万本电子书0元读

万本电子书0元读

顶部广告

数据血缘分析原理与实践电子书

数据资产化是大趋势,也是未来企业必须做的事情。而数据要想真正实现资产化,必须要有高质量的数据作为基础。数据血缘将成为高质量数据的最底层保障。数据血缘的重要性正在慢慢显现,建议所有数据相关的从业者都不要错过这波红利,也许这本书将为你的职业生涯新篇章。

售       价:¥

纸质售价:¥54.50购买纸书

21人正在读 | 0人评论 6.6

作       者:成于念,赛助力

出  版  社:机械工业出版社

出版时间:2024-06-17

字       数:14.3万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
这是一部可以帮助读者从0始理解、建设并深度实践数据血缘及其系统的专业指导手册。全书所有内容均来自两位作者长期在世界500强企业从事数据相关工作的经验总结,书中不仅从原理层面带领读者深挖数据血缘本质,还有从实践层面对数据血缘的建设方法、核心技术、主流工具、在数据治理中的应用、典型行业应用案例行了全方位剖析。本书得到了美国南卡罗来纳大学教授、DAMA大中华区主席、中国大数据技术标准推委员会专家、招商蛇口数字化管理及运营负责人、PowerData社区主理人等多位业界专家的鼎力推荐。本书包括4篇14章,具体内容如下。概念篇从企业面临的主要数据问题手,逐渐延伸到对数据血缘的相关定义、特征、价值,以及数据组成的深度解读。这部分是真正落地数据血缘项目的基础,只有充分理解了这部分内容,才知道如何与上下游沟通协作。建设篇先完整展示了一个可落地的数据血缘框架模型——“1355”框架模型,即1个周期、3种实体、5个类型、5个层级,这是数据血缘建设的基础模型;然后详细介绍了数据血缘实施路径,其中包括可能会面临的问题、具体建设方式和具体建设步骤。技术篇重数据血缘相关技术和产品,以及数据血缘分析的主要应用场景——数据治理。其中,包括3大数据血缘应用场景、7大数据血缘核心技术、9款主流的数据血缘产品,以及数据血缘在数据治理中的深度实践。案例篇主要分享了互联网、服务、制造、零售快消等行业中数据血缘建设案例,帮助大家了解典型行业数据血缘的落地情况,以求获得一些启发。<br/>【推荐语】<br/>数据资产化是大趋势,也是未来企业必须做的事情。而数据要想真正实现资产化,必须要有高质量的数据作为基础。数据血缘将成为高质量数据的最底层保障。数据血缘的重要性正在慢慢显现,建议所有数据相关的从业者都不要错过这波红利,也许这本书将为你的职业生涯新篇章。<br/>【作者】<br/>成于念,资深数据治理专家,具有近10年数据治理相关工作经验,曾就职于某世界500强企业,专门从事数据治理相关工作。曾为多家千亿级企业提供主数据、数据治理方向的培训服务,熟悉各种主流数据治理技术和产品,并发表过多篇关于数据相关文章及论文。DAMA中国会员,“人人都是产品经理”专栏作者,“PMTalk社区”专栏作者,“三节课”兼职讲师,“老司机聊数据”公众号主理人。 赛助力,资深数据治理专家,曾就职于某世界500强企业,负责数据管理相关工作,10余年ERP及数据管理类项目实践经验,曾为多家千亿级企业提供数据治理方案,行业覆盖地产、制造业、消费品、医药、汽车等,熟悉多种主流数据治理软件。发表过数据类相关文献20余篇,被多家企业推荐或引用。DAMA中国会员,“人人都是产品经理”专栏作者,“老司机聊数据”公众号主理人。<br/>
目录展开

