新書推薦:
《
旷野人生:吉姆·罗杰斯的全球投资探险
》
售價:HK$
75.9
《
笼中王国 : 18世纪法国的珍禽异兽与社会文化
》
售價:HK$
74.8
《
思考的框架3:风靡华尔街的思维训练法
》
售價:HK$
64.9
《
被记忆的西周史(中山大学中珠学术译丛)
》
售價:HK$
151.8
《
森林疗法:拥抱大自然、获得幸福的季节性方法
》
售價:HK$
74.8
《
希腊人(伊恩·莫里斯文明史系列)
》
售價:HK$
185.9
《
亚马逊六页纸 如何高效开会、写作、完成工作
》
售價:HK$
76.8
《
世界巨变:严复的角色(王中江著作系列)
》
售價:HK$
110.0
|
編輯推薦: |
(1)用友集团官方出品,用友资深数据治理专家总结用友多年数据治理经验,用友集团董事长王文京重磅推荐。
(2)DAMA中国区主席汪广盛、阿里研究院副院长安筱鹏、波士顿咨询Platinion董事总经理陈果、著名架构师付晓岩、中关村大数据产业联盟副秘书长陈新河、腾讯云数据治理专家蔡春久、青藤时代创始人郭兰英、数据治理资深专家/DAMA-DMBOK主要译者马欢等8为专家联袂推荐。
(3)从道、法、术、器4个维度,将企业数据治理的核心内容总结为:3 大战略机制、8 项关键举措、7 种技术能力、7 个治理工具。
(4)不仅有数据治理在战略层面的顶层设计,还有数据治理在执行层面的实施方法,既可以作为数据治理的纲领性指南,又可作为数据治理的实操手册。
|
內容簡介: |
这是一本能为数字化转型企业的数据治理提供全面指导的著作。拥有集团官方出品,得到了用友集团董事长王文京、DAMA中国区主席汪广盛等9位企业界和学术界数字化专家的一致好评
它基于国际主流的数据治理框架和用友多年的数据治理经验,从道、法、术、器4个维度全面、深入展开,不仅有数据治理在战略层面的顶层设计,还有数据治理在执行层面的实施方法,既可以作为数据治理的纲领性指南,又可作为数据治理的实操手册。
从数据治理的战略规划到落地实施,本书将各环节的核心内容凝练为“3 个战略机制、8 项关键举措、7 种技术能力、7 个治理工具”:
数据治理之道:3个战略机制
高屋建瓴地介绍了数据治理的数据战略、组织机制和数据文化。这3个机制能够帮助企业形成数据治理的自我驱动、自我进化、可持续发展和长效运营机制。
数据治理之法:8项关键举措
重点讲解了数据治理的8项举措:理现状与定目标、能力成熟度评估、路线图规划、保障体系建设、技术体系建设、策略执行与监控、绩效考核、长效运营。这8项举措构成了企业数据治理的完整实施方法论。
数据治理之术:7种技术能力
重点讲解了数据治理的7种能力:数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享。
数据治理之器:7个治理工具
从功能角度讲解了数据治理所用到的7个工具:数据模型管理工具、元数据管理工具、数据标准管理工具、主数据管理工具、数据质量管理工具、数据安全治理工具、数据集成与共享工具。
除此之外,本书还包括两个综合的数据治理案例,以及数据治理的6项准备工作和6个误区。
|
關於作者: |
罗小江
用友集团助理总裁、平台和数据智能事业部总经理、北京软件和信息服务业协会云计算专委会副会长、中国企业财务管理协会企业风险管控专业委员会副主任委员。
专注于企业数字化平台技术应用研究,具有企业管理、IT等复合知识,并且有丰富的实施交付经验,主导过多个千万级项目的规划及设计工作。参与过来自不同行业的众多企业和机构的信息化建设项目,其中包括中国海关总署、中国一汽、中兴通讯、中国建筑总公司、三一重工、华新丽华、江西贵冶、联想控股、哈电集团、象屿集团、厦门国贸、国电投、东方传媒、施耐德等。
石秀峰
用友集团数据治理专家、中国电子商会数据资源服务创新专业委员会受聘专家、数据质量管理智库(DQPro)受聘专家。
深耕数据领域十余年,曾主导过多家大型集团的数据治理、数据集成等项目的咨询和落地,其中包括江西贵冶、中国振华电子集团、隆平高科、象屿集团、太阳纸业、中广核风电、中国航天科技集团、航空工业集团、国家电网等。
公众号“谈数据”主理人,所发表的数据治理、数据中台、数字化转型等系列文章引起CIO圈和数据从业者的强烈反响,受到广大读者的喜爱和转发,全网阅读量超过500万。
