数据治理:概念、方法与实践电子书

前言

第1章 什么是数据治理

1.1 数据治理的基本概念

1.1.1 数据的定义

1.1.2 数据与数据资产

1.1.3 数字化的定义

1.1.4 数据治理的定义

1.1.5 数据治理工作范围

1.2 数据治理的发展历程

1.2.1 萌芽期：数据概念的形成

1.2.2 成长期：信息化发展

1.2.3 成型期：数据治理“三大件”

1.2.4 成熟期：数字化转型必经之路

1.3 辨析数据治理的十个关键词

1.3.1 数据治理vs数据管理

1.3.2 元数据vs数据元

1.3.3 数据资源vs数据资产

1.3.4 数据标准vs数据标准化

1.3.5 数据模型vs数据架构

1.4 辨析数据治理的几种模式

1.4.1 小数据治理vs大数据治理

1.4.2 源头数据治理vs中台数据治理

1.4.3 项目式数据治理vs DataOps

1.4.4 被动数据治理vs主动数据治理

1.5 数据治理的驱动因素

1.5.1 内部驱动因素

1.5.2 外部驱动因素

第2章 数据治理的价值

2.1 数据治理在组织中的价值定位

2.1.1 数据治理的对象：数据资产

2.1.2 数据资产价值发挥面临的挑战

2.1.3 数据治理在组织中的定位：地基性工程

2.2 顶层规划，明确数据战略方向

2.3 统一规范，构建全局性数据标准

2.4 持续提升数据质量，促进数据可信可用

2.5 保障数据安全，为数据应用共享设置护栏

2.6 搭建体制机制，形成数据资产运营机制保障体系

第3章 数据治理的核心职能

3.1 数据治理的十项核心职能

3.1.1 数据战略

3.1.2 数据架构

3.1.3 元数据管理

3.1.4 数据标准管理

3.1.5 数据质量管理

3.1.6 数据安全管理

3.1.7 主数据管理

3.1.8 数据分析应用

3.1.9 数据服务

3.1.10 数据运营

3.2 数据治理核心职能之间的关系

第4章 实施数据治理的前提

4.1 认识企业数据的构成

4.1.1 基础数据

4.1.2 交易数据

4.1.3 分析数据

4.2 找准数据治理的对象

4.2.1 数据治理的对象：数据

4.2.2 数据治理的对象：人

4.2.3 数据治理的对象：业务流程

4.3 把握数据治理的关键点

4.3.1 确定治理目标

4.3.2 建立治理组织

4.3.3 落地数据标准

4.3.4 提升数据质量

4.3.5 评估治理价值

4.4 规避数据治理的误区

4.4.1 盲目的数据治理

4.4.2 被动式的数据治理

4.4.3 项目式的数据治理

4.4.4 孤立式的数据治理

4.4.5 数据治理唯工具论

4.5 理解数据治理的三种模式

4.5.1 自下而上：以明确的数据应用为重

4.5.2 自上而下：以全局数据架构为重

4.5.3 全面规划：从全局数据应用入手

第5章 实施数据治理的五个阶段

5.1 数据治理流程概述

5.2 数据治理蓝图规划

5.2.1 评估数据管理能力成熟度

5.2.2 汇总内部数据诉求

5.2.3 对标外部数据实践

5.2.4 定位数据治理价值

5.2.5 绘制数据治理蓝图

5.2.6 选择数据治理切入点

5.3 数据治理落地实施

5.3.1 理数据：摸清数据家底

5.3.2 建体系：建立保障体系

5.3.3 搭平台：搭建治理平台

5.3.4 接数据：接管数据资产

5.3.5 定标准：规范数据语言

5.3.6 提质量：提升数据价值

5.3.7 控安全：合规使用数据

5.3.8 编目录：明确数据资产

5.3.9 用数据：数据赋能业务

5.4 数据治理成效评估

5.4.1 数据治理成效评估体系

5.4.2 数据治理成效评估报告

5.5 数据治理问题改进

5.5.1 内部问题改进

5.5.2 外部问题改进

5.6 数据治理长效运营

5.6.1 数据治理运营新体系

5.6.2 数据治理运营体系搭建

5.6.3 数据治理运营双循环

5.6.4 业务驱动的数据运营

第6章 数据治理的十大核心能力建设

