• 数据治理实践者手记
21年品牌 40万+商家 超1.5亿件商品

数据治理实践者手记

全新正版 极速发货

64.19 6.5折 99 全新

库存19件

广东广州
认证卖家担保交易快速发货售后保障

作者苏振中

出版社电子工业出版社

ISBN9787121475689

出版时间2024-04

装帧平装

开本其他

定价99元

货号1203248452

上书时间2024-07-02

徐小智的书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
作者简介
"苏振中/Eric,资深企业数智化转型专家,具有20年以上的企业信息化从业经历,在To B领域的大型企业数字化转型、项目实施方面经验丰富,对大规模多云混合、物联网、大数据等复杂IT系统架构技术和数据治理有较为深入的理解,曾参与中国燃气新零售、雅迪、国药器械、豫园、中国龙工等多家知名企业的数字化转型项目。任职经历:埃林哲产品专家、行业总监、创新事业部部长、系统开发部部长,上海甘仁信息科技CTO,IBM高级系统架构师。
刘永强/Lewin,项目管理数智化咨询顾问,PMP认证、EXIN的Scrum认证、微软MCE认证,并取得了人力资源和社会保障部、工业和信息化部的系统集成项目管理工程师证书,曾为众多知名企业提供项目管理领域的培训咨询及数智化构建服务,包括佳贝艾特、康师傅、中国移动、杉杉能源、中航工业等上百家企业,致力于通过专业的项目管理咨询和数智化解决方案,助力企业构建核心竞争力。"

目录
第一篇  理论与方法
第1章  为什么数据治理如此重要2
1.1  科技特征及演化趋势3
1.1.1  组织进化与数智化转型6
1.1.2  技术进化与剧烈“内卷”10
1.1.3  数据消费场景的演进11
1.2  数据资产的特征15
1.2.1  通用资产的特征15
1.2.2  数据的保鲜期16
1.2.3  数据可能是负资产17
1.2.4  数据资产的特殊性17
1.3  数据之“痛”,“痛”在哪里18
1.3.1  找不到关键数据20
1.3.2  数据质量差21
1.3.3  分析手段旧23
1.3.4  分析效率低24
1.3.5  数据杂乱25
1.3.6  响应业务变化慢26
1.3.7  非结构化数据的信息密度低27
1.4  数据治理,治理什么28
1.4.1  改善数据质量29
1.4.2  优化数据时效30
1.4.3  提升数据消费30
1.4.4  贯彻数据标准31
1.4.5  降低持有成本31
1.4.6  完善治理组织32
1.5  本章小结32
第2章  敏捷数据治理方法论33
2.1  什么是敏捷数据治理34
2.1.1  统计报表的局限性36
2.1.2  非数字原生企业的转型挑战39
2.1.3  常见数据治理框架的局限性40
2.1.4  数据标准化面临的困难42
2.1.5  数据治理的常见误区43
2.2  敏捷数据治理的总体框架、执行要点及主要特性45
2.2.1  敏捷数据治理的总体框架46
2.2.2  敏捷数据治理的执行要点49
2.2.3  敏捷数据治理的主要特性52
2.3  确定目标、厘清现状53
2.3.1  调研及评估54
2.3.2  如何获得高层管理者的支持56
2.3.3  如何获得业务部门的支持58
2.3.4  常见的数据治理切入点60
2.4  数据治理平台规划65
2.4.1  有效的数据治理计划66
2.4.2  技术路径选择70
2.4.3  组织保障体系72
2.5  本章小结75