|
目錄:
|
作者名单
赞誉
前言
部分 数据治理概述
第1章 全面认识数据治理2
1.1 数据治理是什么2
1.1.1 从管理者视角看数据治理2
1.1.2 从业务人员视角看数据治理2
1.1.3 从技术人员视角看数据治理3
1.1.4 数据治理的定义3
1.2 数据治理相关术语和名词4
1.3 数据治理治什么8
1.3.1 什么是数据资产9
1.3.2 数据资产的利益相关方10
1.3.3 对利益相关方的协调和规范10
1.4 数据治理的6个价值11
1.5 数据治理的3个现状12
1.6 数据治理的5类问题15
1.7 数据治理的6个挑战17
1.8 本章小结20
第2章 数据治理框架和标准21
2.1 国际数据治理框架21
2.1.1 ISO数据治理标准21
2.1.2 DGI数据治理框架23
2.1.3 DAMA数据管理框架26
2.2 国内数据治理框架28
2.2.1 GB/T 34960规定的数据治理规范28
2.2.2 数据管理能力成熟度评估模型30
2.3 本章小结31
第3章 企业数据怎么治32
3.1 企业数据治理体系的内涵32
3.1.1 数据治理、数据管理与数据管控32
3.1.2 企业数据治理的9个要素33
3.1.3 企业数据治理的4个层面35
3.2 企业数据治理之道—3个机制36
3.3 企业数据治理之法—8项举措37
3.4 企业数据治理之术—7种能力39
3.5 企业数据治理之器—7把利剑42
3.6 本章小结44
第二部分 数据治理之道
第4章 数据战略:数字化转型的灯塔46
4.1 数据战略的定义46
4.1.1 DAMA对数据战略的定义46
4.1.2 DCMM对数据战略的定义47
4.1.3 本书对数据战略的理解47
4.2 数据战略与企业战略、数据架构的关系48
4.2.1 数据战略与企业战略48
4.2.2 数据战略与数据架构49
4.3 数据战略的3个要素49
4.3.1 战略定位50
4.3.2 实施策略52
4.3.3 行动计划53
4.4 实施数据战略的5个步骤55
4.4.1 环境因素分析55
4.4.2 确定战略目标57
4.4.3 制定行动方案57
4.4.4 落实保障措施58
4.4.5 战略评估与优化59
4.5 本章小结61
第5章 组织机制:敏捷的治理组织62
5.1 什么是敏捷组织62
5.2 为什么数据治理需要敏捷组织63
5.3 如何构建敏捷组织64
5.3.1 以客户为中心 64
5.3.2 以数据驱动65
5.3.3 重新定义IT66
5.3.4 业务与IT深度融合67
5.3.5 培养复合型人才68
5.4 本章小结69
第6章 数据文化:数据思维融入企业文化70
6.1 数字转型,文化先行70
6.2 数据文化从建立数据思维开始71
6.2.1 什么是数据思维71
6.2.2 数据思维的3个特点72
6.2.3 如何建立数据思维73
6.3 培养数据文化的3个办法75
6.3.1 打破数据孤岛,实现共享数据75
6.3.2 建立制度体系,固化数据文化76
6.3.3 推行数据治理,增强数据文化77
6.4 本章小结78
第三部分 数据治理之法
第7章 理现状,定目标80
7.1 现状调研80
7.1.1 信息化摸底80
7.1.2 业务部门调研83
7.1.3 高层领导调研84
7.2 现状评估84
7.2.1 数据思维和认知现状85
7.2.2 IT系统现状85
7.2.3 数据分布现状86
7.2.4 数据管理现状86
7.2.5 数据质量现状88
7.3 确定目标89
7.4 本章小结90
第8章 数据治理能力成熟度评估91
8.1 数据治理能力成熟度评估模型91
8.1.1 DMM模型92
8.1.2 DCMM95
8.2 开展DCMM评估98
8.2.1 启动阶段98
8.2.2 宣贯阶段99
8.2.3 评估阶段100
8.2.4 报告阶段101
8.3 本章小结102
第9章 数据治理路线图规划103
9.1 数据治理路线图概述103
9.1.1 数据治理路线图的定义103
9.1.2 数据治理路线图的5个要素104
9.2 明确目标,量化指标104
9.2.1 大处着眼,小处入手105
9.2.2 量化数据治理指标105
9.3 选择合适的技术路径106
