數據中台建設：從方法論到落地實戰

《數據中台建設：從方法論到落地實戰》是電子工業出版社出版圖書，作者是彭勇

釐清數據中台建設誤區，詳細闡述數據中台建設方法論，以行銷中台和風險管理中台為實戰案例，助力企業數位化轉型

基本介紹

• 中文名：數據中台建設：從方法論到落地實戰
• 作者：彭勇
• 出版社：電子工業出版社
• 出版時間：2021年9月
• 頁數：316 頁
• 定價：89 元
• 開本：32 開
• ISBN：9787121417245

內容簡介

通過企業中兩個熱門場景的套用詳細介紹了數據中台的落地實戰。第一個是行銷場景。第二個是風險管理場景。

圖書目錄

第1章 數位化轉型是大勢所趨

1.1 科技加速理論

1.2 多個行業積極擁抱數位化變革

1.2.1 工業4.0的數位化發展趨勢

1.2.2 智慧農業的數位化發展趨勢

1.2.3 智慧服務業的數位化發展趨勢

1.2.4 智慧城市的數位化發展趨勢

1.2.5 小結

1.3 DT時代已來

1.3.1 DT時代和IT時代的差異

1.3.2 DT時代面臨諸多挑戰

1.4 數據中台呼之欲出

第2章 認知數據中台

2.1 什麼是數據中台

2.1.1 行業對數據中台的不同理解

2.1.2 數據中台的定義

2.1.3 對數據中台的詮釋

2.2 建設數據中台的價值

2.3 數據中台的建設目標

2.3.1 總體目標

2.3.2 數據中台的標準化

2.3.3 數據中台業務化

2.3.4 數據中台平台化

2.3.5 數據中台服務化

2.4 數據中台與上下游平台的關係

2.4.1 “前台-中台-後台”關係

2.4.2 數據中台和業務中台的關係

2.5 數據中台建設的9大誤區

2.5.1 數據中台等同於數據工具的集合

2.5.2 數據中台等同於數據平台

2.5.3 企業小，不需要數據中台

2.5.4 建設數據中台是網際網路企業的事，傳統行業用不著

2.5.5 建設數據中台是數據部門的工作，與其他部門關係不大

2.5.6 數據中台直連前台更敏捷，沒必要建設業務中台

2.5.7 在數據中台成型後，不需要煙囪式的臨時技術團隊

2.5.8 不著急建設數據中台，等業務成熟之後再說

2.5.9 建設數據中台可以一蹴而就

2.6 行業對數據中台的4個認知階段

2.6.1 數據模型實現數據資產化

2.6.2 數據平台實現數據高可用性

2.6.3 實現數據業務化和服務化

2.6.4 實現數據和業務智慧型化

2.7 數據中台服務化發展階段

2.7.1 實現服務手工可配置

2.7.2 實現服務智慧型組合和自適應

2.7.3 實現服務的智慧生態

第3章 數據中台建設方法論

3.1 數位化戰略

3.1.1 數位化戰略的價值

3.1.2 戰略和執行雙輪驅動

3.1.3 數據中台戰略制定

3.2 數據中台的整體框架

3.2.1 統一數據基礎設施平台

3.2.2 數據接入和匯聚平台

3.2.3 統一數據模型平台

3.2.4 統一ID和標籤平台

3.2.5 數據開發和運維平台

3.2.6 數據智慧型平台

3.2.7 數據管理平台

3.2.8 數據服務平台

3.3 數據中台的8大設計準則

3.3.1 有數能用

3.3.2 讓數據可用

3.3.3 讓數據好用

3.3.4 讓數據易用

3.3.5 讓數據放心用

3.3.6 讓數據更智慧型

3.3.7 讓數據服務化

3.3.8 讓數據可控

3.4 數據中台行動攻略

3.4.1 “九看”方法論

3.4.2 數據中台MVP建設路徑

3.5 數據中台技術選型

3.5.1 4種選型方案

3.5.2 開源解決方案

3.6 總結

第4章 統一數據模型：讓數據資產化

4.1 數據標準化體系的價值

4.1.1 數據標準化體系是數位化戰略的基礎

4.1.2 數據管理是事前遠見，數據治理是事後亡羊補牢

4.2 數據資產管理體系介紹

4.2.1 6個常用的數據資產管理體系

4.2.2 制定數據管理戰略

4.3 高效數據建模，讓數據好用起來

