数据治理:工业企业数字化转型之道
正版保障 假一赔十 可开发票
￥ 101.44 6.4折 ￥ 158 全新
库存93件
广东广州
认证卖家担保交易快速发货售后保障
作者祝守宇，蔡春久等著
出版社电子工业出版社
ISBN9787121465529
出版时间2023-11
装帧平装
开本其他
定价158元
货号14260462
上书时间2024-03-23
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"祝守宇 中国航天科工集团航天云网公司副总经理、工业大数据应用技术国家工程实验室主任、教授级高级工程师。 曾获1997年美国贝尔实验室总裁金奖、美国电信管理协会（TMF）年度新产品大奖、北京市科技进步一等奖一次、北京市科技进步三等奖两次。先后主持重量重大产业专项十余项，拥有美国和中国发明专利十余项。长期从事互联网、大数据、复杂软件系统、移动通信、网络安全等领域的研究和产业化工作，是航天科工集团“五重大一专项”集团特聘专家。 蔡春久 数治云联合创始人，大数据技术标准推进委员会数据资产专家，数据工匠俱乐部创始人。具有20余年的IT咨询和数据治理行业经验， 为中国石化、南方电网、国家电投、中国核工业集团、腾讯等80余家世界500强企业提供数据治理服务。"
目录
目录 第1 篇 趋势篇 第1 章 工业企业需要数据治理 . 2 1.1 工业革命的演变与发展趋势 . 2 1.2 工业大数据是工业智能化的核心基础 . 6 1.3 主要工业国家地区的工业大数据战略 . 8 1.4 企业工业数据的核心价值 . 9 1.5 我国各行业数据治理现状 . 11 1.6 数据治理是实现工业数据价值的基础 . 13 1.7 工业企业数据治理面临的困难与挑战 . 14 第2 章 工业企业数据治理概述 . 17 2.1 相关概念和定义 . 17 2.1.1 数据与数据管理 . 17 2.1.2 大数据内涵及其特征 . 17 2.1.3 工业大数据的定义及其独特属性 . 18 2.1.4 狭义数据治理与广义数据治理 . 19 2.2 工业数据的分类 . 22 2.3 数据治理的顶层架构 . 25 2.3.1 数据治理“五域模型”：管理视角 . 25 2.3.2 数据治理“黄金屋”：技术视角 . 26 2.3.3 数据全生命周期 . 27 2.4 数据治理的核心内容 28 第3 章 主流数据治理标准及框架介绍 30 3.1 国际标准 . 30 3.2 国内标准及模型 30 3.3 专业组织及理论框架 32 3.4 数据治理体系比较 34 第4 章 数据治理的发展趋势 .37 4.1 国内外数据治理体系的演变与发展 . 37 4.2 以组织为核心的数据治理体系建设 . 38 4.3 从传统式数据治理到资产化数据治理 . 38 4.4 从企业级数据治理到产业级数据治理 . 39 4.5 新一代信息技术促进数据治理的发展 4.6 数据文化与伦理道德建设是重要一环 . 43 4.7 数据运营是数据资产价值的实现过程 . 45 第5 章 本书阅读导引 48 5.1 数据治理是一个系统工程 48 5.2 工具是数据治理的保障 49 5.3 实施数据治理有路线可循 49 5.4 数据治理已在诸多行业成功实施 49 第2 篇 体系篇 第6 章 数据管控 55 6.1 数据管控概述 . 55 6.2 组织架构 . 57 6.2.1 数据治理组织架构 . 57 6.2.2 数据治理组织模式 . 59 6.2.3 数据治理职责分工 . 61 6.3 制度规范 . 64 6.3.1 数据治理制度框架 . 64 6.3.2 数据治理管理制度的修订 . 67 6.4 执行流程 . 69 6.4.1 数据治理总体流程框架 . 69 6.4.2 数据治理典型场景的流程 . 70 6.5 设计机制 . 73 6.6 考核体系 . 75 6.7 标准体系 . 77 第7 章 数据战略 79 7.1 数据战略概述 . 79 7.2 数据战略规划 . 79 7.2.1 数据战略愿景和目标 . 80 7.2.2 数据战略规划基本原则 . 81 7.2.3 数据战略举措选择 . 82 7.2.4 数据战略模型工具 . 82 7.3 数据战略实施 . 84 7.3.1 实施策略 84 7.3.2 实施路径 . 84 7.3.3 实施步骤 . 85 第8 章 数据架构 .88 8.1 数据架构概述 89 8.1.1 数据架构组成 . 90 8.1.2 企业数据架构的主要问题 . 91 8.1.3 做好数据架构的意义 . 92 8.2 数据目录 . 92 8.2.1 数据目录类型 . 93 8.2.2 数据目录管理 . 95 8.3 数据模型 . 96 8.3.1 数据模型中的基本概念与数据关系 . 97 8.3.2 主题域模型 . 