9.3.1 自主研发107
9.3.2 采购平台107
9.3.3 PaaS服务107
9.4 制定数据治理路线图108
9.4.1 确定数据治理优先级108
9.4.2 绘制数据治理路线图110
9.5 本章小结111
第10章 数据治理保障体系建设112
10.1 数据治理组织机构112
10.1.1 设置数据治理组织的3个原则112
10.1.2 数据治理组织与职责分工113
10.1.3 谁该对数据负责115
10.1.4 数据治理组织的演进116
10.2 打造“一把手工程”118
10.2.1 数据治理需要“一把手工程”119
10.2.2 数据治理需要4类人的支持119
10.2.3 如何获得高层领导的支持120
10.2.4 高层领导如何发挥作用122
10.3 本章小结124
第11章 数据治理技术体系建设125
11.1 以元数据为核心的数据治理125
11.2 以主数据为主线的数据治理127
11.3 混合云架构下的数据治理128
11.4 大数据架构下的数据治理130
11.5 微服务架构下的数据治理132
11.6 本章小结134
第12章 数据治理策略执行与监控135
12.1 数据治理的4个过程135
12.2 数据治理策略定义136
12.2.1 制定数据治理策略137
12.2.2 制定项目章程与计划138
12.3 数据治理策略执行140
12.3.1 良好的开端:项目启动会140
12.3.2 做好沟通管理:借势和造势142
12.3.3 不可忽视的例行会议和报告143
12.4 数据治理策略监控144
12.4.1 执行情况监控144
12.4.2 有效性和价值监控145
12.5 本章小结145
第13章 数据治理绩效考核146
13.1 数据治理的4个考核原则146
13.2 数据治理的6类考核指标147
13.3 数据质量的6种检查办法150
13.4 数据治理的4种考核方式151
13.5 本章小结153
第14章 数据治理长效运营154
14.1 什么是数据治理长效运营机制154
14.2 数据治理长效运营的意义155
14.2.1 建设数字化协同环境的需要155
14.2.2 巩固和扩大数据治理成果的需要155
14.2.3 加速企业数字化转型的需要156
14.3 数据治理长效运营的挑战157
14.3.1 来自组织的挑战157
14.3.2 来自文化认知的挑战158
14.3.3 来自项目转产的挑战158
14.4 建立数据治理长效运营机制159
14.4.1 组织领导机制159
14.4.2 标准规范机制159
14.4.3 培训教育机制160
14.4.4 人才培养机制161
14.4.5 绩效考评机制161
14.4.6 持续优化机制162
14.5 本章小结163
第四部分 数据治理之术
第15章 数据梳理与建模166
15.1 数据模型概述166
15.1.1 什么是数据模型166
15.1.2 数据模型的3个要素167
15.1.3 数据模型的3种类型167
15.1.4 数据模型的重要性171
15.2 数据梳理172
15.2.1 自上而下的数据梳理173
15.2.2 自下而上的数据梳理174
15.3 数据建模技术和方法175
15.3.1 什么是ER模型175
15.3.2 ER模型的构成176
15.3.3 ER建模的5个步骤179
15.3.4 ER建模技术:UML180
15.4 数据建模与数据治理181
15.4.1 数据模型与数据治理的关系181
15.4.2 数据建模是数据治理的开端183
15.4.3 数据模型管理存在的3个问题183
15.4.4 数据模型管理的3个有效措施184
15.4.5 数据模型驱动数据治理185
15.5 本章小结186
第16章 元数据管理187
16.1 元数据管理概述187
16.1.1 什么是元数据187
16.1.2 元数据的3种类型189
16.1.3 元数据的6个作用190
16.1.4 什么是元数据管理191
16.1.5 元数据管理的3个目标191
16.1.6 元数据管理的4个挑战192
16.1.7 元数据管理的4个阶段193
16.2 元数据管理方法195
16.2.1 业务目标理解195
16.2.2 元数据需求规划196
