《數據中台架構：企業數據化最佳實踐》基於十幾個行業頭部企業的數據中台項目落地經驗提煉出數據中台建設五步法
基本介紹
- 中文名：數據中台架構：企業數據化最佳實踐
- 作者：張旭、戴麗、誾賽華 等
- 類別：計算機
- 出版社：電子工業出版社
- 出版時間：2020年5月
- 頁數：312 頁
- 定價：86 元
- 開本：16 開
- ISBN：9787121386367
內容簡介,圖書目錄,作者簡介,
內容簡介
《數據中台架構：企業數據化最佳實踐》是企業數據化建設的實用參考書。
圖書目錄
1 信息認知和當前的信息化革命
1.1 信息工具的發展推動人類歷史進步
1.1.1 信息的世界
1.1.2 信息工具
1.2 信息工具的進步與歷史發展
1.3 當前的信息化革命
1.3.1 新的工具
1.3.2 新的特徵
1.3.3 數據化——對數據的再套用
2 企業數據化
2.1 企業數據化認知
2.1.1 企業數據化的定義
2.1.2 數據分類
2.2 企業數據化與企業信息化及企業的關係
2.2.1 企業的本質
2.2.2 企業信息化
2.2.3 企業數據化
2.2.4 企業業務、企業信息化、企業數據化的關係
2.3 企業數據化建設的內容
2.3.1 企業數據化建設的一個核心目的
2.3.2 企業數據化建設的三個層次
2.3.3 企業數據化建設的五個部分
2.3.4 企業數據化建設的七種價值
2.4 企業數據化的現狀與問題
2.4.1 數據意識
2.4.2 數據資源
2.4.3 數據資產
2.4.4 數據套用
2.4.5 數據質量
2.4.6 數據運營
2.4.7 數據技術與產品
2.4.8 企業數據化建設路徑探索
3 數據中台概述
3.1 數據中台是什麼
3.1.1 數據中台應該告訴企業全面數據化是什麼樣子的
3.1.2 數據中台應該匯聚全域數據
3.1.3 數據中台應該能夠檢驗數據治理的成果
3.1.4 數據中台應該全面支持數據套用落地
3.1.5 數據中台可以包含企業數據化組織規劃內容
3.2 數據中台的價值與建設的必要性
3.2.1 數據中台是數據化建設的基礎
3.2.2 數據中台是企業數據化建設的引擎
3.2.3 數據中台將各個部分的數據工作有機串聯
3.3 數據中台建設五步法
3.3.1 數據中台建設五步法概述
3.3.2 第一步：數據資源的盤點與規劃
3.3.3 第二步：數據套用規劃與設計
3.3.4 第三步：數據資產建設
3.3.5 第四步：數據套用的詳細設計與實現
3.3.6 第五步：數據化組織規劃
4 數據資源盤點與規劃
4.1 數據資源盤點
4.1.1 數據資源的分類
4.1.2 數據資源盤點流程
4.1.3 數據資源盤點的成果
4.2 數據資源規劃
4.2.1 實體行為數據資源
4.2.2 外部數據服務規劃
5 數據資產建設
5.1 數據資產建設概述
5.1.1 前期準備
5.1.2 數據資產建設方法論
5.1.3 數據資產建設的步驟
5.2 產品選型與技術方案設計
5.2.1 數據倉庫選型
5.2.2 融合現有數據化建設成果
5.3 數據模型設計規範
5.3.1 基本設計思路
5.3.2 主題域設計
5.3.3 數據模型開發規範
5.3.4 數據表的命名規範
5.3.5 數據表的設計策略
5.4 數據開發規範及數據開發
5.4.1 數據開發規範
5.4.2 數據採集
5.4.3 數據開發
6 數據套用規劃與建設
6.1 數據套用規劃
6.1.1 企業業務架構梳理
6.1.2 數據套用場景規劃
6.1.3 業務指標和實體標籤體系的構建與管理
6.1.4 數據套用落地路徑規劃
6.2 數據套用建設
7 數據套用之最佳實踐
7.1 房地產行業的數據套用方案
7.1.1 房地產行業的典型業務場景介紹
7.1.2 房地產行業的典型數據套用
7.2 鞋服行業的數據套用方案
7.2.1 鞋服行業的典型業務場景介紹
7.2.2 鞋服品牌商普遍的數據資源困局
7.2.3 圍繞“店貨匹配”構建數據套用藍圖
7.3 乳製品行業的數據套用方案
7.3.1 乳製品行業的典型業務場景介紹
