《數據中台架構——企業數據化最佳實踐》是2020年4月電子工業出版社出版的圖書，作者是張旭 等。
基本介紹
- 書名：數據中台架構——企業數據化最佳實踐
- 作者：張旭 等
- ISBN：9787121386367
- 出版社：電子工業出版社
- 出版時間：2020年4月
- 頁數：312
- 字數：218千字
- 開本：32開
- 版次：01-01
內容簡介,圖書目錄,
內容簡介
本書對企業數據化建設的目標、內容及定位做了相對完整的論述，詳細地闡述了數據中台的定義、內容及如何支撐企業數據化整體建設，同時也介紹了數據中台在企業中的落地步驟、豐富的數據套用場景與實際效果。本書是企業數據化建設的實用參考書。 本書的內容完全基於筆者團隊的實踐經驗。筆者團隊曾經幫助十幾個行業頭部企業的數據中台項目成功落地，這些項目驗證了本書中闡述的方法論體系的可行性。希望本書能夠對國內數據化工作者提供一定的幫助。
圖書目錄
1 信息認知和當前的信息化革命 / 1
1.1 信息工具的發展推動人類歷史進步 / 2
1.1.1 信息的世界 / 2
1.1.2 信息工具 / 2
1.2 信息工具的進步與歷史發展 / 5
1.3 當前的信息化革命 / 6
1.3.1 新的工具 / 6
1.3.2 新的特徵 / 7
1.3.3 數據化——對數據的再套用 / 8
2 企業數據化 / 9
2.1 企業數據化認知 / 10
2.1.1 企業數據化的定義 / 10
2.1.2 數據分類 / 11
2.2 企業數據化與企業信息化及企業的關係 / 12
2.2.1 企業的本質 / 12
2.2.2 企業信息化 / 13
2.2.3 企業數據化 / 15
2.2.4 企業業務、企業信息化、企業數據化的關係 / 15
2.3 企業數據化建設的內容 / 18
2.3.1 企業數據化建設的一個核心目的 / 18
2.3.2 企業數據化建設的三個層次 / 22
2.3.3 企業數據化建設的五個部分 / 32
2.3.4 企業數據化建設的七種價值 / 37
2.4 企業數據化的現狀與問題 / 43
2.4.1 數據意識 / 43
2.4.2 數據資源 / 43
2.4.3 數據資產 / 44
2.4.4 數據套用 / 45
2.4.5 數據質量 / 46
2.4.6 數據運營 / 47
2.4.7 數據技術與產品 / 47
2.4.8 企業數據化建設路徑探索 / 48
3 數據中台概述 / 49
3.1 數據中台是什麼 / 50
3.1.1 數據中台應該告訴企業全面數據化是什麼樣子的 / 50
3.1.2 數據中台應該匯聚全域數據 / 51
3.1.3 數據中台應該能夠檢驗數據治理的成果 / 53
3.1.4 數據中台應該全面支持數據套用落地 / 54
3.1.5 數據中台可以包含企業數據化組織規劃內容 / 55
3.2 數據中台的價值與建設的必要性 / 55
3.2.1 數據中台是數據化建設的基礎 / 55
3.2.2 數據中台是企業數據化建設的引擎 / 56
3.2.3 數據中台將各個部分的數據工作有機串聯 / 57
3.3 數據中台建設五步法 / 58
3.3.1 數據中台建設五步法概述 / 58
3.3.2 第一步：數據資源的盤點與規劃 / 59
3.3.3 第二步：數據套用規劃與設計 / 60
3.3.4 第三步：數據資產建設 / 60
3.3.5 第四步：數據套用的詳細設計與實現 / 62
3.3.6 第五步：數據化組織規劃 / 63
4 數據資源盤點與規劃 / 64
4.1 數據資源盤點 / 65
4.1.1 數據資源的分類 / 65
4.1.2 數據資源盤點流程 / 68
4.1.3 數據資源盤點的成果 / 70
4.2 數據資源規劃 / 73
4.2.1 實體行為數據資源 / 74
4.2.2 外部數據服務規劃 / 86
5 數據資產建設 / 90
5.1 數據資產建設概述 / 91
