云原生数据中台:架构、方法论与实践电子书

前言

第一部分 数据中台与硅谷大数据平台

第1章 全面了解数据中台

1.1 数据中台概念的起源

1.1.1 艺电的“数据中台”改造

1.1.2 Twitter的数据驱动

1.2 什么是数据中台

1.2.1 数据中台建设的目标

1.2.2 如何实现数据中台建设的目标

1.2.3 数据中台的定义和4个特点

1.3 大数据平台与数据中台

1.3.1 为什么要建设数据中台

1.3.2 数据中台与传统大数据平台的区别

1.3.3 数据中台的评判标准

1.4 数据中台建设方法论总纲

1.5 本章小结

第2章 数据中台能力和应用场景

2.1 数据中台不是“银弹”

2.2 数据中台的核心能力

2.2.1 全局商业洞见

2.2.2 个性化服务

2.2.3 实时数据报表

2.2.4 共享能力开发新业务

2.3 数据中台的行业应用场景

2.3.1 互联网行业

2.3.2 连锁零售业

2.3.3 金融业

2.3.4 物联网

2.4 数据中台如何为企业赋能

2.4.1 组织架构

2.4.2 决策部门

2.4.3 业务部门

2.4.4 研发部门

2.4.5 大数据部门

2.5 本章小结

第3章 数据中台与数字化转型

3.1 数字化转型的4个阶段

3.1.1 信息化

3.1.2 数据仓库（数据平台1.0）

3.1.3 大数据平台（数据平台2.0）

3.1.4 数据中台（数据平台3.0）

3.2 数据驱动

3.2.1 面向用户的数据驱动产品及服务

3.2.2 面向内部业务部门的数据驱动服务

3.2.3 数据驱动的系统管理

3.3 数据中台如何支持数字化转型

3.3.1 从技术层面支持数字化转型

3.3.2 从组织架构层面支持数字化转型

3.4 本章小结

第4章 从大数据平台到数据中台

4.1 大数据平台建设阶段

4.1.1 大数据平台起步

4.1.2 系统自动化

4.1.3 大数据平台的生产化

4.2 数据管理及应用阶段

4.2.1 数据湖/数据仓库建设

4.2.2 数据管理

4.2.3 数据安全

4.3 数据能力中台化阶段

4.3.1 全局的数据治理

4.3.2 数据能力的复用和共享

4.3.3 云原生架构的支撑

4.4 DataOps

4.4.1 什么是DataOps

4.4.2 DataOps解决的问题

4.4.3 DataOps的目标功能

4.4.4 DataOps的主要技术

4.4.5 DataOps与数据中台

4.5 本章小结

第二部分 数据中台架构与方法论

第5章 数据中台建设须知

5.1 数据中台建设需要一套方法论

5.2 从失败的大数据项目中吸取教训

5.3 数据中台建设中的常见问题

5.4 评判数据中台建设效果

5.5 数据中台建设的人员规划

5.6 数据中台的技术选型要求

5.7 本章小结

第6章 数据中台建设方法论

6.1 基础架构

6.2 数据工具

6.3 顶层架构设计

6.4 数据规范

6.5 业务驱动

6.6 关键指标

6.7 明确责权利

6.8 管理迭代

6.9 数据中台建设流程

6.10 本章小结

第7章 数据中台的架构

7.1 数据中台的功能定位

7.2 数据中台架构设计的9大原则

7.3 典型的硅谷大数据平台架构

7.3.1 Twitter的大数据平台架构

7.3.2 Airbnb的大数据平台架构

7.3.3 Uber的大数据平台架构

7.3.4 云平台作为大数据平台的通用底座

7.3.5 硅谷大数据平台架构的共性和建设思路

7.4 数据中台架构

7.5 数据中台子系统

7.5.1 应用基础能力平台

7.5.2 数据基础能力平台

7.5.3 数据集成开发平台

7.5.4 数据资产运营平台

7.5.5 数据业务能力层

7.5.6 数据中台重点建设内容

7.6 本章小结

第8章 数据中台与云原生架构

8.1 云原生架构及云平台

8.2 PaaS平台的主要功能

8.2.1 资源管理

8.2.2 应用全生命周期管理

8.2.3 高可用和容错

8.2.4 运维平台

8.3 传统方式下搭建数据中台的难点

8.4 云原生架构对于数据中台建设的5大意义

8.5 数据中台的IaaS层选择

