云原生数据中台 架构、方法论与实践
①一般下午5点前订单，当日发货，开发票联系客服②教材,学习,考试类书默认有笔记（或做过）③其他类书一般无笔记，提前与客服沟通好再下单，否则本店不承担责任）④部分图书籍采用标准图片，可能存在不同印次不同封面，内容一致⑤出版时间过长的书都可能有自然发黄现象。
￥ 74.25 7.5折 ￥ 99 九品
仅1件
天津宝坻
认证卖家担保交易快速发货售后保障
作者彭锋,宋文欣,孙浩峰
出版社机械工业出版社
ISBN9787111678465
出版时间2021-04
装帧精装
开本32开
定价99元
货号1395635580985524736
上书时间2024-11-13
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：九品
- 商品描述
-
作者简介
目录
前言
部分 数据中台与硅谷大数据平台
章 全面了解数据中台
1.1 数据中台概念的起源3
1.1.1 艺电的“数据中台”改造4
1.1.2 Twitter的数据驱动6
1.2 什么是数据中台8
1.2.1 数据中台建设的目标8
1.2.2 如何实现数据中台建设的目标11
1.2.3 数据中台的定义和4个特点13
1.3 大数据平台与数据中台16
1.3.1 为什么要建设数据中台16
1.3.2 数据中台与传统大数据平台的区别20
1.3.3 数据中台的评判标准24
1.4 数据中台建设方法论总纲24
1.5 本章小结27
第2章 数据中台能力和应用场景
2.1 数据中台不是“银弹”28
2.2 数据中台的核心能力31
2.2.1 全局商业洞见31
2.2.2 个性化服务34
2.2.3 实时数据报表38
2.2.4 共享能力开发新业务39
2.3 数据中台的行业应用场景41
2.3.1 互联网行业41
2.3.2 连锁零售业42
2.3.3 金融业43
2.3.4 物联网44
2.4 数据中台如何为企业赋能45
2.4.1 组织架构46
2.4.2 决策部门48
2.4.3 业务部门51
2.4.4 研发部门53
2.4.5 大数据部门55
2.5 本章小结56
第3章 数据中台与数字化转型
3.1 数字化转型的4个阶段58
3.1.1 信息化58
3.1.2 数据仓库（数据平台1.0）59
3.1.3 大数据平台（数据平台2.0）61
3.1.4 数据中台（数据平台3.0）63
3.2 数据驱动64
3.2.1 面向用户的数据驱动产品及服务66
3.2.2 面向内部业务部门的数据驱动服务68
3.2.3 数据驱动的系统管理71
3.3 数据中台如何支持数字化转型72
3.3.1 从技术层面支持数字化转型73
3.3.2 从组织架构层面支持数字化转型74
3.4 本章小结75
第4章 从大数据平台到数据中台
4.1 大数据平台建设阶段76
4.1.1 大数据平台起步77
4.1.2 系统自动化77
4.1.3 大数据平台的生产化78
4.2 数据管理及应用阶段80
4.2.1 数据湖/数据仓库建设80
4.2.2 数据管理81
4.2.3 数据安全82
4.3 数据能力中台化阶段84
4.3.1 全局的数据治理85
4.3.2 数据能力的复用和共享85
4.3.3 云原生架构的支撑85
4.4 DataOps87
4.4.1 什么是DataOps87
4.4.2 DataOps解决的问题88
4.4.3 DataOps的目标功能90
4.4.4 DataOps的主要技术91
4.4.5 DataOps与数据中台92
4.5 本章小结93
第二部分 数据中台架构与方法论
第5章 数据中台建设须知
5.1 数据中台建设需要一套方法论96
5.2 从失败的大数据项目中吸取教训98
5.3 数据中台建设中的常见问题99
5.4 评判数据中台建设效果101
5.5 数据中台建设的人员规划103
5.6 数据中台的技术选型要求106
5.7 本章小结107
第6章 数据中台建设方法论
6.1 基础架构109
6.2 数据工具114
6.3 顶层架构设计115
6.4 数据规范116
6.5 业务驱动118
6.6 关键指标120