第二篇  平台建设与工具
第3章  敏捷数据治理平台的技术规划78
3.1  技术框架的总体思考79
3.1.1  彼之蜜糖,汝之砒霜80
3.1.2  数据的处理与存储方式83
3.1.3  数据库、数据仓库与数据中台86
3.1.4  数据特性的治理差异88
3.1.5  云原生89
3.1.6  微服务90
3.1.7  应用性能监控91
3.2  数据存储92
3.2.1  规划要点93
3.2.2  存储备份94
3.2.3  实操经验96
3.3  数据技术底座98
3.3.1  公有云套件99
3.3.2  私有化部署101
3.4  数据ETL103
3.4.1  多源异构104
3.4.2  任务调度105
3.4.3  数据清洗106
3.5  产品选型建议107
3.5.1  技术架构108
3.5.2  成本预算110
3.5.3  供应商综合实力112
3.6  本章小结114
第4章  敏捷数据治理平台的功能分析115
4.1  智能数据应用115
4.1.1  自助式BI分析116
4.1.2  数据分析洞察118
4.1.3  数据预警120
4.2  数据指标体系121
4.2.1  数据梳理:自上而下122
4.2.2  数据梳理:自下而上125
4.2.3  可视化指标管理127
4.3  模型构建129
4.3.1  指标模型130
4.3.2  数据模型136
4.3.3  算法模型138
4.3.4  展示模型140
4.4  主数据管理143
4.4.1  主数据编码144
4.4.2  主数据集成148
4.4.3  主数据范围识别及难点分析149
4.5  元数据管理153
4.5.1  应用场景156
4.5.2  难点及案例分析156
4.6  数据标准管理160
4.6.1  标准制定162
4.6.2  标准落地163
4.6.3  常见问题170
4.6.4  难点分析172
4.6.5  术语辨析175
4.7  数据质量管理177
4.7.1  质量指标178
4.7.2  事前预防180
4.7.3  事中控制181
4.7.4  事后补救181
4.7.5  难点分析183
4.8  本章小结184
第5章  数据治理项目的落地实施185
5.1  项目实施过程管理187
5.1.1  项目启动188
5.1.2  例行会议189
5.1.3  管理要点190
5.2  长效运营与持续改善192
5.2.1  组织挑战193
5.2.2  文化挑战194
5.3  项目实践中的难点195
5.4  本章小结199
第6章  数据治理工具箱201
6.1  数据ETL工具203
6.1.1  功能与特点204
6.1.2  开源ETL产品206
6.1.3  商业ETL产品208
6.1.4  缺陷评述209
6.1.5  选型建议210
6.2  主数据管理工具212
6.2.1  功能与特点212
6.2.2  开源MDM产品214
6.2.3  商业MDM产品214
6.2.4  缺陷评述215
6.2.5  选型建议216
6.3  元数据管理工具218
6.3.1  功能与特点219
6.3.2  开源元数据管理产品220
6.3.3  商业元数据管理产品221
6.3.4  缺陷评述222
6.3.5  选型建议224
6.4  数据标准管理工具224
6.4.1  功能与特点225
6.4.2  产品介绍226
6.5  数据质量管理工具226
6.5.1  功能与特点227
6.5.2  开源数据质量管理产品229
6.5.3  商业数据质量管理产品230
6.5.4  缺陷评述231
6.5.5  选型建议232
6.6  数据共享与开放工具233
6.6.1  数据资产目录233
6.6.2  BI报表236
6.7  本章小结241

第三篇  场景解读
第7章  应用场景244
7.1  大型集团/企业245
7.1.1  案例:A集团的协同管控之路245
7.1.2  难点解析247
7.1.3  应对策略249
7.1.4  实现效果250
7.2  零售与分销行业252
7.2.1  案例:B零售公司数据治理助推数字化转型252
7.2.2  难点解析254
7.2.3  应对策略256
7.2.4  实现效果257
7.3  制造业258
7.3.1  案例:C零部件制造企业数据驱动的业务优化259
7.3.2  难点解析260
7.3.3  应对策略260
7.3.4  实现效果261
7.4  电商行业263
7.4.1  案例:D电商公司数据治理支持精准营销263
7.4.2  难点解析264
7.4.3  应对策略265
7.4.4  实现效果266
7.5  政府、金融和能源等领域268
7.5.1  案例:数据开放与治理268
7.5.2  难点解析270
7.5.3  应对策略271
7.5.4  实现效果273
7.6  本章小结275
第8章  技术场景276
8.1  混合云架构下的数据治理277
8.1.1  案例:E医疗集团的数据治理277
8.1.2  难点解析278
8.1.3  应对策略279
8.1.4  实现效果280
8.2  大数据架构下的数据治理282
8.2.1  案例:F广告公司的大数据营销平台282
8.2.2  难点解析283
8.2.3  应对策略284
8.2.4  实现效果285
8.3  微服务架构下的数据治理287
8.3.1  案例:G烘焙公司的数据一体化平台287
8.3.2  难点解析288
8.3.3  应对策略290
8.3.4  实现效果291
8.4  本章小结293
第9章  业务场景294
9.1  财务数据治理与应用295
9.1.1  案例:H集团的业财一体化平台建设295
9.1.2  难点解析297
9.1.3  应对策略298
9.1.4  实现效果299
9.2  供应链数据治理与应用300
9.2.1  案例:J零售连锁企业集成供应链协同优化300
9.2.2  难点解析302
9.2.3  应对策略303
9.2.4  实现效果305
9.3  营销数据治理与应用306
9.3.1  案例:K电子商务公司的精准营销307
9.3.2  难点解析308
9.3.3  相关技术309
9.3.4  应对策略310
9.3.5  实现效果311
9.4  生产数据治理与应用312
9.4.1  案例:M机械制造企业的生产效率提升313
9.4.2  难点解析314
9.4.3  相关技术315
9.4.4  应对策略316
9.4.5  实现效果318
9.5  本章小结320
后记  总结与展望321