8.6 本章小结

第三部分 数据中台技术选型与核心内容

第9章 数据中台建设与开源软件

9.1 开源软件的起源和建设过程

9.2 开源软件的合理使用

9.3 集成开源软件的5个注意事项

9.4 应用基础能力平台的开源选择

9.5 数据基础能力平台的开源选择

9.6 数据集成开发平台的开源选择

9.7 本章小结

第10章 数据湖与数据仓库

10.1 数据湖

10.1.1 数据湖的起源与作用

10.1.2 数据湖建设的4个目标

10.1.3 数据湖数据的采集和存储

10.1.4 数据湖中的数据治理

10.2 数据仓库

10.2.1 数据建模方式

10.2.2 数据仓库建设的层次

10.2.3 数据仓库中的数据治理

10.2.4 数据清洗

10.3 数据中台中的数据仓库和数据湖建设

10.4 本章小结

第11章 数据资产管理

11.1 数据资产管理的难题

11.2 数据资产管理定义

11.3 主数据管理

11.4 元数据管理

11.4.1 元数据的分类

11.4.2 元数据管理系统的功能

11.5 开源的元数据管理系统

11.6 数据资产的ROI

11.7 本章小结

第12章 数据流水线管理

12.1 数据流水线的定义与模型

12.2 数据流水线中的应用类别

12.3 数据流水线的运行方式

12.4 数据流水线示例

12.5 数据流水线管理系统面临的挑战

12.6 数据流水线管理系统的功能需求

12.6.1 自动化流水线

12.6.2 数据管理

12.6.3 性能要求

12.7 数据流水线管理系统的组件

12.8 批流合一的数据流水线

12.9 本章小结

第13章 数据中台应用开发

13.1 数据应用的形态

13.2 应用开发工具

13.3 3种典型的数据中台应用

13.3.1 数据即服务

13.3.2 模型即服务

13.3.3 用户标签系统

13.4 数据中台应用的开发和管理

13.4.1 应用调度系统

13.4.2 多租户管理

13.4.3 持续集成和发布

13.5 本章小结

第14章 数据门户

14.1 数据门户出现的背景

14.2 硅谷的数据门户建设

14.2.1 Twitter的DAL和EagleEye

14.2.2 LinkedIn的Data Hub

14.2.3 Airbnb的Data Portal

14.2.4 Lyft的Amundsen

14.2.5 Netflix的Metacat

14.2.6 Intuit的SuperGlue

14.2.7 硅谷数据门户总结

14.3 数据门户的定位及功能

14.4 数据门户的实现原理

14.5 数据门户的社交属性

14.6 数据应用的自助及协同工作

14.7 数据智能运维

14.8 本章小结

第15章 管理数据中台的演进

15.1 不断演进的数据中台

15.2 人员变动下的数据管理

15.2.1 数据安全

15.2.2 数据能力的传递

15.3 数据和应用的演进

15.4 资源的演进

15.5 演进中的关键指标

15.6 本章小结

第四部分 数据中台案例分析

第16章 EA“数据中台”实践

16.1 建设背景

16.2 组织架构调整

16.3 建设过程

16.4 体系架构

16.5 数据治理

16.5.1 数据标准和规范

16.5.2 元数据管理

16.5.3 数据质量管理

16.6 数据应用产品

16.6.1 推荐系统

16.6.2 打造动态游戏体验

16.6.3 标签系统及游戏运营

16.7 EA“数据中台”功能总结

16.8 本章小结

第17章 零售行业的数据中台

17.1 零售行业的数字化转型

17.2 零售行业数据中台解决方案

17.3 零售行业数据中台的建设

17.3.1 数据汇聚

17.3.2 业务调研

17.3.3 数据仓库建设及数据分析

17.3.4 业务系统的能力反馈

17.4 零售行业数据中台的应用场景

17.4.1 用户标签体系

17.4.2 精准市场营销

17.5 本章小结

第18章 物联网领域数据中台建设

18.1 现代物联网的产业链

18.2 物联网与ABC

18.3 物联网数据中台架构

18.4 智慧建筑物联网数据中台应用

18.5 本章小结