6.7 明确责权利125
6.8 管理迭代127
6.9 数据中台建设流程128
6.10 本章小结130
第7章 数据中台的架构
7.1 数据中台的功能定位132
7.2 数据中台架构设计的9大原则135
7.3 典型的硅谷大数据平台架构137
7.3.1 Twitter的大数据平台架构137
7.3.2 Airbnb的大数据平台架构140
7.3.3 Uber的大数据平台架构141
7.3.4 云平台作为大数据平台的通用底座143
7.3.5 硅谷大数据平台架构的共性和建设思路145
7.4 数据中台架构147
7.5 数据中台子系统150
7.5.1 应用基础能力平台151
7.5.2 数据基础能力平台152
7.5.3 数据集成开发平台154
7.5.4 数据资产运营平台156
7.5.5 数据业务能力层158
7.5.6 数据中台重点建设内容159
7.6 本章小结160
第8章 数据中台与云原生架构
8.1 云原生架构及云平台161
8.2 PaaS平台的主要功能165
8.2.1 资源管理167
8.2.2 应用全生命周期管理169
8.2.3 高可用和容错170
8.2.4 运维平台172
8.3 传统方式下搭建数据中台的难点173
8.4 云原生架构对于数据中台建设的5大意义175
8.5 数据中台的IaaS层选择178
8.6 本章小结180
第三部分 数据中台技术选型与核心内容
第9章 数据中台建设与开源软件
9.1 开源软件的起源和建设过程185
9.2 开源软件的合理使用189
9.3 集成开源软件的5个注意事项192
9.4 应用基础能力平台的开源选择193
9.5 数据基础能力平台的开源选择196
9.6 数据集成开发平台的开源选择203
9.7 本章小结205
0章 数据湖与数据仓库
10.1 数据湖207
10.1.1 数据湖的起源与作用208
10.1.2 数据湖建设的4个目标211
10.1.3 数据湖数据的采集和存储212
10.1.4 数据湖中的数据治理216
10.2 数据仓库218
10.2.1 数据建模方式219
10.2.2 数据仓库建设的层次221
10.2.3 数据仓库中的数据治理225
10.2.4 数据清洗229
10.3 数据中台中的数据仓库和数据湖建设231
10.4 本章小结233
1章 数据资产管理
11.1 数据资产管理的难题235
11.2 数据资产管理定义238
11.3 主数据管理239
11.4 元数据管理242
11.4.1 元数据的分类243
11.4.2 元数据管理系统的功能245
11.5 开源的元数据管理系统247
11.6 数据资产的ROI249
11.7 本章小结250
2章 数据流水线管理
12.1 数据流水线的定义与模型251
12.2 数据流水线中的应用类别254
12.3 数据流水线的运行方式256
12.4 数据流水线示例257
12.5 数据流水线管理系统面临的挑战259
12.6 数据流水线管理系统的功能需求262
12.6.1 自动化流水线262
12.6.2 数据管理263
12.6.3 性能要求264
12.7 数据流水线管理系统的组件265
12.8 批流合一的数据流水线266
12.9 本章小结269
3章 数据中台应用开发
13.1 数据应用的形态270
13.2 应用开发工具277
13.3 3种典型的数据中台应用279
13.3.1 数据即服务279
13.3.2 模型即服务281
13.3.3 用户标签系统282
13.4 数据中台应用的开发和管理283
13.4.1 应用调度系统284
13.4.2 多租户管理285
13.4.3 持续集成和发布286
13.5 本章小结287
4章 数据门户
14.1 数据门户出现的背景288
14.2 硅谷的数据门户建设289
14.2.1 Twitter的DAL和EagleEye290
14.2.2 LinkedIn的Data Hub292
14.2.3 Airbnb的Data Portal293
14.2.4 Lyft的Amundsen 294
14.2.5 Netflix的Metacat296