101 8.3.3 概念数据模型 . 103 8.3.4 逻辑数据模型 . 103 8.3.5 物理数据模型 . 105 8.3.6 数据模型设计和建模方法 . 105 8.4 数据标准 . 107 8.4.1 对象类数据标准 . 107 8.4.2 基础类数据标准 . 111 8.5 数据分布与流向 112 8.5.1 数据分布 . 113 8.5.2 数据流向 . 113 8.5.3 数据资产全景图 . 114 8.5.4 数据地图分布应用 . 115 8.6 数据架构评价指标 . 116 第9 章 主数据管理 . 118 9.1 主数据和主数据管理 . 118 9.1.1 主数据的特征. 118 9.1.2 主数据管理的基本概念 . 119 9.2 主数据规划管理 . 119 9.3 主数据识别管理 . 120 9.4 主数据标准管理 . 123 9.5 主数据全生命周期管理 . 124 9.6 主数据应用管理 . 125 9.6.1 统一源头集中共享 . 125 9.6.2 主数据应用需求管理 . 125 9.6.3 主数据应用质量管理 . 126 9.6.4 主数据应用服务管理 . 127 9.7 主数据评价指标 . 128 9.8 企业常用的几类主数据 . 130 9.8.1 物料主数据 130 9.8.2 设备主数据 130 9.8.3 固定资产主数据 . 131 9.8.4 会计科目主数据 . 132 9.8.5 组织机构和员工主数据 . 132 第10 章 元数据管理 . 134 10.1 元数据的定义 . 134 10.2 元数据分类 . 134 10.2.1 业务元数据 135 10.2.2 技术元数据 135 10.2.3 管理元数据 135 10.3 元数据相关概念理解 . 136 10.4 元数据管理关键活动 . 140 10.5 元数据管理内容 . 141 10.6 主动元数据管理 144 10.7 元数据的价值 146 10.8 元数据管理评价指标 147 第11 章 数据指标管理 148 11.1 数据指标管理概述 148 11.1.1 数据指标应用和管理中的挑战 . 148 11.1.2 指标体系框架设计目的 . 149 11.1.3 指标体系框架设计思路 . 149 11.2 指标体系框架 150 11.2.1 典型的指标定义框架 . 151 11.2.2 指标选取原则及方法 . 151 11.2.3 指标体系框架层级设计 . 153 11.2.4 指标体系评价方法 . 153 11.3 找指标 154 11.4 理指标 156 11.5 管指标 157 11.6 用指标 158 第12 章 时序数据管理 160 12.1 时序数据管理概述 160 12.2 时序数据的特点 161 12.3 时序数据的应用 162 12.3.1 技术挑战 . 163 12.3.2 典型的技术架构及特点 . 164 12.3.3 系统核心功能 . 164 第13 章 数据质量管理 166 13.1 数据质量需求分析 167 13.2 数据质量检查 168 13.3 数据质量分析 168 13.4 数据质量提升 169 13.5 数据质量评估 171 13.5.1 数据质量问题的起因 . 172 13.5.2 数据质量管理技术指标 . 173 13.5.3 数据质量管理业务指标 . 174 第14 章 数据安全管理 . 176 14.1 数据安全管理概述 . 176 14.2 数据安全体系框架 . 177 14.3 数据安全防护策略 . 179 14.4 数据安全审计 . 181 14.5 数据安全风险评估 . 182 14.6 数据应急保障 . 184 第15 章 数据交换与服务 186 15.1 数据交换与服务的意义 . 187 15.2 数据交换与服务技术演进 . 187 15.2.1 文件共享技术 . 188 15.2.2 数据库中间表技术 . 188 15.2.3 点对点接口技术 . 188 15.2.4 消息队列技术 . 189 15.2.5 企业服务总线交换技术 . 191 15.2.6 ETL 数据交换技术 . 192 15.2.7 物联网数据采集交换技术 . 192 15.3 工业企业数据交换与服务标准体系架构 . 193 15.3.1 CPS 信息交换模型 . 195 15.3.2 设备互联总线 . 195 15.3.3 服务总线 . 196 15.3.4 数据总线 . 198 15.3.5 开放互联API 网关 199 第16 章 数据共享与开放 201 16.1 数据共享与开放概述 201 16.2 数据资源目录 203 16.3 数据资源准备 203 16.3.1 数据采集 . 204 16.3.2 数据加工 . 204 16.3.3 数据保密 . 204 16.3.4 数据装载 . 205 16.3.5 数据发布 . 206 16.4 数据服务 . 206 16.5 数据共享与开放评价 207 第17 章 数据管理成熟度评估 . 209 17.1 数据管理成熟度评估模型 209 17.2 数据管理成熟度等级定义 213 17.3 数据管理成熟度评估指标 216 17.4 数据管理成熟度评估实施 217 第3 篇 工具篇 第18 章 数据治理工具概述 220 第19 章 数据资产运营工具 223 19.1 数据资产目录 . 223 19.1.1 总体概述 224 19.1.2 数据资产目录系统构建 . 224 19.1.3 数据资产目录能力评估模型 . 226 19.2 数据资产价值评估 228 19.2.1 总体概述 . 228 19.2.2 数据资产价值评估模型 . 230 19.2.3 数据资产价值评估工具 . 238 第20 章 数据模型管理工具 240 20.1 数据模型管理工具概述 . 240 20.2 企业级数据模型管控 . 241 20.3 数据标准管控 . 243 20.3.1 数据标准的发布和工具访问 . 243 20.3.2 数据模型设计中的数据标准应用 . 243 20.3.3 数据标准应用情况的自动检核 . 244 20.3.4 自定义数据标准的发布管理 . 244 20.4 数据字典的质量检核 . 245 第21 章 数据指标管理工具 246 21.1 指标库管理 . 246 21.2 指标体系管理 . 247 21.3 指标评价管理 . 248 21.4 指标应用管理 . 248 第22 章 主数据管理工具 251 22.1 主数据标准管理 . 251 22.2 主数据模型管理 . 252 22.3 主数据清洗管理 . 252 22.3.1 主数据清洗的内容 . 252 22.3.2 主数据清洗的一般过程 . 253 22.4 主数据全生命周期管理 . 255 22.5 主数据质量管理 . 257 22.6 主数据发布与共享 . 259 第23 章 元数据管理工具 261 23.1 元数据管理工具概述 . 261 23.2 元数据管理工具组成 . 261 23.3 元数据管理工具的架构 . 265 23.4 元数据管理工具的发展趋势 . 267 第24 章 时序数据处理工具 . 269 24.1 通用的大数据处理工具的不足 269 24.2 时序数据处理工具应具备的功能和特点 . 270 24.3 时序数据的采集 272 24.4 时序数据处理工具 273 第25 章 数据质量管理工具 . 276 25.1 数据质量管理工具概述 276 25.2 数据质量稽核规则设置 277 25.3 数据质量任务管理 278 25.4 数据质量报告 278 第26 章 数据交换与服务工具 . 280 26.1 数据交换与服务工具概述 280 26.2 数据采集 . 281 26.3 数据交换 . 283 26.3.1 前置交换子系统 . 283 26.3.2 交换传输子系统 . 283 26.3.3 交换管理子系统 . 284 26.4 数据加工服务 284 26.5 数据共享服务 286 26.6 工业大数据技术平台 286 26.6.1 工业大数据的采集 . 287 26.6.2 工业大数据的交换 . 288 26.6.3 工业大数据的处理 . 289 第27 章 数据安全管理工具 . 292 27.1 数据安全管理工具概述 292 27.2 数据采集安全管理工具 292 27.2.1 数据分类分级工具 . 293 27.2.2 数据采集内容及策略 . 294 27.2.3 数据采集人员管理 . 294 27.2.4 数据采集安全审计 . 294 27.2.5 数据源鉴别及记录 . 294 27.3 数据传输安全管理工具 . 295 27.3.1 加密算法 295 27.3.2 对称加密 295 27.3.3 非对称加密 296 27.3.4 传输安全审计 . 296 27.4 数据存储安全管理工具 . 296 27.4.1 数据存储介质管理 . 297 27.4.2 数据存储安全 . 297 27.4.3 数据备份和恢复 . 297 27.4.4 灾难恢复能力等级划分 . 298 27.4.5 数据存储安全审计 . 299 27.5 数据处理安全管理工具 . 299 27.6 数据交换安全管理工具 . 300 27.6.1 数据导入/导出安全保障 301 27.6.2 数据交换安全 . 301 27.6.3 数据销毁安全管理 . 302 27.7 统一的身份认证系统 . 303 27.8 API 接口安全管控系统 304 27.9 人工智能技术赋能数据安全 . 305 第28 章 大数据平台 . 