5.1.1 前期準備 / 91
5.1.2 數據資產建設方法論 / 92
5.1.3 數據資產建設的步驟 / 94
5.2 產品選型與技術方案設計 / 95
5.2.1 數據倉庫選型 / 95
5.2.2 融合現有數據化建設成果 / 96
5.3 數據模型設計規範 / 97
5.3.1 基本設計思路 / 97
5.3.2 主題域設計 / 99
5.3.3 數據模型開發規範 / 101
5.3.4 數據表的命名規範 / 102
5.3.5 數據表的設計策略 / 103
5.4 數據開發規範及數據開發 / 104
5.4.1 數據開發規範 / 104
5.4.2 數據採集 / 110
5.4.3 數據開發 / 115
6 數據套用規劃與建設 / 118
6.1 數據套用規劃 / 119
6.1.1 企業業務架構梳理 / 120
6.1.2 數據套用場景規劃 / 126
6.1.3 業務指標和實體標籤體系的構建與管理 / 131
6.1.4 數據套用落地路徑規劃 / 137
6.2 數據套用建設 / 138
7 數據套用之最佳實踐 / 142
7.1 房地產行業的數據套用方案 / 143
7.1.1 房地產行業的典型業務場景介紹 / 143
7.1.2 房地產行業的典型數據套用 / 146
7.2 鞋服行業的數據套用方案 / 154
7.2.1 鞋服行業的典型業務場景介紹 / 154
7.2.2 鞋服品牌商普遍的數據資源困局 / 156
7.2.3 圍繞“店貨匹配”構建數據套用藍圖 / 157
7.3 乳製品行業的數據套用方案 / 162
7.3.1 乳製品行業的典型業務場景介紹 / 162
7.3.2 以“消費者深度運營”為目標建設乳製品行業
數據套用 / 163
7.4 新零售行銷的數據套用方案 / 166
7.4.1 新零售泛行業理解 / 166
7.4.2 新零售的典型數據套用 / 167
7.5 人力資源領域的數據套用方案 / 170
7.5.1 人力資源領域類業務場景 / 170
7.5.2 高潛力人員評估 / 172
7.5.3 人員離職預測 / 173
8 數據化組織規劃 / 175
8.1 數據化組織規劃的必要性 / 176
8.2 數據化組織的定位與職責 / 177
8.3 數據化組織的工作內容與邊界 / 179
8.4 數據化組織的崗位設定 / 181
8.5 數據化組織的人數配置、預算資金與考核建議 / 182
9 數據中台與數據質量 / 184
9.1 數據質量的常見問題 / 185
9.2 數據模型規範提升數據質量 / 189
9.2.1 數據的定義 / 190
9.2.2 數據的分類 / 192
9.2.3 數據的顆粒度 / 194
9.2.4 數據的編碼 / 196
9.3 數據管理提升數據質量 / 198
9.3.1 數據管理組織 / 199
9.3.2 數據管理流程 / 200
9.4 數據共享提升數據質量 / 201
9.4.1 業務數據如何傳遞 / 201
9.4.2 基礎數據如何保持一致性 / 202
9.4.3 如何通過技術手段監督多版本數據的一致性 / 203
9.5 清洗歷史數據提升數據質量 / 204
9.5.1 數據清洗的目的和策略 / 204
9.5.2 數據清洗的範圍和組織 / 205
9.5.3 數據清洗工具 / 206
9.6 主數據管理提升基礎數據質量 / 207
9.6.1 人員主數據管理 / 207
9.6.2 賬戶主數據管理 / 210
9.6.3 組織主數據管理 / 212
9.6.4 客商主數據管理 / 215
9.6.5 顧客主數據管理 / 219
9.6.6 產品主數據管理 / 223
9.6.7 項目主數據管理 / 227
9.6.8 資產主數據管理 / 231
9.6.9 物料主數據管理 / 233
10 數據中台建設 / 235
10.1 數據中台建設的特點 / 236