内容摘要
数据治理是一门实践中的学问。本书轻理论、重实践,是一份实用的数据治理指南,涉及数据治理组织、管理制度、流程规范、数据标准管理、数据质量管理、元数据管理、主数据管理、数据安全与隐私等主题。全书共分为3篇,第一篇包含第1章和第2章,介绍数据治理的理论与方法;第二篇包含第3章至第6章,介绍数据治理的平台建设与工具;第三篇包含第7章至第9章,介绍不同场景下的数据治理案例,通过案例场景细节解读和工作步骤阐述,帮助读者将数据治理理论转化为切实可行的解决方案和行动策略。本书适合数据管理专家、企业决策者、数据治理从业者,以及对数据治理感兴趣的人士阅读。

主编推荐
"轻理论、重实践,详细解读典型案例场景。
深入介绍数据治理的理论、方法和工具。
提供切实可行的解决方案与行动策略。"

媒体评论
"数据,既是现代企业的财富密码,也是未来世界智能化变革力量的基石。如何在数据的海洋中找到方向,在数据的规则中创造价值,是每个组织和个人都需要思考的问题。本书作者从技术演进出发,找出企业数据中存在的问题和挑战,并结合理论和实践,以多元的视角与案例为企业提供了一套系统且深刻的数据治理理论和方法,致力于帮助企业建立有关数据信任、安全、效率和责任的机制。本书阐释了数据治理的本质、目标、原则、过程、工具和技术,提供了一套有关数据治理的系统性解决方法,让企业能够更全面、深入地理解及应用数据治理的智慧和策略。本书值得每个数据从业者及爱好者阅读和参考! 
达美乐技术总监、大数据团队负责人 林跃

本书从“为什么数据治理如此重要”这个本质问题入手,不断追问并回答了“应不应该、做什么、能不能、怎么做”等一系列问题,全面、系统地梳理与总结了有关数据治理的方法、工具和应用场景等。作为企业数字化从业者,既会因为看到书中的大量实际案例和方案而“拍手叫好”,也会因为看到曾经犯过的错误而反思。数字治理方兴未艾,本书正是一本全景式的实用手册,可以帮助读者快速掌握数据治理的整体架构和底层逻辑。
上海现代物流投资发展有限公司信息技术部执行总监 陈琦

本书是数据治理领域的著作,涵盖了数据治理的理论、方法、平台、工具、行业场景和技术场景等方面。书中内容丰富翔实,融合了作者的行业经验和技术理论,在数据治理领域独树一帜。我相信这本书将成为数据治理领域的重要参考资料。
五矿资源有限公司总部大数据负责人  Daniel Han  

对于数据治理的解读,长期以来都是见仁见智,很少有人能全面、清晰和透彻地分析数据治理全域、全流程、全功能范畴。本书从数据治理的理论、技术、功能架构、项目实施落地等方面进行了全面、细致的分析和解读,并针对行业、技术、业务等多个维度场景进行详尽阐述,言简意赅,文字通俗易懂,为读者勾勒出了数据治理的蓝图。
诺基亚大数据负责人  王友

在数字化时代,数据已成为企业的核心资产。本书不仅关注数据治理,更关注如何通过数字治理推动企业的转型和持续创新。对于追求很好的企业来说,这是一本不可或缺的指南。
加拿大多伦多道明银行Devops负责人,微软MVP  余勇

对于在数据治理项目实践中寻求指导的人来说,本书是非常有价值的资源。本书深入剖析了数据治理领域的关键概念和很好实践,不仅提供了在项目中如何实施数据治理的宝贵见解,还强调了如何成功地规划、实施和管理数据治理项目。本书的深度和广度给我留下了深刻的印象。本书针对数据治理实践提供了切实可行的方法和策略,是对DMBOK的有益补充,能够帮助读者在数据治理项目中取得成功。
DAMA数据管理社区主理人  马欢

作为一名资深的数据领域从业者,我对本书的深度和实用性印象深刻。这是一本在数据治理领域不可或缺的工具书。作者以其独特的视角和实用的方法论,通过清晰的结构和丰富的案例,向我们展示了如何在快速变化的商业环境中实施有效的数据治理。这本书不仅适用于数据专家,也适用于所有希望提高数据管理能力的管理人员。
QuestMobile商务总经理 胡青"

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP