华为数据之道电子书

序一

序二

序三

前言

第1章 数据驱动的企业数字化转型

1.1 非数字原生企业的数字化转型挑战

1.1.1 业态特征：产业链条长、多业态并存

1.1.2 运营环境：数据交互和共享风险高

1.1.3 IT建设过程：数据复杂、历史包袱重

1.1.4 数据质量：数据可信和一致化的要求程度高

1.2 华为数字化转型与数据治理

1.2.1 华为数字化转型整体目标

1.2.2 华为数字化转型蓝图及对数据治理的要求

1.3 华为数据治理实践

1.3.1 华为数据治理历程

1.3.2 华为数据工作的愿景与目标

1.3.3 华为数据工作建设的整体思路和框架

1.4 本章小结

第2章 建立企业级数据综合治理体系

2.1 建立公司级的数据治理政策

2.1.1 华为数据管理总纲

2.1.2 信息架构管理政策

2.1.3 数据源管理政策

2.1.4 数据质量管理政策

2.2 融入变革、运营与IT的数据治理

2.2.1 建立管理数据流程

2.2.2 管理数据流程与管理变革项目、管理质量与运营之间的关系

2.2.3 通过变革体系和运营体系进行决策

2.2.4 数据治理融入IT实施

2.2.5 通过内控体系赋能数据治理

2.3 建立业务负责制的数据管理责任体系

2.3.1 任命数据Owner和数据管家

2.3.2 建立公司层面的数据管理组织

2.4 本章小结

第3章 差异化的企业数据分类管理框架

3.1 基于数据特性的分类管理框架

3.2 以统一语言为核心的结构化数据管理

3.2.1 基础数据治理

3.2.2 主数据治理

3.2.3 事务数据治理

3.2.4 报告数据治理

3.2.5 观测数据治理

3.2.6 规则数据治理

3.3 以特征提取为核心的非结构化数据管理

3.4 以确保合规遵从为核心的外部数据管理

3.5 作用于数据价值流的元数据管理

3.5.1 元数据治理面临的挑战

3.5.2 元数据管理架构及策略

3.5.3 元数据管理

3.6 本章小结

第4章 面向“业务交易”的信息架构建设

4.1 信息架构的四个组件

4.1.1 数据资产目录

4.1.2 数据标准

4.1.3 数据模型

4.1.4 数据分布

4.2 信息架构原则：建立企业层面的共同行为准则

4.3 信息架构建设核心要素：基于业务对象进行设计和落地

4.3.1 按业务对象进行架构设计

4.3.2 按业务对象进行架构落地

4.4 传统信息架构向业务数字化扩展：对象、过程、规则

4.5 本章小结

第5章 面向“联接共享”的数据底座建设

5.1 支撑非数字原生企业数字化转型的数据底座建设框架

5.1.1 数据底座的总体架构

5.1.2 数据底座的建设策略

5.2 数据湖：实现企业数据的“逻辑汇聚”

5.2.1 华为数据湖的3个特点

5.2.2 数据入湖的6个标准

5.2.3 数据入湖方式

5.2.4 结构化数据入湖

5.2.5 非结构化数据入湖

5.3 数据主题联接：将数据转换为“信息”

5.3.1 5类数据主题联接的应用场景

5.3.2 多维模型设计

5.3.3 图模型设计

5.3.4 标签设计

5.3.5 指标设计

5.3.6 算法模型设计

5.4 本章小结

第6章 面向“自助消费”的数据服务建设

6.1 数据服务：实现数据自助、高效、复用

6.1.1 什么是数据服务

6.1.2 数据服务生命周期管理

6.1.3 数据服务分类与建设规范

6.1.4 打造数据供应的“三个1”

6.2 构建以用户体验为核心的数据地图

6.2.1 数据地图的核心价值

6.2.2 数据地图的关键能力

6.3 人人都是分析师

6.3.1 从“保姆”模式到“服务+自助”模式

6.3.2 打造业务自助分析的关键能力

6.4 从结果管理到过程管理，从能“看”到能“管”

6.4.1 数据赋能业务运营

6.4.2 数据消费典型场景实践

6.4.3 华为数据驱动数字化运营的历程和经验

6.5 本章小结

第7章 打造“数字孪生”的数据全量感知能力

7.1 “全量、无接触”的数据感知能力框架

7.1.1 数据感知能力的需求起源：数字孪生

7.1.2 数据感知能力架构

7.2 基于物理世界的“硬感知”能力

7.2.1 “硬感知”能力的分类

7.2.2 “硬感知”能力在华为的实践

7.3 基于数字世界的“软感知”能力

7.3.1 “软感知”能力的分类

7.3.2 “软感知”能力在华为的实践

7.4 通过感知能力推进企业业务数字化

7.4.1 感知数据在华为信息架构中的位置

7.4.2 非数字原生企业数据感知能力的建设

7.5 本章小结

第8章 打造“清洁数据”的质量综合管理能力

8.1 基于PDCA的数据质量管理框架

8.1.1 什么是数据质量

8.1.2 数据质量管理范围

8.1.3 数据质量的总体框架

8.2 全面监控企业业务异常数据

8.2.1 数据质量规则

8.2.2 异常数据监控

8.3 通过数据质量综合水平牵引质量提升

8.3.1 数据质量度量运作机制

8.3.2 设计质量度量

8.3.3 执行质量度量

8.3.4 质量改进

8.4 本章小结

第9章 打造“安全合规”的数据可控共享能力

9.1 内外部安全形势，驱动数据安全治理发展

9.1.1 数据安全成为国家竞争的新战场

9.1.2 数字时代数据安全的新变化

9.2 数字化转型下的数据安全共享

9.3 构建以元数据为基础的安全隐私保护框架

9.3.1 以元数据为基础的安全隐私治理

9.3.2 数据安全隐私分层分级管控策略

9.3.3 数据底座安全隐私分级管控方案

9.3.4 分级标识数据安全隐私

9.4 “静”“动”结合的数据保护与授权管理

9.4.1 静态控制：数据保护能力架构

9.4.2 动态控制：数据授权与权限管理

9.5 本章小结

第10章 未来已来：数据成为企业核心竞争力

10.1 数据：新的生产要素

10.1.1 数据被列为生产要素：制度层面的肯定

10.1.2 数据将进入企业的资产负债表

10.1.3 数据资产的价值由市场决定

10.2 大规模数据交互的企业数据生态

10.2.1 数据生态离不开底层技术的支撑

10.2.2 数据主权是数据安全交换的核心

10.2.3 国际数据空间的目标与原则

10.2.4 多方安全计算强化数据主权

10.3 摆脱传统手段的数据管理方式

10.3.1 智能数据管理是数据工作的未来

10.3.2 内容级分析能力提供资产全景图

10.3.3 属性特征启发主外键智能联接

10.3.4 质量缺陷预发现

10.3.5 算法助力数据管理

10.3.6 数字道德抵御算法歧视

10.4 第四个世界：机器认知世界

10.4.1 真实唯一的“物理世界”和五彩缤纷的“人类认知世界”

10.4.2 映射“物理世界”的数字孪生——“数字世界”

10.4.3 “数字世界”中的智能认知 ——“机器认知世界”

10.5 本章小结