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
7.4 新零售行銷的數據套用方案
7.4.1 新零售泛行業理解
7.4.2 新零售的典型數據套用
7.5 人力資源領域的數據套用方案
7.5.1 人力資源領域類業務場景
7.5.2 高潛力人員評估
7.5.3 人員離職預測
8 數據化組織規劃
8.1 數據化組織規劃的必要性
8.2 數據化組織的定位與職責
8.3 數據化組織的工作內容與邊界
8.4 數據化組織的崗位設定
8.5 數據化組織的人數配置、預算資金與考核建議
9 數據中台與數據質量
9.1 數據質量的常見問題
9.2 數據模型規範提升數據質量
9.2.1 數據的定義
9.2.2 數據的分類
9.2.3 數據的顆粒度
9.2.4 數據的編碼
9.3 數據管理提升數據質量
9.3.1 數據管理組織
9.3.2 數據管理流程
9.4 數據共享提升數據質量
9.4.1 業務數據如何傳遞
9.4.2 基礎數據如何保持一致性
9.4.3 如何通過技術手段監督多版本數據的一致性
9.5 清洗歷史數據提升數據質量
9.5.1 數據清洗的目的和策略
9.5.2 數據清洗的範圍和組織
9.5.3 數據清洗工具
9.6 主數據管理提升基礎數據質量
9.6.1 人員主數據管理
9.6.2 賬戶主數據管理
9.6.3 組織主數據管理
9.6.4 客商主數據管理
9.6.5 顧客主數據管理
9.6.6 產品主數據管理
9.6.7 項目主數據管理
9.6.8 資產主數據管理
9.6.9 物料主數據管理
10 數據中台建設
10.1 數據中台建設的特點
10.2 數據中台建設的策略選擇
10.3 數據中台建設的整體流程
10.4 數據中台的建設風險及應對方法
10.4.1 數據中台的定位問題
10.4.2 數據中台的管理博弈
10.4.3 數據中台的業務價值方向選擇
11 數據中台的軟體支撐
11.1 平台的整體架構
11.2 計算引擎
11.2.1 大數據離線計算引擎
11.2.2 大數據實時計算引擎
11.3 離線/流計算開發套件
11.3.1 數據同步模組
11.3.2 數據開發平台
11.3.3 運維中心
11.3.4 發布管理
11.4 實時計算開發套件
11.4.1 FlinkStreamSQL
11.4.2 數據開發
11.4.3 數據運維
11.4.4 實時採集
11.5 數據資產管理套件
11.5.1 數據地圖
11.5.2 數據模型規範管理
11.6 數據質量管理套件
11.7 數據科學平台
11.7.1 算法數據資源管理
11.7.2 可視化實驗開發
11.7.3 算法模型離線訓練
11.7.4 模型線上部署和調用
11.8 分析引擎
11.9 數據API引擎
11.9.1 數據API引擎的常用數據源
11.9.2 API發布
11.9.3 API管理與授權
11.9.4 API申請與調用
11.9.5 API測試
11.9.6 API安全
11.10 標籤引擎
11.10.1 實體管理
11.10.2 標籤中心
11.10.3 群組分析
11.10.4 標籤數據服務
11.11 數據套用規劃工具
11.11.1 業務架構梳理工具
11.11.2 數據套用規劃工具
11.11.3 指標與標籤體系管理工具
11.11.4 數據資源盤點工具11.11.5 數據套用規劃看板
作者簡介
張旭
袋鼠雲合伙人、高級副總裁；阿里雲MVP；用友集團套用集成業務部原總經理、主數據管理專家及業務帶頭人。
技術發燒友：擁有多項技術及算法專利，OSCHINA社區開源技術工具“丁丁主數據查重引擎”作者，“基於副本主數據的數據治理方法”曾獲用友技術創新大賽二等獎。
方案專家、業務帶頭人：企業套用集成解決方案專家，企業主數據管理解決方案專家，企業數據中台解決方案專家，“七天學會主數據”系列培訓視頻作者，曾因行銷業績出眾評選為十佳用友人。
交付達人：常年奔波在國內各大城市的項目現場，成功主導過中國葛洲壩集團、中國建築總公司第五工程局，國藥集團、上海醫藥集團、碧桂園、萬科、茅台集團、李寧、飛鶴乳業、全友家私、隆平高科等眾多國內大型知名企業的數據化相關項目。