10.2 數據中台建設的策略選擇 / 237
10.3 數據中台建設的整體流程 / 239
10.4 數據中台的建設風險及應對方法 / 245
10.4.1 數據中台的定位問題 / 245
10.4.2 數據中台的管理博弈 / 245
10.4.3 數據中台的業務價值方向選擇 / 247
11 數據中台的軟體支撐 / 248
11.1 平台的整體架構 / 250
11.2 計算引擎 / 252
11.2.1 大數據離線計算引擎 / 253
11.2.2 大數據實時計算引擎 / 254
11.3 離線/流計算開發套件 / 256
11.3.1 數據同步模組 / 257
11.3.2 數據開發平台 / 259
11.3.3 運維中心 / 262
11.3.4 發布管理 / 264
11.4 實時計算開發套件 / 265
11.4.1 FlinkStreamSQL / 265
11.4.2 數據開發 / 268
11.4.3 數據運維 / 270
11.4.4 實時採集 / 272
11.5 數據資產管理套件 / 275
11.5.1 數據地圖 / 275
11.5.2 數據模型規範管理 / 277
11.6 數據質量管理套件 / 277
11.7 數據科學平台 / 279
11.7.1 算法數據資源管理 / 280
11.7.2 可視化實驗開發 / 281
11.7.3 算法模型離線訓練 / 281
11.7.4 模型線上部署和調用 / 282
11.8 分析引擎 / 282
11.9 數據API引擎 / 283
11.9.1 數據API引擎的常用數據源 / 285
11.9.2 API發布 / 285
11.9.3 API管理與授權 / 285
11.9.4 API申請與調用 / 286
11.9.5 API測試 / 287
11.9.6 API安全 / 287
11.10 標籤引擎 / 288
11.10.1 實體管理 / 289
11.10.2 標籤中心 / 290
11.10.3 群組分析 / 291
11.10.4 標籤數據服務 / 291
11.11 數據套用規劃工具 / 292
11.11.1 業務架構梳理工具 / 293
11.11.2 數據套用規劃工具 / 293
11.11.3 指標與標籤體系管理工具 / 293
11.11.4 數據資源盤點工具 / 294
11.11.5 數據套用規劃看板 / 294
1.1 信息工具的發展推動人類歷史進步 / 2
1.1.1 信息的世界 / 2
1.1.2 信息工具 / 2
1.2 信息工具的進步與歷史發展 / 5
1.3 當前的信息化革命 / 6
1.3.1 新的工具 / 6
1.3.2 新的特徵 / 7
1.3.3 數據化——對數據的再套用 / 8
2 企業數據化 / 9
2.1 企業數據化認知 / 10
2.1.1 企業數據化的定義 / 10
2.1.2 數據分類 / 11
2.2 企業數據化與企業信息化及企業的關係 / 12
2.2.1 企業的本質 / 12
2.2.2 企業信息化 / 13
2.2.3 企業數據化 / 15
2.2.4 企業業務、企業信息化、企業數據化的關係 / 15
2.3 企業數據化建設的內容 / 18
2.3.1 企業數據化建設的一個核心目的 / 18
2.3.2 企業數據化建設的三個層次 / 22
2.3.3 企業數據化建設的五個部分 / 32
2.3.4 企業數據化建設的七種價值 / 37
2.4 企業數據化的現狀與問題 / 43
2.4.1 數據意識 / 43
2.4.2 數據資源 / 43
2.4.3 數據資產 / 44
2.4.4 數據套用 / 45
2.4.5 數據質量 / 46
2.4.6 數據運營 / 47
2.4.7 數據技術與產品 / 47
2.4.8 企業數據化建設路徑探索 / 48
3 數據中台概述 / 49