16.2.3 元数据规划设计197
16.2.4 元数据管理体系设计198
16.3 元数据管理技术199
16.3.1 元数据采集199
16.3.2 元数据管理200
16.3.3 元数据应用201
16.3.4 元数据接口203
16.4 本章小结203
第17章 数据标准管理204
17.1 数据标准管理概述204
17.1.1 什么是数据标准204
17.1.2 数据标准的作用205
17.1.3 什么是数据标准化206
17.1.4 数据标准与数据治理207
17.1.5 数据标准管理的3个常见问题208
17.1.6 数据标准管理的意义209
17.2 数据标准管理内容210
17.2.1 数据模型标准210
17.2.2 基础数据标准211
17.2.3 主数据与参考数据标准213
17.2.4 指标数据标准214
17.3 数据标准管理体系215
17.3.1 数据标准管理组织216
17.3.2 数据标准管理流程216
17.3.3 数据标准管理办法221
17.4 数据标准管理的4个实践222
17.5 本章小结223
第18章 主数据管理224
18.1 主数据管理概述224
18.1.1 什么是主数据224
18.1.2 什么是主数据管理225
18.1.3 主数据管理的意义226
18.2 主数据管理方法227
18.2.1 摸家底阶段227
18.2.2 建体系阶段232
18.2.3 接数据阶段235
18.2.4 抓运营阶段237
18.3 主数据管理技术239
18.3.1 主数据分类239
18.3.2 主数据编码241
18.3.3 主数据集成243
18.4 主数据管理的7个实践246
18.5 本章小结251
第19章 数据质量管理252
19.1 数据质量管理概述252
19.1.1 什么是数据质量252
19.1.2 数据质量差的后果253
19.1.3 什么是数据质量维度255
19.1.4 什么是数据质量测量256
19.1.5 什么是数据质量管理257
19.2 数据问题根因分析257
19.2.1 什么是根因分析258
19.2.2 产生数据问题的阶段259
19.2.3 产生数据问题的原因260
19.2.4 根因分析的方法262
19.2.5 根因分析的工具263
19.3 数据质量管理体系框架266
19.3.1 基于ISO 9001的数据质量管理267
19.3.2 基于六西格玛的数据质量管理269
19.3.3 数据质量评估框架273
19.4 数据质量管理策略和技术276
19.4.1 数据质量管理之事前预防276
19.4.2 数据质量管理之事中控制279
19.4.3 数据质量管理之事后补救283
19.5 本章小结285
第20章 数据安全治理286
20.1 数据安全治理概述286
20.1.1 什么是数据安全286
20.1.2 数据安全的脆弱性287
20.1.3 数据安全风险来自哪里288
20.1.4 什么是数据安全治理290
20.1.5 数据治理与数据安全治理291
20.2 数据安全治理策略292
20.2.1 数据安全治理体系292
20.2.2 数据安全治理目标293
20.2.3 数据安全治理组织294
20.2.4 数据安全认责策略295
20.2.5 数据安全治理制度297
20.2.6 数据安全治理培训298
20.2.7 数据安全运维体系298
20.3 数据安全治理技术300
20.3.1 数据梳理与敏感数据识别301
20.3.2 数据分类分级策略302
20.3.3 身份认证304
20.3.4 授权306
20.3.5 访问控制308
20.3.6 安全审计308
20.3.7 资产保护310
20.3.8 数据脱敏312
20.3.9 数据加密技术313
20.4 数据安全的政策法规314
20.4.1 欧盟的数据安全法律法规315
20.4.2 美国的数据安全法律法规316
20.4.3 中国的数据安全法律法规316
20.5 本章小结317
第21章 数据集成与共享318
21.1 应用集成的4个层面318
21.1.1 门户集成318
21.1.2 服务集成319
21.1.3 流程集成320
21.1.4 数据集成321
21.2 数据集成架构的演进322
