首席数据官知识体系指南 数据库 新华正版
数字时代的cdo生存手册，国际数据管理协会（dama）读物，dama认证首席数据官（ccdo）培训教材
￥ 54.8 4.6折 ￥ 119.8 全新
库存54件
河北保定
认证卖家担保交易快速发货售后保障
作者作者
出版社人民邮电出版社
ISBN9787115637734
出版时间2024-03
版次1
装帧平装
开本16开
页数412页
字数672千字
定价119.8元
货号xhwx_1203207342
上书时间2024-03-02
- 最新上架
![说文解字+汉字王国 中国古典小说、诗词 [东汉]许慎 新华正版](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/dafdcefb/ee56033c4ad0f384_s.jpg)
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
（1）数据是数字经济的基础，数据管理是数字化转型的前提；首席数据官是数字时代的产物，它在数字化转型的过程中，以及在转型成功后的数字经济中，都会起到关键作用。（2）本书是国际数据管理协会（dama）读物，dama认证首席数据官（ccdo）培训教材。（3）本书提供针对首席数据官的从理论到实践的完整知识体系，详细讲解首席数据官的三个主要工作——管好数据、做好转型、建好团队，并介绍与首席数据官有关的新技术、新模式和新业态。（4）本书综合了国外的优选理论研究与实践经验，既有国外的实践经验，又更加贴合中国的实际情况。（5）本书详细讲解了cdo如何管理好数据，涉及数据战略、数据治理、数据制度、数据标准、数据架构、数据质量、数据安全、数据合规、数据建模、数据集成、数据存储、数据分析和挖掘、数据伦理、数据开放与共享等。（6）本书介绍了数据管理的新技术、新模式和新业态，包括湖仓一体、数据化、数据编织、数据网格、数据联邦、datao、数字孪生、隐私计算、区块链、chatgpt、开源、数据空间、数据信托、数据跨境流通、数据标注、web3.0、元宇宙、nft、esg、碳达峰和碳中和等。
目录：
篇 cdo概论
章 cdo是数字时代的产物 2
1.1 cdo的定义 2
1.1.1 首席数字官 2
1.1.2 首席数据官 2
1.2 cdo产生的背景 2
1.2.1 《者数据宣言》 3
1.2.2 数据是生产要素 3
1.2.3 数据是数字经济的基础 4
1.2.4 数据管理是数字化转型的前提 5
1.2.5 数据必须从it中分离出来 6
1.2.6 谁来管理数据 6
1.3 国外cdo发展的状况 7
1.3.1 国外cdo概念的历史由来 7
1.3.2 国外与cdo相关的组织 7
1.3.3 国外与cdo相关的研究和著作 10
1.4 cdo发展的状况 11
1.4.1 广东省 11
1.4.2 浙江省 11
1.4.3 江苏省 12
1.4.4 山东省 12
1.4.5 上海市 12
1.4.6 北京市 12
1.4.7 四川省 13
1.4.8 和信息化部 13
1.4.9 关于cdo的一些城市级政策 13
1.5 cdo发展的趋势 14
1.5.1 全球cdo调研 14
1.5.2 cdo在我国的发展趋势 15
1.5.3 中美cdo的比较：谁在推动数据管理工作 15
1.6 本章小结 16
第 2章 cdo的主要职责和组织架构 17
2.1 概述 17
2.2 关于首席数据官职责的一些观点 17
2.2.1 美国联邦首席数据官委员会的观点 17
2.2.2 iscdo的观点 18
2.2.3 cdoiq的观点 19
2.2.4 edmc的观点 20
2.2.5 dama的观点 20
2.3 一个示例：美国俄勒冈州交通部cdo招聘 20
2.3.1 职位介绍 21
2.3.2 通用职责/职责 21
2.3.3 具体的职责和职务 21
2.3.4 成功的度量指标 24
2.3.5 背景要求和大力度优惠资格要求 24
2.4 首席数据官的主要工作职责 24
2.4.1 管好数据 24
2.4.2 做好转型 25
2.4.3 建好团队 26
2.4.4 cdo职责架构图 26
2.5 首席数据官的汇报路径和组织架构 26
2.5.1 cdo与其他cxo的关系 26
