9.9 假如……
9.10 小结
第10章 利用基础架构
10.1 “单向”数据湖
10.2 改造数据湖
10.3 转换技术
10.4 一些分析问题
10.5 查询文本数据
10.6 真实的分析
10.7 小结
第11章 搜索与分析
11.1 供应商所散布的困惑
11.2 小结
第12章 数据池中的业务价值
12.1 模拟信号数据池中的业务价值
12.2 应用程序数据池中的业务价值
12.3 文本数据池中的业务价值
12.4 记录中的业务价值比例
12.5 小结
第13章 一些额外话题
13.1 高层系统级别文档
13.2 详细的数据池级别文档
13.3 什么样的数据会流入数据湖/数据池
13.4 分析在何处发生
13.5 数据的年龄
13.6 数据的安全
13.7 小结
第14章 分析与整合工具
14.1 可视化
14.2 搜索与修正
14.3 文本消歧
14.4 统计分析
14.5 经典的ETL处理
14.6 小结
第15章 归档数据池
15.1 数据的移除标准
15.2 结构性改动
15.3 为归档数据池建立单独的索引
15.4 小结
术语表
参考资料

　　在错误的方向上，我们耗费了数年时间，花费了上百万美元，但是，我们是不是可以省出一点儿时间和金钱用到正确的方向上来呢？
　　如今，众多公司正在疯狂地建设数据湖泊——一种大数据狂热的副产品。有朝一日，这些公司幡然醒悟，发现他们根本不能从数据湖中攫取出任何有用的东西。即便真的从数据湖中找到了一丁点儿有用的信息，起码也要经历呕心沥血的努力。
　　他们花费了巨额的资金和大量人年（man years）的努力，却只换回了昂贵的累赘。
　　终有一天，这些企业会惊觉于他们所建造的不过是一个“单向”的数据湖。数据被引入数据湖，却产生不了任何东西。在这种情况下，数据湖不会比垃圾场好到哪儿去。
　　这本书就是写给那些想要建造数据湖，并期望能够从中获得价值的机构。数据湖中当然有业务价值，但前提是建造得法。如果你正打算建造一个数据湖，那么你最好把它建造成公司的一项重要资产，而不是累赘。
　　本书探究了为什么众多公司在从他们的数据湖中获取数据时会面临如此艰难的困境。关于这个重要问题有数种答案。其中一个原因是，数据被不加区别地一股脑地打包丢入数据湖中。第二个原因是数据没有被整合起来。第三个原因是数据是以文本化的形式保存的，而你没办法轻易地分析文本数据。
　　本书建议要以高层（high level）的视角来组织数据，整合数据，“调校”数据，其目的就是使调整后的数据能够成为用于分析和处理的基石。数据湖当然可以成为公司的良性资产，但前提是在构建数据湖时要足够谨慎，并深谋远虑。

　　通过创建数据库，计算机就可以执行繁重的分析任务。举个例子，假设有一个连锁餐馆的接受餐馆顾客的反馈。许多顾客每天都发送消息。
　　这些消息包含了广泛的主题。有些人讨论菜单：一个说太咸了，另一些说太烫了，还有一些说分量太少了。有些人讨论男女服务员：说服务员速度太慢，服务员态度不好，女服务员非常友善。有些话题讨论清洁状况：地板是湿的，桌面没有被擦过，灯光太昏暗。其他的话题你大概也能猜到：停车位、洗手间、自动售卖机，等等。
　　在一个月时间里，连锁餐厅从顾客处收到了超过10万条消息。对于任何人来说，阅读并吸收内化这些消息都是困难的，因为太多了。然而，另一方面，这些反馈对顾客的满意度来说却是至关重要的。同时顾客的满意度又是顾客忠诚度和业务复制的关键。在很大程度上，连锁餐厅顺应顾客是天经地义的。
　　所以连锁餐厅决定对顾客反馈采用文本消歧。在读取了每月10万条的信息之后，一个数据库被创建出来了。数据库之后被标准的分析软件读取，这使得它们可以持续供应标准化的服务，同时还能够给予自动化的个性化回复。