14.2.6 Intuit的SuperGlue297
14.2.7 硅谷数据门户总结298
14.3 数据门户的定位及功能299
14.4 数据门户的实现原理301
14.5 数据门户的社交属性303
14.6 数据应用的自助及协同工作304
14.7 数据智能运维306
14.8 本章小结308
5章 管理数据中台的演进
15.1 不断演进的数据中台310
15.2 人员变动下的数据管理310
15.2.1 数据安全311
15.2.2 数据能力的传递312
15.3 数据和应用的演进314
15.4 资源的演进316
15.5 演进中的关键指标318
15.6 本章小结321
第四部分 数据中台案例分析
6章 EA“数据中台”实践
16.1 建设背景324
16.2 组织架构调整327
16.3 建设过程328
16.4 体系架构333
16.5 数据治理336
16.5.1 数据标准和规范336
16.5.2 元数据管理338
16.5.3 数据质量管理339
16.6 数据应用产品340
16.6.1 推荐系统340
16.6.2 打造动态游戏体验341
16.6.3 标签系统及游戏运营343
16.7 EA“数据中台”功能总结344
16.8 本章小结345
7章 零售行业的数据中台
17.1 零售行业的数字化转型346
17.2 零售行业数据中台解决方案347
17.3 零售行业数据中台的建设349
17.3.1 数据汇聚350
17.3.2 业务调研352
17.3.3 数据仓库建设及数据分析354
17.3.4 业务系统的能力反馈356
17.4 零售行业数据中台的应用场景357
17.4.1 用户标签体系357
17.4.2 精准市场营销359
17.5 本章小结361
8章 物联网领域数据中台建设
18.1 现代物联网的产业链362
18.2 物联网与ABC365
18.3 物联网数据中台架构366
18.4 智慧建筑物联网数据中台应用371
18.5 本章小结374
内容摘要
这是一部从云原生角度讲解数据中台的业务价值、产品形态、架构设计、技术选型、落地方法论、实施路径和行业案例的著作，得到了国内外企业界和学术界的技术专家一致好评。本书的作者在曾硅谷的Twitter等企业从事大数据平台的建设工作多年，随后又成功创办了国内靠前的以云原生数据中台为核心技术和产品的企业。他们将在硅谷的大数据平台建设经验与在国内的数据中台建设经验进行深度融合，并系统阐述了云原生架构对数据中台的必要性及其相关实践，对国内企业的中台建设和运营具有很高的参考价值。
全书共18章，分为四个部分：
部分（~4章）数据中台与硅谷大数据平台
首先，从起源、定义、能力、应用场景、建设目标、建设方法论总纲等角度对数据中台做了全面的介绍；其次，讲解了数据中台如何驱动数字化转型；很后，通过对硅谷的Twitter等独角兽企业的数据平台和国内的数据中台进行对比，给出了这两种架构之间的异同点。核心内容是让读者透彻理解数据中台对于业务的价值。
第二部分（第5~8章）数据中台架构与方法论
结合硅谷的数据平台的架构方法，讲解了数据中台的架构方法和9大原则、数据中台建设的全套准备工作和系统方法论，以及云原生架构与数据中台的融合。
第三部分（第9~15章）数据中台技术选型与核心内容
首先，多方面地介绍了建设数据中台时如何进行技术选型，然后重点讲解了数据湖、数据仓库、数据资产管理、数据流水线管理、数据中台应用开发、数据门户等数据中台建设的核心内容。
第四部分（6~18章）数据中台案例分析
通过游戏、零售、物联网3个领域的案例讲解了数据中台的搭建、实现与运营。
主编推荐
（1）作者在Twitter等硅谷独角兽企业有多年大数据平台架构与开发经验，同时又在国内有数年数据中台建设经验，本书在内容上对这两方面的经验进行了充分比较和深度融合。（2）本书得到了武汉大学计算机学院前院长、FaceBook和Twitter前工程总监、明略科技副总裁等多位国内外学术界和企业界专家的一致好评。（3）从云原生角度切入，全面讲解云原生数据中台的架构、技术选型、落地方法论、实施路径和行业案例。
— 没有更多了 —
以下为对购买帮助不大的评价