2.5.2 cdo和数字化转型委员会的关系 28
2.5.3 cdo和数据所有者的关系 29
2.5.4 cdo和数据管理专员的关系 29
2.6 本章小结 30
第3章 cdo的技能和个人特质 31
3.1 概述 31
3.2 首席数据官面临的挑战 31
3.3 首席数据官可能担当的角 32
3.4 cdo的技能（美国联邦首席数据官委员会的观点） 34
3.5 cdo的数据能力：数据素养 34
3.6 cdo的业务能力 34
3.7 cdo的技术能力 35
3.8 cdo的团队能力 35
3.9 cdo的战略规划能力 36
3.10 cdo的沟通交流能力 36
3.11 cdo的格特征 36
3.12 本章小结 36
第4章 cdo的行动指南 37
4.1 概述 37
4.2 国外关于cdo行动计划的一些观点 37
4.2.1 iscdo关于cdo的90天行动计划 37
4.2.2 gartner关于cdo的100天行动计划 38
4.2.3 cdoiq关于cdo的90天行动计划 38
4.3 dama的cdo行动路线图 40
4.3.1 获得支持并确定具体目标 40
4.3.2 了解组织的数据和技术现状 41
4.3.3 评估组织数据管理能力成熟度 42
4.3.4 制定路线图并设置合理的kpi 44
4.4 本章小结 44
第二篇 管好数据
第5章 数据战略 46
5.1 概述 46
5.1.1 战略是企业的生死大计 46
5.1.2 数据赋予企业的机遇和挑战 46
5.1.3 企业需要有数据战略 47
5.1.4 部分或地区的数据战略 48
5.1.5 数据战略的三个必答题 48
5.2 数据战略七要素 48
5.2.1 愿景：企业要成为一家怎样的数据驱动型公司 49
5.2.2 数据：将数据思维植入组织 50
5.2.3 数据组织：构建业务负责制的数据管理组织 51
5.2.4 业务场景：让数据战略对齐业务战略 51
5.2.5 数据能力：提供制度和流程支撑 52
5.2.6 数据底座：让数据可用、好用 52
5.2.7 行动路线图：数据战略实施路线图 52
5.3 数据战略实施的y形路径 53
5.3.1 数据战略分析 53
5.3.2 数据战略制定 54
5.3.3 数据战略实施 54
5.3.4 数据战略评估 55
5.4 本章小结 56
第6章 数据治理 57
6.1 概述 57
6.1.1 数据治理的定义 57
6.1.2 数据治理和数据管理的关系 57
6.2 数据治理的驱动因素 58
6.2.1 规遵从的要求 58
6.2.2 管控的要求 58
6.2.3 外部市场的需求 59
6.3 数据治理的核心内容 59
6.3.1 组织人事架构的调整和建设 59
6.3.2 各种规章制度的建设 65
6.3.3 数据管理流程的改造和建设 65
6.4 数据治理的实施指南 65
6.4.1 识别当前的数据管理参与者 65
6.4.2 识别数据治理指导委员会的参与者 66
6.4.3 识别和分析利益相关方 66
6.4.4 让利益相关方参与进来 67
6.5 本章小结 67
第7章 数据制度 68
7.1 概述 68
7.1.1 数据制度的分类 68
7.1.2 企业层面的数据制度分类 69
7.1.3 企业级管理大纲 69
7.1.4 数据管理办 70
7.1.5 数据管理维护细则 70
7.1.6 数据管理作手册 71
7.2 数据制度的主要内容 71
7.2.1 数据制度的核心内容 71
7.2.2 数据要素基础制度 73
7.3 数据制度的修订时机、原则和步骤 74
7.4 本章小结 75
第8章 元数据和数据资源目录 76
8.1 概述 76
8.1.1 元数据和数据资源目录的定义 76
8.1.2 数据管理需要从元数据开始 76
8.2 元数据管理的驱动因素 77
8.3 元数据的核心内容 79
8.3.1 元数据的内容 79
8.3.2 元数据的来源 80
8.4 元数据和数据资源目录实施指南 81
8.5 元数据管理的关键事项 83
8.5.1 目录的完整 83
8.5.2 元数据的质量 83
8.5.3 组织保障 83
8.5.4 标准和制度 84
8.5.5 反馈机制 84
8.5.6 元数据管理是一项长期工程 84
8.6 主动型元数据管理 84