3.1 數據中台是什麼 / 50
3.1.1 數據中台應該告訴企業全面數據化是什麼樣子的 / 50
3.1.2 數據中台應該匯聚全域數據 / 51
3.1.3 數據中台應該能夠檢驗數據治理的成果 / 53
3.1.4 數據中台應該全面支持數據套用落地 / 54
3.1.5 數據中台可以包含企業數據化組織規劃內容 / 55
3.2 數據中台的價值與建設的必要性 / 55
3.2.1 數據中台是數據化建設的基礎 / 55
3.2.2 數據中台是企業數據化建設的引擎 / 56
3.2.3 數據中台將各個部分的數據工作有機串聯 / 57
3.3 數據中台建設五步法 / 58
3.3.1 數據中台建設五步法概述 / 58
3.3.2 第一步：數據資源的盤點與規劃 / 59
3.3.3 第二步：數據套用規劃與設計 / 60
3.3.4 第三步：數據資產建設 / 60
3.3.5 第四步：數據套用的詳細設計與實現 / 62
3.3.6 第五步：數據化組織規劃 / 63
4 數據資源盤點與規劃 / 64
4.1 數據資源盤點 / 65
4.1.1 數據資源的分類 / 65
4.1.2 數據資源盤點流程 / 68
4.1.3 數據資源盤點的成果 / 70
4.2 數據資源規劃 / 73
4.2.1 實體行為數據資源 / 74
4.2.2 外部數據服務規劃 / 86
5 數據資產建設 / 90
5.1 數據資產建設概述 / 91
5.1.1 前期準備 / 91
5.1.2 數據資產建設方法論 / 92
5.1.3 數據資產建設的步驟 / 94
5.2 產品選型與技術方案設計 / 95
5.2.1 數據倉庫選型 / 95
5.2.2 融合現有數據化建設成果 / 96
5.3 數據模型設計規範 / 97
5.3.1 基本設計思路 / 97
5.3.2 主題域設計 / 99
5.3.3 數據模型開發規範 / 101
5.3.4 數據表的命名規範 / 102
5.3.5 數據表的設計策略 / 103
5.4 數據開發規範及數據開發 / 104
5.4.1 數據開發規範 / 104
5.4.2 數據採集 / 110
5.4.3 數據開發 / 115
6 數據套用規劃與建設 / 118
6.1 數據套用規劃 / 119
6.1.1 企業業務架構梳理 / 120
6.1.2 數據套用場景規劃 / 126
6.1.3 業務指標和實體標籤體系的構建與管理 / 131
6.1.4 數據套用落地路徑規劃 / 137
6.2 數據套用建設 / 138
7 數據套用之最佳實踐 / 142
7.1 房地產行業的數據套用方案 / 143
7.1.1 房地產行業的典型業務場景介紹 / 143
7.1.2 房地產行業的典型數據套用 / 146
7.2 鞋服行業的數據套用方案 / 154
7.2.1 鞋服行業的典型業務場景介紹 / 154
7.2.2 鞋服品牌商普遍的數據資源困局 / 156
7.2.3 圍繞“店貨匹配”構建數據套用藍圖 / 157
7.3 乳製品行業的數據套用方案 / 162
7.3.1 乳製品行業的典型業務場景介紹 / 162
7.3.2 以“消費者深度運營”為目標建設乳製品行業
數據套用 / 163
7.4 新零售行銷的數據套用方案 / 166
7.4.1 新零售泛行業理解 / 166
7.4.2 新零售的典型數據套用 / 167
7.5 人力資源領域的數據套用方案 / 170
7.5.1 人力資源領域類業務場景 / 170
7.5.2 高潛力人員評估 / 172
7.5.3 人員離職預測 / 173
8 數據化組織規劃 / 175
8.1 數據化組織規劃的必要性 / 176
8.2 數據化組織的定位與職責 / 177
8.3 數據化組織的工作內容與邊界 / 179
8.4 數據化組織的崗位設定 / 181
8.5 數據化組織的人數配置、預算資金與考核建議 / 182