前折页

书名页

“数据之力技术丛书”编委会

前言

致谢

概念篇

第1章 走进数据血缘

1.1 企业目前面临的问题与挑战

1.1.1 互联网行业:数据安全面临严峻挑战

1.1.2 能源化工行业:数据共享互通能力待加强

1.1.3 装备制造行业:产品数据采集难

1.1.4 零售行业:数据分析势在必行

1.1.5 建筑行业:大数据治理能力亟须提升

1.1.6 从问题和挑战中找解决方案

1.2 揭开数据血缘的面纱

1.2.1 什么是数据和数据管理

1.2.2 什么是数据血缘

1.2.3 什么是数据血缘分析

1.2.4 什么是数据血缘可视化

1.2.5 数据血缘的特征

1.2.6 与数据血缘相关的概念

1.3 数据血缘分析是解决数据问题的灵丹妙药

1.3.1 破除数据质疑

1.3.2 数据变更影响范围快速评估

1.3.3 数据资产价值评估度量工具

1.3.4 为数据滥用加上一把“道德”之锁

1.4 本章小结

第2章 数据血缘中的数据组成部分

2.1 溯源血缘关系的重要依据——元数据

2.1.1 元数据的概念

2.1.2 元数据的数据血缘特征

2.2 确定血缘关系的黄金数据——主数据

2.2.1 主数据的概念

2.2.2 主数据的数据血缘特征

2.3 记录业务动态发生的数据——业务数据

2.3.1 业务数据的概念

2.3.2 业务数据的数据血缘特征

2.4 提供分析决策的重要成果——指标数据

2.4.1 指标数据的概念

2.4.2 指标数据的数据血缘特征

2.5 本章小结

建设篇

第3章 数据血缘分析框架模型

3.1 1个周期:数据全生命周期管理

3.2 3种实体:数据血缘实体结构

3.2.1 数据库血缘

3.2.2 数据表血缘

3.2.3 字段血缘

3.3 5个类型:数据血缘分类

3.3.1 逻辑血缘

3.3.2 物理血缘

3.3.3 时间血缘

3.3.4 操作血缘

3.3.5 业务血缘

3.4 5个层级:构建基础平台,支撑数据血缘分析

3.4.1 血缘采集层

3.4.2 血缘处理层

3.4.3 血缘存储层

3.4.4 血缘接口层

3.4.5 血缘应用层

3.5 本章小结

第4章 数据血缘实施路径

4.1 数据血缘实施过程中的问题与难点

4.1.1 血缘质量不高

4.1.2 实施路径不清晰

4.1.3 数据血缘关系自动解析难

4.2 数据血缘建设方式

4.2.1 常见的3种建设方式的优劣势

4.2.2 建设方式注意事项

4.3 数据血缘建设步骤

4.3.1 明确数据血缘目标

4.3.2 制定数据血缘需求范围

4.3.3 构建数据血缘系统

4.3.4 完成数据血缘收集

4.3.5 完成数据血缘初始化

4.3.6 实现数据血缘的可视化

4.4 本章小结

技术篇

第5章 数据血缘分析应用

5.1 数据开发应用场景

5.2 数据资产应用场景

5.3 数据安全应用场景

5.4 本章小结

第6章 数据血缘技术

6.1 概述

6.2 数据采集技术

6.2.1 ETL技术应用

6.2.2 SQL解析应用

6.3 数据建模

6.3.1 概念建模

6.3.2 逻辑建模

6.3.3 物理建模

6.4 数据可视化技术

6.4.1 数据可视化工具

6.4.2 图形库和框架

6.5 其他相关技术

6.5.1 数据挖掘技术

6.5.2 区块链技术

6.5.3 人工智能技术

6.5.4 大数据技术

6.6 本章小结

第7章 数据血缘产品

7.1 国外主流数据血缘产品介绍

7.1.1 开源的Apache Atlas平台

7.1.2 社交网站LinkedIn的数据平台

7.2 国内主流数据血缘产品介绍

7.2.1 马哈鱼数据血缘平台

7.2.2 FineBI数据可视化工具

7.2.3 亿信元数据管理平台

7.2.4 飞算SoData数据机器人

7.3 其他数据血缘产品介绍

7.3.1 Informatica数据平台

7.3.2 Alation数据平台

7.3.3 Collibra数据平台

7.4 本章小结

第8章 数据治理中的数据血缘应用

8.1 数据治理体系简介

8.1.1 数据管理、数据治理与数据资产管理

8.1.2 DAMA的数据治理体系

8.1.3 DMM和DCMM

8.1.4 华为的数据治理体系

8.1.5 阿里的数据治理体系

8.2 数据治理与数据血缘的关系

8.3 数据血缘在数据治理中的应用

8.3.1 数据血缘在数据质量提升中的应用

8.3.2 数据血缘在数据架构中的应用

8.3.3 数据血缘在数据建模和设计中的应用

8.3.4 数据血缘在数据安全中的应用

8.4 本章小结

第9章 数据血缘的平台建设

9.1 数据血缘相关平台介绍

9.1.1 元数据管理平台

9.1.2 主数据管理平台

9.1.3 数据仓库

9.1.4 数据治理平台

9.1.5 数据管理驾驶舱

9.2 数据相关平台建设路径

9.2.1 需求分析及调研

9.2.2 开发及测试

9.2.3 上线试运行

9.2.4 开展项目验收

9.2.5 持续优化迭代

9.3 本章小结

案例篇

第10章 互联网行业:字节跳动的数据血缘建设案例

10.1 数据血缘建设背景

10.2 数据血缘构建解析

10.2.1 数据血缘采集

10.2.2 数据血缘的关键指标

10.3 数据血缘的未来趋势

第11章 服务行业:四大全球知名企业的数据实践

11.1 民宿短租公寓预订平台Airbnb

11.2 电子商务平台Amazon

11.3 会员订阅制的流媒体播放平台Netflix

11.4 叫车服务公司Uber

第12章 制造行业:全球知名企业的数据实践

12.1 百年企业通用电气

12.2 “欧洲工业之母”西门子

第13章 零售快消行业:全球知名企业的数据实践

13.1 大型零售商沃尔玛

13.2 西班牙快时尚零售商Zara

展望篇

第14章 未来展望

14.1 数据血缘与数据智能的结合

14.2 数据血缘与数据隐私的平衡

14.3 数据血缘在人工智能中的应用

14.4 数据血缘在模型开发和模型审计中的应用

14.5 数据血缘在模型解释和模型可解释性中的应用

14.6 数据血缘在智能决策中的应用

14.7 数据血缘与区块链的关系

14.7.1 数据的确权问题

14.7.2 数据的经济特征问题

14.7.3 数据的价值测量问题

后记1 数据血缘救赎之路

后记2 从ERP咨询到数据治理

后折页

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部