8.6.1 什么是主动型元数据管理 84
8.6.2 主动型元数据管理的基本特征 85
8.7 本章小结 85
第9章 数据标准 86
9.1 概述 86
9.1.1 数据标准的定义 86
9.1.2 数据标准层级 86
9.2 数据标准的驱动因素 87
9.3 数据标准面临的困难 88
9.4 数据标准的核心内容 88
9.4.1 数据要素供给 88
9.4.2 数据要素流通 89
9.4.3 数据要素开发利用 89
9.4.4 数据要素安全 89
9.5 数据标准的实施指南 89
9.5.1 数据标准规划 90
9.5.2 数据标准制定 91
9.5.3 数据标准发布 94
9.5.4 数据标准执行 94
9.5.5 数据标准维护 95
9.6 数据标准化的评估 95
9.6.1 对数据标准建设的评估 96
9.6.2 对数据标准贯标的评估 96
9.6.3 对数据标准应用成效的评估 97
9.7 本章小结 97
0章 数据架构 98
10.1 数据架构的定义 98
10.1.1 dama的观点 98
10.1.2 dcmm的观点 98
10.1.3 其他观点 99
10.2 数据架构的核心内容及其演变 99
10.2.1 数据架构的核心内容 99
10.2.2 数据架构的演变 102
10.3 数据架构的实施指南 107
10.3.1 数据架构面临的挑战 107
10.3.2 数据架构的设计原则 107
10.3.3 现状与需求分析 108
10.3.4 数据架构设计的两种 模式 109
10.3.5 数据架构的常见误区 109
10.4 现代数据架构 110
10.4.1 现代数据架构介绍 110
10.4.2 数据架构的未来趋势 110
10.4.3 大数据技术 111
10.5 数据架构评估 111
10.6 本章小结 111
1章 数据质量管理 112
11.1 概述 112
11.2 数据质量的概念 112
11.3 数据质量管理的几项原则 113
11.3.1 从关键数据入手 113
11.3.2 “自查”和从源头抓起 114
11.3.3 明确的认责体系是提升数据质量的根本保证 114
11.3.4 建立有效的数据质量指标 115
11.4 数据质量管理的具体工作 116
11.4.1 数据质量管理的大致内容和流程 116
11.4.2 根因分析 117
11.4.3 pdca方论 117
11.4.4 数据质量报告 118
11.5 数据质量管理实施的几个要点 119
11.5.1 导致数据质量问题的常见原因 119
11.5.2 数据全生命周期的管理 119
11.5.3 数据质量规则模板 120
11.6 如何评估数据质量管理的成效 121
11.7 本章小结 121
2章 数据安全和隐私保护 122
12.1 概述 122
12.1.1 数据安全的定义 122
12.1.2 隐私保护的定义 123
12.1.3 cdo要做好数据安全和隐私保护 123
12.2 数据安全的核心内容 123
12.2.1 数据分类分级 124
12.2.2 数据访问控制 125
12.2.3 应对外部威胁 125
12.2.4 18种数据安全能力 126
12.3 数据隐私保护的核心内容 127
12.3.1 个人信息安全影响评估 128
12.3.2 个人数据保留和删除 129
12.3.3 个人数据处理活动记录 129
12.3.4 个人信息主体权益 130
12.4 数据安全和隐私保护的实施方 131
12.4.1 数据安全和隐私保护之组织建设 131
12.4.2 数据安全和隐私保护之框架和制度建设 132
12.4.3 数据安全和隐私保护之技术工具 134
12.4.4 数据安全和隐私保护之人员能力培养 136
12.4.5 外包中的数据安全保护 137
12.4.6 crud和raci 137
12.5 数据安全和隐私保护的事件处理 137
12.6 本章小结 139
3章 数据合规管理 140
13.1 概述 140
13.1.1 合规 140
13.1.2 合规管理 140
13.1.3 合规风险 140
13.2 合规管理的作用 142
13.3 数据合规义务和风险 143
13.3.1 数据合规义务 143
13.3.2 数据合规风险 143
13.4 合规管理的主要步骤 144