307 28.1 大数据平台的演变与现状 . 307 28.1.1 大数据平台的演变 . 307 28.1.2 大数据平台的新内涵 . 308 28.2 大数据平台的作用与建设 308 28.2.1 大数据平台的作用 . 308 28.2.2 大数据平台的建设思路 . 309 28.2.3 大数据平台的建设路径 . 309 28.3 大数据平台功能架构 310 28.3.1 湖仓一体大数据平台的产生和总体架构 310 28.3.2 数据采集 . 311 28.3.3 数据存储 . 312 28.3.4 数据计算 . 314 28.3.5 数据分析与挖掘 . 315 28.3.6 数据服务 . 316 28.3.7 数据应用与可视化 . 317 28.3.8 作业调度系统 . 317 28.3.9 数据治理 . 318 28.3.10 集成开发门户 . 320 28.4 大数据平台的主要技术 321 28.5 大数据平台团队建设 321 28.5.1 大数据平台团队的职能 . 321 28.5.2 大数据平台实施团队构成 . 322 28.6 大数据平台的能力评估 323 28.7 大数据平台发展趋势 324 28.7.1 数字经济中的发展与安全的平衡 325 28.7.2 信息与大数据技术的迭代发展 . 325 第4 篇 实施篇 第29 章 数据治理实施策略和路径选择 328 29.1 数据治理实施内容 . 328 29.2 数据治理路径选择 . 329 第30 章 数据治理顶层架构规划与设计 332 30.1 数据治理顶层架构规划与设计实施内容 . 332 30.2 数据治理顶层架构规划与设计步骤和方法 . 334 30.2.1 数据治理顶层架构设计总体思路 . 334 30.2.2 数据治理顶层架构设计要点 . 336 30.3 数据治理顶层架构规划与设计成熟度评估 . 346 第31 章 数据资产运营实施 349 31.1 数据资产运营实施内容 . 349 31.2 数据资产运营实施步骤和方法 356 第32 章 主数据管理实施 358 32.1 主数据管理实施内容 . 358 32.2 主数据管理实施步骤和方法 . 358 32.2.1 主数据管理实施步骤 . 358 32.2.2 主数据管理实施方法 . 360 第33 章 元数据管理实施 365 33.1 元数据管理实施内容 . 365 33.2 元数据管理实施步骤和方法 . 365 第34 章 数据指标管理实施 369 34.1 数据指标管理实施内容 . 369 34.2 数据指标收集步骤和方法 . 370 34.3 数据指标模板 . 372 34.3.1 数据指标项定义 . 372 34.3.2 形成数据指标卡片及数据指标模板 372 34.3.3 数据需求规划 . 373 第35 章 数据质量管理实施 . 375 35.1 数据质量管理实施内容 375 35.2 数据质量管理实施步骤和方法 376 35.2.1 数据剖析 . 376 35.2.2 数据质量诊断 . 377 35.2.3 数据处理规则 . 378 35.2.4 数据质量优化 . 378 35.2.5 数据质量监管 . 379 35.2.6 实施数据质量管理时要注意的问题 379 第36 章 数据安全管理实施 . 381 36.1 数据安全管理实施内容 381 36.2 数据安全管理实施步骤 381 36.2.1 第一阶段：统筹规划 . 382 36.2.2 第二阶段：数据全生命周期监管 . 382 36.2.3 第三阶段：稽核检查 . 383 36.3 数据安全管理实施框架 384 第37 章 数据治理常见误区 . 388 第5 篇 案例篇 第38 章 电力行业：夯实数字化转型基础――南方电网数据资产管理行动实践 . 392 38.1 背景介绍 . 392 38.2 项目实施 . 394 38.3 项目成果 . 407 38.4 项目亮点和洞察 409 38.5 数据治理愿景 411 第39 章 电力行业：支撑集团产业数字化转型――国家电投集团数据治理实践 412 39.1 背景介绍 . 412 39.2 数据治理工作实践 . 414 39.2.1 五凌电力数据治理实践――水电领域 417 39.2.2 黄河公司数据治理实践――光、风、水领域 421 39.2.3 云南国际数据治理实践――风电领域 423 39.3 经验总结 . 427 39.4 总结与展望 . 428 第40 章 能源化工行业：数据治理助百年油企数字化转型 . 429 40.1 背景介绍 . 429 40.2 工作概况 . 431 40.3 组织保障 . 436 40.4 主要成果 . 437 40.5 物资集团数据治理实践案例 . 439 40.6 总结与展望 . 441 第41 章 建筑行业：中建三局园区数据治理实践 . 