金融行业数据体量庞大、类型繁杂，标识符混乱、实体难以识别是普遍痛。本书聚焦金融数据工程核心领域，完整梳理金融数据生态、数据结构与全品类数据类型，系统讲解ISIN、LEI、FIGI等全球主流金融标识系统的规则与应用。同时深拆解命名实体识别、实体消歧等关键技术，详解词典、机器学习、大模型等多种实现方案，并配套评估方法与行业案例。内容兼顾理论深度与落地实操，覆盖数据治理、合规要求等实战要，适合金融数据工程师、分析师、技术管理者以及相关专业学习者阅读，帮你通金融数据处理全流程，解决实体匹配、数据标准化等行业难题。
售 价：¥
纸质售价：¥100.40购买纸书
6.5
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
O'Reilly Media，Inc.介绍
本书赞誉
译者序
前言
第一部分 金融数据工程基础
第1章 金融数据工程释义
1.1 金融数据工程的定义
1.2 为什么是金融数据工程
1.3 金融数据工程师的角色
1.4 总结
第2章 金融数据生态系统
2.1 金融数据的来源
2.2 金融数据的结构
2.3 金融数据类型
2.4 基准金融数据集
2.5 总结
第3章 金融标识系统
3.1 金融标识符
3.2 金融标识符的理想属性
3.3 金融标识系统概况
3.4 总结
第4章 金融实体系统
4.1 金融实体的定义
4.2 金融命名实体识别
4.3 金融实体解析
4.4 总结
第5章 金融数据治理
5.1 金融数据治理概述
5.2 数据质量
5.3 数据完整性
5.4 数据安全与隐私
5.5 总结
第二部分 金融数据工程生命周期
第6章 金融数据工程全生命周期综述
6.1 金融数据工程生命周期的定义
6.2 构建金融数据工程技术栈的准则
6.3 总结
第7章 数据摄入层
7.1 数据传输和到达流程
7.2 数据摄入格式
7.3 数据摄入技术
7.4 数据摄入最佳实践
7.5 总结
第8章 数据存储层
8.1 数据存储系统设计原则
8.2 数据存储建模
8.3 数据存储模型
8.4 总结
第9章 数据转换与交付层
9.1 数据查询
9.2 数据转换
9.3 数据交付
9.4 总结
第10章 监控层
10.1 指标、事件、日志和跟踪
10.2 数据质量监控
10.3 性能监控
10.4 成本监控
10.5 业务和分析监控
10.6 数据可观测性
10.7 总结
第11章 金融数据工作流
11.1 面向工作流的软件架构
11.2 什么是数据工作流
11.3 工作流管理系统
11.4 金融数据工作流的类型
11.5 总结
第12章 实践项目
12.1 前提条件
12.2 项目1：基于PostgreSQL开发银行账务管理系统
12.3 项目2：基于Mage和Python设计金融数据ETL流程
12.4 项目3：基于Netflix Conductor、PostgreSQL和Python设计微服务工作流
12.5 项目4：基于OpenFIGI、PermID和GLEIF API设计金融参考数据库
12.6 结论
12.7 关注这些项目的更新
12.8 报告问题或提问
前进的道路 塑造金融市场的趋势
后记
推荐阅读
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