13.4.1 风险识别 144
13.4.2 风险评价 146
13.4.3 识别并排序合规责任人 148
13.4.4 风险控制 149
13.5 合规管理体系及认证 151
13.5.1 组织环境 151
13.5.2 作用 152
13.5.3 策划 152
13.5.4 支持 152
13.5.5 运行 153
13.5.6 绩效评价 153
13.5.7 改进 153
13.6 本章小结 153
4章 主数据管理 154
14.1 概述 154
14.2 主数据的定义和关键特 154
14.3 主数据类型 155
14.4 什么是主数据管理 155
14.5 主数据管理面临的挑战 156
14.6 主数据管理的核心内容 156
14.6.1 主数据管理标准体系 157
14.6.2 主数据管理保障体系 158
14.6.3 主数据管理工具 160
14.7 主数据管理的价值 164
14.8 主数据管理的实施方 164
14.8.1 实施方及内容 165
14.8.2 实施要点 166
14.9 主数据管理的评价指标 169
14.10 本章小结 169
5章 指标数据 170
15.1 概述 170
15.2 指标数据的驱动因素 170
15.2.1 指标数据是组织健康持续发展的需要 170
15.2.2 指标数据是组织经营分析决策的依据 170
15.2.3 指标数据是组织需要管理的重要资产 171
15.3 指标数据的管理原则 171
15.4 指标数据的建设过程 171
15.4.1 编制指标体系框架 171
15.4.2 明确主题所属指标 172
15.4.3 优化完善指标数据 173
15.4.4 制定指标管理体系 174
15.4.5 强化使用指标数据 175
15.5 指标数据的实施指南 176
15.5.1 指标数据的常见问题 176
15.5.2 指标数据的关键管理因素 176
15.5.3 指标数据的度量指标 177
15.6 本章小结 177
6章 数据建模 178
16.1 概述 178
16.1.1 什么是数据模型 178
16.1.2 数据建模的一些基本概念 179
16.2 数据模型管理的驱动因素 181
16.2.1 监管合规要求形成有效的数据模型管理机制 181
16.2.2 企业中的数据模型需要长期积累 182
16.2.3 数据生产规范化需要模型开发过程遵循企业数据标准 182
16.3 数据模型的核心内容 182
16.3.1 企业架构与数据架构 182
16.3.2 数据模型驱动的数据治理 184
16.3.3 从数据模型到数据 185
16.3.4 数据模型与数据标准的关系 185
16.3.5 将数据标准应用于数据模型建设 186
16.4 数据模型的实施指南 186
16.4.1 数据模型规范化设计 187
16.4.2 数据模型评审 187
16.4.3 数据模型管理和协作 187
16.4.4 组织架构和流程 188
16.4.5 行业标准化数据模型 189
16.5 数据模型的评估指标 189
16.5.1 数据模型管理成熟度评估模型 190
16.5.2 能力域及能力项的设计 191
16.6 本章小结 191
7章 数据集成 192
17.1 概述 192
17.1.1 数据集成的基本概念 192
17.1.2 时延的基本概念 192
17.2 数据集成的过程 193
17.3 数据集成的核心内容 193
17.3.1 数据集成的类型 194
17.3.2 数据集成技术 197
17.3.3 数据集成的新内容 200
17.3.4 数据集成的常见误区 201
17.4 数据集成能力的评估 202
17.5 本章小结 203
8章 数据存储 204
18.1 概述 204
18.1.1 数据存储的概念 204
18.1.2 数据存储规划的目标 204
18.2 数据存储规划需要虑的因素 204
18.2.1 数据的结构特征 204
18.2.2 数据的处理模式 205
18.2.3 数据的全生命周期 206
18.2.4 数据访问的热度 206
18.2.5 数据的存储地点 207
18.2.6 整体因素 209
18.3 选择数据库系统需要虑的因素 210
18.3.1 数据库的cap特 210