443 41.1 背景介绍 . 443 41.2 愿景目标 . 444 41.3 总体规划 . 445 41.4 项目成果 . 447 41.5 未来展望 . 455 第42 章 钢铁行业：产线时序数据治理实践 . 457 42.1 背景介绍 . 457 42.2 项目目标 . 457 42.3 项目实施 . 458 42.4 项目总结 . 464 42.5 未来展望 . 465 第43 章 核工业：主数据治理助力中核供应链管理升级 . 466 43.1 背景介绍 . 466 43.2 目标现状 . 467 43.3 项目实践 . 469 43.4 项目成果 . 475 43.5 未来展望 . 479 第44 章 航天行业：军工企业的“三位一体”数据治理体系建设实践 480 44.1 背景介绍 . 480 44.2 数据治理体系建设实践 481 44.3 项目成效 . 484 44.4 未来展望 . 486 第45 章 航空行业：基于全局模型的数据赋能业务实践 . 487 45.1 背景介绍 . 487 45.2 工作历程 . 488 45.3 项目成果 . 491 45.4 后续规划 . 498 第46 章 重型装备制造行业：数据标准，装备中国――中国一重的数据标准化管理项目 .499 46.1 背景介绍 . 499 46.2 数据治理概况 . 503 46.3 数据治理成果 . 505 46.4 总结与成效 . 507 第47 章 交通物流行业：数据治理助力中国外运数字化转型 . 509 47.1 背景介绍 . 509 47.2 主数据管理项目实施 . 511 47.3 数据资产目录项目实施 . 514 47.4 项目成果 . 519 47.5 未来展望 . 524 第48 章 多元化集团：越秀集团以数据为驱动，提升产品和服务竞争力，支撑高质量发展 525 48.1 背景介绍 . 525 48.2 整体方案 . 528 48.2.1 悦数通 529 48.2.2 悦分析 530 48.2.3 悦观察 532 48.2.4 悦资产 . 533 48.2.5 主数据 . 535 48.2.6 悦探索 . 537 48.2.7 悦数研 . 538 48.3 创新成果 . 541 48.4 项目亮点 . 542 第49 章 煤炭行业：大海则煤矿数据标准体系及数据湖建设 544 49.1 背景介绍 . 544 49.2 项目实施 . 547 49.3 项目成果 . 553 49.4 未来展望 . 556 第50 章 战略投资行业：国投集团的数据标准化管理实践 . 557 50.1 背景介绍 . 557 50.2 工作概况 . 559 50.3 组织保障 . 562 50.4 项目成果 . 562 50.5 工作价值 . 570 50.6 经验分享 . 571 附录A 工业英文缩写术语表 574 附录B 数据治理221 个重要名词术语 578
内容摘要
本书是一本全面关注工业企业数据治理方面的工具书，主要内容分为概述篇、体系篇、工具篇、实施篇及案例篇。其中概述篇主要介绍工业企业数据治理的基础概念、主流数据治理标准及框架、数据治理的发展趋势等；体系篇主要介绍数据管控、数据战略、数据架构、主数据管理等的基本原理与管理体系；工具篇主要介绍主数据管理工具、数据模型管理工具、数据资产运营工具等；实施篇主要介绍具体实施策略及路径选择、顶层架构规划与设计、数据资产运营实施等；案例篇主要介绍电力、能源化工、钢铁、制造、战略投资等行业的数据治理案例，为读者提供专业、丰富、可信的数据治理实施范例。
本书是工业大数据应用技术国家工程实验室多年潜心研究的重要科研成果的总结和凝聚，既具有理论高度，也具备面向中国工业企业的可实操性。参与本书编著的作者均为国内各企业的数据治理专家，所有案例均来自这些企业的实践。
对企业的基层管理者或初入职场的人士来说，本书是充分认识数据治理意义、组织进行数据治理的具体方案和工具手册；对企业中层管理者来说，本书是一本配合企业数据治理的纲领性指南；对企业高层管理者来说，本书是一本推动企业数据治理的方法论。本书还适合作为高校的MBA、EMBA教材。
主编推荐
"中国工程院院士 高金吉、倪光南荐读！ 13个工业企业案例，紧跟国家政策与技术发展，介绍更新、更优选的企业数据治理案例。既具有国际性理论高度，也具备面向中国工业企业的实操性。 参与本书编著的作者均为国内各企业的数据治理专家，所有案例均为企业的真实实践。"
精彩内容
本书是一本全面关注工业企业数据治理方面的工具书，主要内容分为概述篇、体系篇、工具篇、实施篇及案例篇。其中概述篇主要介绍工业企业数据治理的基础概念、主流数据治理标准及框架、数据治理的发展趋势等；体系篇主要介绍数据管控、数据战略、数
— 没有更多了 —
以下为对购买帮助不大的评价