21.2.1 点对点集成架构322
21.2.2 EDI集成架构323
21.2.3 SOA集成架构324
21.2.4 微服务集成架构325
21.3 数据集成的4种典型应用326
21.3.1 基于中间件交换共享模式326
21.3.2 主数据应用集成模式328
21.3.3 数据仓库应用模式329
21.3.4 数据湖应用模式330
21.4 数据集成步骤和方法332
21.4.1 集成需求分析332
21.4.2 制定集成方案333
21.4.3 接口开发与联调334
21.4.4 部署运行与评价335
21.5 本章小结336
第五部分 数据治理之器
第22章 数据模型管理工具338
22.1 系统架构338
22.2 数据模型管理339
22.3 数据模型应用340
22.4 本章小结342
第23章 元数据管理工具343
23.1 系统架构343
23.2 元数据采集344
23.3 元数据管理345
23.4 元数据应用346
23.5 本章小结349
第24章 数据标准管理工具350
24.1 系统架构350
24.2 数据标准管理351
24.3 数据标准应用353
24.4 本章小结353
第25章 主数据管理工具355
25.1 系统架构355
25.2 主数据建模356
25.3 主数据管理356
25.4 主数据质量357
25.5 主数据安全358
25.6 主数据集成359
25.7 本章小结359
第26章 数据质量管理工具360
26.1 系统架构360
26.2 数据质量指标361
26.3 数据质量测量361
26.4 数据质量剖析362
26.5 数据质量问题分析与改进362
26.6 本章小结363
第27章 数据安全治理工具364
27.1 系统架构364
27.2 数据安全治理365
27.3 数据安全应用366
27.4 本章小结367
第28章 数据集成与共享工具368
28.1 系统架构368
28.2 数据交换共享系统369
28.3 目录服务系统372
28.4 数据管理系统374
28.5 本章小结375
第29章 数据治理工具选型建议376
29.1 供应商综合实力376
29.2 产品的架构考察377
29.3 产品的功能考察378
29.4 产品的性能考察379
29.5 工具选型与成本预算379
29.6 本章小结380
第六部分 数据治理实践与总结
第30章 企业数据治理实践案例382
30.1 案例1:某电线电缆集团的主数据管理实践382
30.1.1 企业简介382
30.1.2 项目建设背景383
30.1.3 主数据普查情况383
30.1.4 主数据管理解决方案384
30.1.5 项目建设成效389
30.2 案例2:某新能源汽车公司的数据资产管理实践390
30.2.1 企业简介390
30.2.2 项目建设背景390
30.2.3 企业数据管理现状390
30.2.4 数据资产管理解决方案392
30.2.5 项目建设成效396
30.3 本章小结397
第31章 企业数据治理总结与展望398
31.1 数据治理的6项准备398
31.2 数据治理的6个误区400
31.3 数据治理的5个技术展望405
31.4 企业数据治理与数字化转型413
31.5 本章小结415
|
內容試閱:
|
为什么要写本书
在大数据时代,“数据治理”对所有拥有大量数据的公司来说都是一个挑战。业内还流传着“数字转型,治理先行”的说法。越来越多的企业将数据治理作为数字化战略的一项必要举措,并将其列入企业的战略行动计划。
“数据治理”的重点在于“治理”,它是一个涉及企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的综合体。没有数据治理实践经验的人一定会认为:“哇,数据治理好高端!又是战略,又是标准,又是文化,听起来很高深嘛!”然而,真正做过数据治理的人会告诉你:“数据治理不仅是苦活、累活,还是个受累不讨好、经常背锅、不容易让领导看见价值的活。”
“数据治理,说起来容易,做起来难。”这是业界的共识。在数字化转型过程中,数据治理不得不做,但又难以做好,这成了企业的一个“魔咒”。破解这个“魔咒”是我们写本书的初衷。我们希望通过本书回答以下问题:
什么是数据治理?