4.3.1 統一數據模型的意義

4.3.2 統一數據模型具體做什麼

4.3.3 如何建設統一數據模型

4.4 對維度建模進一步探索

4.4.1 維度建模設計過程

4.4.2 維度建模示例

4.5 統一建模的注意事項

4.5.1 數據標準化只停留在數據部門

4.5.2 缺少元數據管理支持

4.5.3 監控體系缺失

4.5.4 事實表的設計注意事項

4.5.5 維度爆炸

4.5.6 對維度過度退化

4.5.7 緩慢變化維

4.5.8 大表的抽取

4.6 總結

第5章 數據計算平台：讓數據“飛”起來

5.1 計算平台的套用場景

5.2 套用場景一：批處理

5.2.1 批處理計算引擎介紹

5.2.2 批處理計算引擎套用舉例

5.2.3 批處理計算總結

5.3 套用場景二：實時計算

5.3.1 實時計算流程介紹

5.3.2 實時計算和離線計算如何高效共存

5.3.3 實時數據倉庫

5.3.4 流式計算實時統計GMV示例

5.4 套用場景三：實時查詢

5.5.1 檢索方案介紹

5.5.2 日誌檢索方案示例

5.6 套用場景五：多維分析

5.6.1 多維分析方案介紹

5.6.2 基於ClickHouse實現多維分析示例

5.7 套用場景六：圖計算

5.7.1 圖計算框架介紹

5.7.2 圖計算套用案例——團體反欺詐

5.8 套用場景七：人工智慧計算

5.8.1 主流的人工智慧計算框架介紹

5.8.2 量子計算

5.8.3 人工智慧平台套用案例——智慧型客服

第6章 算法即服務：最大化實現數據價值

6.1 算法的價值

6.2 建模標準化流程

6.2.1 業務理解貫穿始終

6.2.2 數據準備

6.2.3 數據預處理

6.2.4 特徵工程

6.2.5 模型構建

6.2.6 模型評估

6.2.7 模型部署，讓模型服務化

6.2.8 模型監控和疊代

6.3 算法即服務套用實踐

6.3.1 保險關係網路分析

6.3.2 交叉銷售

6.3.3 反欺詐示例

6.4 算法即服務須遵循的原則

6.4.1 算法即服務需要業務知識的輸入，業務理解貫穿建模始終

6.4.2 算法不是萬能的，有適用的場景

6.4.3 要合理地平衡算法的計算性能和效果

6.4.4 要優先選擇混合模型

6.4.5 要儘量實現建模全流程自動化

第7章 數據產品：讓數據套用更便捷

7.1 自助取數和自助分析

7.1.1 自助取數工具

7.1.2 自助分析工具

7.2 數據爬蟲

7.3 客戶畫像

7.4 標籤圈選

7.5 客戶分群

7.6 數據可視化工具

7.6.1 Matplotlib

7.6.2 Pandas+Seaborn舉例

7.7 規則引擎

第8章 行銷中台：讓行銷更精準、更及時

8.1 數位化行銷是大勢所趨

8.2 行銷體系升級

8.2.1 行銷理論的多次升級

8.2.2 行銷的幾個重要的方法論

8.2.3 行銷體系的4個發展階段

8.3 行銷中台建設

8.3.1 行銷中台框架圖

8.3.2 行銷中台功能介紹

8.4 行銷中台套用案例

8.4.1 電話行銷續保精準行銷

8.4.2 廣告精準投放獲客+線索轉化

8.4.3 保險智慧型銷售助手

第9章 風險管理中台：360°的風險管家

9.1 風險管理中台

9.1.1 汽車保險的主要風險管理節點示例

9.1.2 風險管理中台框架圖

9.1.3 風險管理中台功能介紹

9.1.4 風險管理的標準化流程

9.2 風險管理中台的套用案例

9.2.1 反“薅羊毛”

9.2.2 語音質檢風險篩查

9.2.3 車險理賠反欺詐

9.2.4 團體保險風險管理體系

9.2.5 人身險風險管理建設

作者簡介

彭勇，國家公派留法計算機博士，中關村管委會技術專家，中國保險學會特聘保險科技專家。彭勇從事大數據研究和套用相關工作約16年，負責大數據創新項目超過100個，在數據倉庫建設、數據中台建設、保險產品定製和創新、精算定價、精準行銷、產品推薦、風險管理、智慧型理賠、人工智慧、數位化轉型等方面經驗豐富。