概念模型
 
         业务理解：确定业务主题域，识别核心业务对象及其关系
 
 
 
逻辑模型
 
层次分明：清晰合理地划分，层次要有充分的存在的理由
 
关系清晰：表间ER关系，层次之间mapping关系
 
 
 
物理模型
 
结构合理：适当冗余，适当降范式
 
存取方便：ETL过程简单

如果你是一枚Coder，但是你不知道Github，那么我觉的你就不是一个菜鸟级别的Coder，因为你压根不是真正Coder，你只是一个Code搬运工。
 
但是你如果已经在读这篇文章了，我觉的你已经知道Github了。
 
正是Github，让社会化编程成为现实。
 
 
 
什么是 Github?
 
 
github是一个基于git的代码托管平台，付费用户可以建私人仓库，我们一般的免费用户只能使用公共仓库，也就是代码要公开。
 
Github 由Chris Wanstrath, PJ Hyett 与Tom Preston-Werner三位开发者在2008年4月创办。迄今拥有59名全职员工，主要提供基于git的版本托管服务。
 
目前看来，GitHub这场冒险已经胜出。根据来自维基百科关于GitHub的描述，我们可以形象地看出GitHub的增长速度： 
 github-repos
 
今天，GitHub已是：
 
一个拥有143万开发者的社区。其中不乏Linux发明者Torvalds这样的顶级黑客，以及Rails创始人DHH这样的年轻极客。 
 这个星球上最流行的开源托管服务。目前已托管431万git项目，不仅越来越多知名开源项目迁入GitHub，比如Ruby on Rails、jQuery、Ruby、Erlang/OTP；近三年流行的开源库往往在GitHub首发，例如：BootStrap、Node.js、CoffeScript等。 
 alexa全球排名414的网站。
 
后面讲一下关于注册账户以及创建仓库,和配置问题.

大家好，我是谁，干啥的在这里就不啰嗦了。
 我想在座的各位心中有一部分人对质量检查的印象就是找茬的，鸡蛋里面挑骨头的。这没有什么，全国的大部分职工都有这种错误的认识。今天我就给大家讲讲质量检查的重要性。
 首先我先给质量检查做一次定位: 他是保证产品质量一道坚实的围墙。
 
坦克大战大家应该有玩过的没玩过多或少都了解，我们优质的产品就是那只雄鹰，质量检查就是外面那道围墙。围墙破了，那雄鹰被污染就变成一只破鞋底子，这局游戏也就输了。玩过坦克大战的，自定义一定玩过，把雄鹰用钢墙给围上，那么这局就想怎么玩就怎么玩了，因为我们的产品质量已经被钢墙围上，没有任何人可以破坏掉，我们自身就已经立于不败之地了，除非我们拿了把大枪自污。
 
质量是公司的命根子，是开启市场大门钥匙，是征服市场的不二法门。假如职工没有极好的质量意识，他是不能做出好的产品的。产品是出产出来的，而不是查验出来的。所以职工重视质量，要进步职工的质量意识。
 
张瑞敏担任青岛日用品厂厂长，他上班第一天到车间转了一圈，回来安排作业室主任在车间里挂了一块牌子，“禁止职工在车间随地大小便”，这即是当年的海尔前身。
 
14年今后，日本有个财团想到我国来出资。日本人十分精明，他不主动出资，由于主动出资风险十分大，他要找一家进行合作，合作是21世纪最成功的一种办法。可是要找一个联盟合作目标就必须是与他们接轨的，后来经过介绍说青岛的海尔不错，所以日企总裁就带了二十多名日本人来到了青岛海尔。
 
日本人以为，一个公司管理得好与差，看三个当地就知道了，第一是洗手间，第二是仓库，第三是生产现场。日本人来到海尔的作业现场后纷繁竖起了大拇指：“哇，职工素质真高。”日本人轻易不表彰别人，他能竖起大拇指赞赏的话，阐明海尔在生产管理上的确有过人之处。可是日本人不甘心，他一定要找出海尔职工的一些弱点，其间一个日本人趁我们没有留意到他的时分，从兜里掏出一副白色的手套，偷偷摸摸地往设备的死角擦了一把，没看就装到了兜里。他想，这个手套肯定是黑的，如果手套是黑的话，在商洽进程中打败他们的依据就有了。他通知他的同事虽然谈，铺开谈，我有依据在口袋里装着。
 
他来到商洽室在拿出手套的那一刹那间，他震动了，由于手套仍然是白的！日本职工做不到的，海尔的职工做到了。这时刚好赶上海尔资金紧张，日本人放心投入的资金处理了海尔的燃眉之急。
 