数据治理治的是数据吗?
为什么要实施数据治理?
数据治理会遇到哪些挑战?
数据治理的关键要素是什么?
数据治理有哪些常见误区?
数据治理在哪里治,源头系统还是数据中台?
数据治理的实施方法论是什么?
数据治理的关键技术有哪些?如何应用这些技术?
数据治理需要哪些工具?
如何保证企业数据质量的长治久安?
在本书中,我们结合自身多年的数据项目经验,总结出了企业数据治理规划和落地的“3个机制、8项举措、7种能力、7把利剑”,分别对应企业数据治理之道、企业数据治理之法、企业数据治理之术和企业数据治理之器四部分内容,希望能够为企业数据治理工作的规划和落地提供一些思路和启发。
读者对象
本书适合正在或希望从事数据治理、数据管理工作的相关人员阅读。本书为正在寻求数字化转型的企业提供了数据治理的思路和框架,因此特别适合这些企业的CIO、CDO、IT总监、IT经理、项目经理、业务主管、业务骨干、数据管理员、数仓开发工程师、数据分析师等阅读。
本书希望:
帮助那些想学习数据治理的新手建立对数据治理的整体认识;
帮助那些了解数据治理零散知识的人建立起数据治理知识体系;
为那些正在或计划进行数据治理的相关人员提供一定的方法和参考案例;
帮助那些正在从事数据治理却屡碰难题、饱受挫折的人找到新的思路和方法。
本书特色
本书不仅包含业界主流的数据治理理论框架,还包含用友平台与数据智能团队多年的数据项目实战经验总结;不仅涉及数据治理在战略层面的顶层设计,还囊括数据治理在落地执行层面的实施方法;不仅可以作为配合企业数据治理的纲领性指南,还可以作为数据管理人员开展数据治理的实操手册。
如何阅读本书
本书分为六部分,共31章,全面阐述数据治理是什么,数据治理为什么重要,数据治理治什么,以及数据治理如何实施。
部分 数据治理概述(第1~3章)
主要介绍数据治理的概念,数据治理对企业的重要性,企业数据治理的背景、目标、价值,以及国内外数据治理的参考框架,并阐明为什么数据治理是企业数字化转型的必经之路。第3章非常关键,不仅起着承上启下的作用,还是全书的总纲,对企业数据治理的“道、法、术、器”进行概括和说明。
第二部分 数据治理之道(第4~6章)
重点介绍数据治理的3个机制—数据战略、组织机制和数据文化,以及如何通过这3个机制形成自我驱动、自我进化、可持续发展和长效运营的数据治理体系。
第三部分 数据治理之法(第7~14章)
重点介绍数据治理的8项举措,即理现状与定目标、能力成熟度评估、路线图规划、保障体系建设、技术体系建设、策略执行与监控、绩效考核、长效运营。这8项举措构成了企业数据治理的完整实施方法论。
第四部分 数据治理之术(第15~21章)
数据治理是一个很宽泛的概念,涉及的技术非常多,本部分重点总结了数据治理的7种能力,即数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享。
第五部分 数据治理之器(第22~29章)
“术”需要“器”来承载,这一部分将重点介绍数据治理所需的7个主要工具,笔者称之为企业数据治理的7把利剑。它们分别是什么,有哪些特点,相信你都能在本部分中找到答案。
第六部分 数据治理实践与总结(第30~31章)
重点介绍数据治理的实践案例,并总结开展数据治理工作应做好的6项准备、应避免的6个误区。后,再次阐明数据治理是企业数字化转型的必经之路,并对数据治理的技术发展进行展望。
勘误和支持
由于作者能力有限,写作时间仓促,以及技术不断更新和迭代,书中难免会出现一些错误或者不准确的地方,恳请读者批评指正。如果你有任何关于本书的意见或建议,欢迎发送邮件至shixiufeng_88@163.com。期待你的反馈。
致谢
本书为用友平台与数据智能团队共同努力的成果,在写作过程中,我们得到了多位公司领导和同事的支持与帮助,在此一并表示感谢。
感谢我们的客户,他们一直以来对用友的信任、支持与
|
|