9 數據中台與數據質量 / 184
9.1 數據質量的常見問題 / 185
9.2 數據模型規範提升數據質量 / 189
9.2.1 數據的定義 / 190
9.2.2 數據的分類 / 192
9.2.3 數據的顆粒度 / 194
9.2.4 數據的編碼 / 196
9.3 數據管理提升數據質量 / 198
9.3.1 數據管理組織 / 199
9.3.2 數據管理流程 / 200
9.4 數據共享提升數據質量 / 201
9.4.1 業務數據如何傳遞 / 201
9.4.2 基礎數據如何保持一致性 / 202
9.4.3 如何通過技術手段監督多版本數據的一致性 / 203
9.5 清洗歷史數據提升數據質量 / 204
9.5.1 數據清洗的目的和策略 / 204
9.5.2 數據清洗的範圍和組織 / 205
9.5.3 數據清洗工具 / 206
9.6 主數據管理提升基礎數據質量 / 207
9.6.1 人員主數據管理 / 207
9.6.2 賬戶主數據管理 / 210
9.6.3 組織主數據管理 / 212
9.6.4 客商主數據管理 / 215
9.6.5 顧客主數據管理 / 219
9.6.6 產品主數據管理 / 223
9.6.7 項目主數據管理 / 227
9.6.8 資產主數據管理 / 231
9.6.9 物料主數據管理 / 233
10 數據中台建設 / 235
10.1 數據中台建設的特點 / 236
10.2 數據中台建設的策略選擇 / 237
10.3 數據中台建設的整體流程 / 239
10.4 數據中台的建設風險及應對方法 / 245
10.4.1 數據中台的定位問題 / 245
10.4.2 數據中台的管理博弈 / 245
10.4.3 數據中台的業務價值方向選擇 / 247
11 數據中台的軟體支撐 / 248
11.1 平台的整體架構 / 250
11.2 計算引擎 / 252
11.2.1 大數據離線計算引擎 / 253
11.2.2 大數據實時計算引擎 / 254
11.3 離線/流計算開發套件 / 256
11.3.1 數據同步模組 / 257
11.3.2 數據開發平台 / 259
11.3.3 運維中心 / 262
11.3.4 發布管理 / 264
11.4 實時計算開發套件 / 265
11.4.1 FlinkStreamSQL / 265
11.4.2 數據開發 / 268
11.4.3 數據運維 / 270
11.4.4 實時採集 / 272
11.5 數據資產管理套件 / 275
11.5.1 數據地圖 / 275
11.5.2 數據模型規範管理 / 277
11.6 數據質量管理套件 / 277
11.7 數據科學平台 / 279
11.7.1 算法數據資源管理 / 280
11.7.2 可視化實驗開發 / 281
11.7.3 算法模型離線訓練 / 281
11.7.4 模型線上部署和調用 / 282
11.8 分析引擎 / 282
11.9 數據API引擎 / 283
11.9.1 數據API引擎的常用數據源 / 285
11.9.2 API發布 / 285
11.9.3 API管理與授權 / 285
11.9.4 API申請與調用 / 286
11.9.5 API測試 / 287
11.9.6 API安全 / 287
11.10 標籤引擎 / 288
11.10.1 實體管理 / 289
11.10.2 標籤中心 / 290
11.10.3 群組分析 / 291
11.10.4 標籤數據服務 / 291
11.11 數據套用規劃工具 / 292
11.11.1 業務架構梳理工具 / 293
11.11.2 數據套用規劃工具 / 293
11.11.3 指標與標籤體系管理工具 / 293
11.11.4 數據資源盤點工具 / 294
11.11.5 數據套用規劃看板 / 294