这即是海尔职工的自我做法，它是让人自豪的。职工的质量认识增强了，能够挽救一个公司，能够推进公司的开展。
 
职工要了解质量管理的三大控制，即进料控制、进程控制、制品控制。
 
资料进入生产线后，叫进程控制，这个时分班组就要担任了。通过查验的原资料没有问题以后，便进入生产线，从进入线以后到出生产线之前或出厂之前的质量控制叫做进程控制，进程控制包括半制品查验和制品查验两部分。
 
当产品走出生产线之前，还要完结最终一道产品质量控制——出厂查验。只要各个环节都严把质量控制关，才能最终实现零缺陷。产品质量控制是产品出班组前或许出厂前的最终一道查验工序。
 
拿咱们家来举例， 范晓楠选材的时候他需要进行进料控制，当材料没有问题，进入到配送中心加工生产，这就是进程控制，这时候就需要史存斌控制把关产品的质量。当半制品从配送中心发出到各个店面，这时就需要各个店面的负责人控制把关产品质量，保证送到消费者身边的产品都是没有任何缺陷的。

        即使在过去，企业也要面对超出其基础设施和流程处理能力的大量数据，更不用说要从数据中挖掘出对制定有效决策有实际价值的情报了。如今，随着种类、数量日益成倍增加的数据从社交媒体及各种在线渠道汹涌而来，而处理上述数据的迫切性也日益加强，企业面临着和以往同样的问题。
 
        早在 2009年，《大数据资产：聪明的企业怎样致胜于数据治理》一书的作者 Tony Fisher就曾提到，如果基本数据不可靠，大多数企业的大数据计划要么会失败，要么效果会低于预期。造成上述结果的关键原因在于，数据生命周期之中流入了不一致、不准确、不可靠的数据。这些原因可以是多重的：
 
大数据计划中的数据识别并不完整：对要获取什么数据、怎样使用这些数据、它们要满足哪些业务目标以及谁有权拥有这些数据等方面并未明确界定。.
数据的采集与转换并没有规定适当的标准、架构、元数据定义、数据所有权、政策以及数据转换规则。
数据传输在安全性、业务用户上下文、数据与业务流程的关联等方面并未进行适当的界定。
 
        在数据领域最流行的一个说法是“更好的数据意味着更好的决策”，这句话从来不假，在当今的大数据时代甚至更为真切，但它之所以成立的基本假定也未改变，那就是“基本数据是准确、可靠、值得信赖的，来龙去脉清楚，并且具有一致性。”—试想，如果没有一个可靠的数据治理计划，我们还能这样假定吗？
 
        我们都听过诸如此类的说辞“IT技术融入业务对我们的企业至关重要”、“IT技术促成各种业务功能的实现”。对企业上下进行实际的评估，能实现上述说辞的情况却是屈指可数。对大多数企业而言，IT技术与各种业务目标之间仍存在差距，首席信息官及各高级主管仍在努力设法使 IT技术能配合各种业务目标，从而促进企业战略目标的实现。在对成功企业进行分析后，可以得出一个很明确的结论那就是“有效的数据治理计划”是成功企业的法宝。
 
        那么大数据治理计划的意义及其所包含的内容是什么呢?
 
        数据治理--是指在企业数据生命整个周期（从数据采集到数据使用直至数据存档）制定由业务推动的数据政策、数据所有权、数据监控、数据标准以及指导方针。数据治理的重点在于，要将数据明确作为企业的一种资产看待。数据治理的六大支柱如下面图 1 所示，对于任何企业数据治理计划而言，变更管理都是必不可少的核心部分。
 
                                              
 
        简单的定义—大数据是指以不断以从各种渠道以各种格式涌入的大量数据，仅利用传统的数据处理方法和技术无法处理它们，但其中却蕴含着大量商业价值。
 
        大数据集的分类：
 
 
  

   非结构化数据
   —
   文本、视频、音频和图片
  
 
 
  

   半结构化数据
   —
   电子邮件、软件包
   /
   模块、电子表格、财务报表
  
 
 
  

   结构化数据
   —
   数据仓库（
   DWH
   ）
   /BI
   数据、传感器
   /
   机器数据记录、关系型数据库管理系统（
   RDBMS
   ）数据
  
 
 
       下图描绘了数据治理怎样在架起 IT技术与业务之间的桥梁方面发挥作用。
 
                                                     
 
        任何大数据计划都应该考虑到数据的各种特点：数量（大）、种类（多）、模糊性（高）、产生频率（高）以及质量（不可靠），数据架构团队（数据科学家、数据分析师）要完全识别、定义并分析这些数据，就要征询企业各方利益相关方（数据及业务流程拥有者）的意见。这样做的结果就能让包括企业战略拥有者、业务流程/数据拥有者以及 IT 架构专家在内的数据治理部门在上述计划实施的初期就能弥补差距和不足，从而确保大数据集的规划与业务流程一同进退。
 
        更多详情,请登录