＠＠＠＠＠gihyo.jpの書誌情報ページに関して：以下の目次テキストの「全角スペースから行末」まで「サブタイトル」のため、サブタイトル風の文字スタイル（級数下げ/書体を細くするなど）希望です # 第1章 ［入門］データ分析基盤　データ分析基盤を取り巻く「人」「技術」「環境」 ## 1.1 データ分析基盤の変遷　多様化を受け入れるために進化する ## 1.2 処理基盤/クラスターの変遷　よりマネージレスにしてコストを減らし、より本来の業務へ集中する時代 ## 1.3 データの変遷　ExcelからWeb、IoT、そして何でもあり（!?）へ ## 1.4 データ分析基盤に関わる人の変遷　データにまつわる多様な人材 ## 1.5 データへの価値観の変化　データ品質の重要度が高まってきた ## 1.6 データにおける開発の変遷　複雑化するプロダクトと人の関係 ## 1.7 本章のまとめ # 第2章 データエンジニアリングの基礎知識　4つのレイヤー ## 2.1 データエンジニアリングの基本　ポイントと本書内の関連章について ## 2.2 データの世界のレイヤー　データ分析基盤の世界を俯瞰する ## 2.3 コレクティングレイヤー　データを集める ## 2.4 プロセシングレイヤー　データを変換する ## 2.5 ストレージレイヤー　データやメタデータを貯蔵する ## 2.6 アクセスレイヤー　データ分析基盤と外の世界との連携 ## 2.7 本章のまとめ # 第3章 データ分析基盤の管理＆構築　セルフサービス、SSoT、タグ、ゾーン、メタデータ管理 ## 3.1 セルフサービスの登場　全員参加時代への移行期 ## 3.2 SSoT　データは1ヵ所に集めよう ## 3.3 データ管理デザインパターン　ゾーンとタグ ## 3.4 データの管理とバックアップ　データ整理と、もしものときの準備 ## 3.5 データのアクセス制御　ほど良いアクセス権限の適用 ## 3.6 One Size Fits All問題　デカップリングで数々の問題を解決しよう ## 3.7 データのライフサイクルマネジメント　不要なデータを残さないために ## 3.8 メタデータとデータ品質による管理　データを知る基本ツール ## 3.9 ハイブリット構成　ハイブリッドが抱える問題 ## 3.10 本章のまとめ # 第4章 データ分析基盤の技術スタック　データソースからアクセスレイヤー、クラスター、ワークフローエンジンまで ## 4.1 データ分析基盤の技術スタック　全体像を俯瞰する ## 4.2 データ分析基盤のためのクラスター選択　無理な利用にも耐えられる必要がある ## 4.3 コレクティングレイヤーの技術スタック　セルフサービス時代のデータの取り込み ## 4.4 プロセシングレイヤーの技術スタック　データ変換を行うレイヤー ## 4.5 ワークフローエンジン　データ取り込みと変換を統括する ## 4.6 ストレージレイヤーの技術スタック　データの保存方法 ## 4.7 アクセスレイヤー構築の技術スタック　セルフサービス時代のユーザーへのデータ提供 ## 4.8 アクセス制御　アクセスレイヤーに対するアクセス制御 ## 4.9 本章のまとめ # 第5章 メタデータ管理　データを管理する「データ」の重要性 ## 5.1 データより深いメタデータの世界　データは氷山の一角 ## 5.2 メタデータとデータ　3つのメタデータを整理/整備しよう ## 5.3 データプロファイリング　データの状態を見る ## 5.4 データカタログ　手元にないメタデータはカタログ化しよう ## 5.5 データアーキテクチャ　リネージュ、プロバナンス。メタデータの総合力 ## 5.6 本章のまとめ # 第6章　データマート＆データウェアハウスとデータ整備　DIKWモデル、データ設計、スキーマ設計、最小限のルール ## 6.1 データを整備するためのモデル　DIKWモデル ## 6.2 データマートの役割　「Data」を整備して知恵の創出をサポートする ## 6.3 スキーマ設計　データに関するルールを設計する ## 6.4 データマートの生成サポート　コミュニケーションの省略＆活用 ## 6.5 データマートのプロパゲーション　メタデータやルールの作成 ## 6.6 ストリーミングとデータマート　瞬時にKnowledge化する ## 6.7 本章のまとめ # 第7章 データ品質管理　質の高いデータを提供する ## 7.1 データ品質管理の基礎　データ蓄積から次の段階へ進む ## 7.2 データの劣化　データは放置するだけで劣化する ## 7.3 データ品質テスト　劣化に気づくための品質チェック ## 7.4 メタデータ品質　生産性を向上させるために ## 7.5 データ品質を向上させる　品質テストの結果を活かす ## 7.6 本章のまとめ # 第8章 データ分析基盤から始まるデータドリブン　データ分析基盤の可視化＆測定 ## 8.1 データ分析基盤とデータドリブン　エンジニアもデータドリブンに行こう ## 8.2 データドリブンを実現するための準備　データ分析基盤のPDCAと数値 ## 8.3 KPIをどのように開発に活かすのか　データ分析基盤の「コスト削減KGI」の例 ## 8.4 データ分析基盤観点のKGI/（CSF）/KPI　改善の着眼点 ## 8.5 本章のまとめ # Appendix ［ビッグデータでも役立つ］RDB基礎講座 ## A.1 データベースとは何か？　検索、更新、制約機能を持った入れ物 ## A.2 RDBの基本　データベースの基本を振り返る ## A.3 RDBにおけるアーキテクチャ　RDBの設計 ## A.4 Appendixのまとめ