18.3.2 数据库的扩展 210
18.3.3 不同数据库适用的数据处理场景 213
18.3.4 全能但昂贵的选择——内存数据库 217
18.3.5 面向特定行业的数据库 218
18.4 数据存储的发展趋势 219
18.5 本章小结 219
9章 数据管理能力成熟度评估 220
19.1 数据管理能力成熟度评估模型 220
19.1.1 cmmi-dmm模型 220
19.1.2 ibm数据治理能力成熟度模型 222
19.1.3 dcam 2.0 223
19.1.4 dcmm 224
19.1.5 数据管理能力成熟度评估模型对比分析 225
19.1.6 cdmc 226
19.2 如何开展数据管理能力成熟度评估 226
19.2.1 数据管理能力成熟度评估的实施步骤 227
19.2.2 未来趋势和展望 230
19.3 本章小结 230
第 20章 数据生命周期管理 231
20.1 概述 231
20.1.1 数据生命周期的定义 231
20.1.2 数据生命周期管理的定义 231
20.1.3 常见的数据生命周期管理模型 231
20.2 数据生命周期管理的目标及意义 233
20.3 数据生命周期管理的阶段 233
20.3.1 数据规划 233
20.3.2 数据创建 234
20.3.3 数据传输 234
20.3.4 数据存储 235
20.3.5 数据加工 235
20.3.6 数据使用 236
20.3.7 数据提高 236
20.3.8 数据归档或销毁 236
20.4 数据生命周期管理的评估 237
20.4.1 对数据生成与收集的评估要求 238
20.4.2 对数据加工与处理的评估要求 238
20.4.3 对数据存储与管理的评估要求 238
20.4.4 对数据利用与共享的评估要求 238
20.5 本章小结 238
第 21章 非结构化数据管理 239
21.1 概述 239
21.1.1 概念 239
21.1.2 发展历程 239
21.1.3 现状 240
21.1.4 未来趋势 240
21.2 非结构化数据管理的意义 241
21.2.1 安全合规 241
21.2.2 提效降本 241
21.2.3 业务连续 241
21.2.4 决策支持 242
21.2.5 洞察创新 242
21.2.6 权益保障 242
21.2.7 资产增值 242
21.2.8 记忆（历史）留存 242
21.3 非结构化数据管理的核心内容 242
21.3.1 文档管理 243
21.3.2 工作流 244
21.3.3 协作 244
21.3.4 影像管理 244
21.3.5 门户 244
21.3.6 知识管理 245
21.3.7 数字资产管理 245
21.3.8 网页内容管理 245
21.4 非结构化数据管理的建设方 246
21.5 本章小结 247
第 22章 数据分析和挖掘 248
22.1 概述 248
22.2 数据分析与数据挖掘的异同 248
22.3 数据分析的核心内容 249
22.3.1 数据分析理论和方 249
22.3.2 数据分析工具 249
22.3.3 数据分析应用 250
22.4 数据挖掘的核心内容 251
22.4.1 传统意义上的数据挖掘 252
22.4.2 大数据背景下的数据探索 254
22.4.3 数据挖掘工具 256
22.4.4 数据挖掘应用 256
22.5 数据分析和挖掘的应用场景 258
22.5.1 客户管理 258
22.5.2 产品管理 259
22.5.3 营销管理 259
22.5.4 绩效管理 259
22.5.5 风险管理 260
22.5.6 财务管理 260
22.6 数据分析和挖掘的实施方 261
22.6.1 数据分析的实施方 261
22.6.2 数据挖掘的实施方 262
22.7 本章小结 263
第 23章 数据伦理 264
23.1 概述 264
23.1.1 遵守伦理是企业开展业务活动的底线 264
23.1.2 企业需要遵守数据伦理 264
23.2 数据伦理面临的问题及典型案例 265
23.2.1 数据伦理面临的问题 265
23.2.2 数据伦理问题的典型案例：facebook定向广告推送事件 2
— 没有更多了 —
以下为对购买帮助不大的评价