6.1 数据战略管理：明确数据治理的方向

6.1.1 企业数据战略框架

6.1.2 企业数据战略实施

6.2 数据架构管理：对齐目标、搭建框架

6.2.1 数据架构设计流程概述

6.2.2 主题域划分

6.2.3 实体识别

6.2.4 逻辑模型设计

6.2.5 数据流向梳理

6.2.6 管理机制建设

6.3 元数据管理：数据管理的基础

6.3.1 元数据需求管理

6.3.2 元数据建模

6.3.3 元数据采集和维护

6.3.4 元数据质量管理

6.3.5 元数据应用

6.3.6 元数据共享

6.4 数据标准管理：没有规矩不成方圆

6.4.1 数据标准管理建设流程

6.4.2 数据标准规划

6.4.3 数据标准制定

6.4.4 标准审核发布

6.4.5 标准落地执行

6.4.6 标准评估改进

6.4.7 数据标准管理机制建设

6.5 数据质量管理：数据价值的生命线

6.5.1 数据质量管理过程概述

6.5.2 数据质量需求管理

6.5.3 数据质量诊断

6.5.4 数据质量提升

6.5.5 数据质量管理评估

6.6 数据安全管理：安全地使用数据

6.6.1 构建以元数据为基础的分类分级管控体系

6.6.2 数据安全全链路可视防护体系

6.6.3 数据安全组织建设

6.6.4 数据安全制度规范制定

6.6.5 数据安全技术架构建立

6.6.6 数据分类分级设计

6.6.7 数据脱敏加密防护

6.6.8 业务环节行为管控

6.6.9 数据审计内部稽核

6.6.10 数据安全运营闭环管理

6.7 主数据管理：管好企业黄金数据

6.7.1 主数据管理建设流程概述

6.7.2 主数据需求分析

6.7.3 主数据标准制定

6.7.4 主数据管理平台搭建

6.7.5 主数据清洗

6.7.6 主数据集成

6.7.7 主数据管理机制建设

6.7.8 主数据运维体系建设

6.8 数据分析应用：数据赋能业务

6.8.1 数据分析应用建设流程概述

6.8.2 明确业务问题

6.8.3 指标体系及场景设计

6.8.4 数据存储设计及建模

6.8.5 数据加工及看板开发

6.8.6 数据分析应用管理机制建设

6.9 数据服务：促进数据应用和共享

6.9.1 数据服务需求收集

6.9.2 数据服务需求分析

6.9.3 数据服务开发与部署

6.9.4 数据服务监控与管理

6.10 数据运营：持续释放数据价值

6.10.1 明确数据运营目标

6.10.2 建立数据运营团队

6.10.3 数据收集、清洗和整合

6.10.4 数据分析和挖掘

6.10.5 数据运营情况监控

6.10.6 持续数据运营机制

第7章 数据治理工具与技术

7.1 常用的数据治理工具

7.1.1 元数据管理工具

7.1.2 主数据管理工具

7.1.3 数据质量管理工具

7.1.4 数据安全管理工具

7.1.5 数据标准管理工具

7.1.6 数据模型管理工具

7.1.7 数据共享服务工具

7.1.8 数据分析应用工具

7.2 发展中的数据治理技术

7.2.1 数据治理技术发展趋势

7.2.2 数据编织与数据网格技术

7.2.3 数据治理与人工智能技术

7.2.4 数据治理与区块链技术

7.2.5 数据治理与数据运营技术

7.2.6 数据治理与大模型技术

第8章 数据治理行业实践案例

8.1 某能源行业集团级数据中台建设

8.1.1 项目简介

8.1.2 项目背景

8.1.3 建设方案

8.1.4 建设效果

8.2 某制造行业主数据管理实践

8.2.1 项目简介

8.2.2 项目背景

8.2.3 建设方案

8.2.4 建设效果

8.3 某金融企业基于数据治理的数据中台实践

8.3.1 项目简介

8.3.2 项目背景

8.3.3 建设方案

8.3.4 建设效果

8.4 某大型零售集团基于数据治理的数据智能应用

8.4.1 项目简介

8.4.2 项目背景

8.4.3 建设方案

8.4.4 建设效果

8.5 某运营商企业全面数据治理及应用

8.5.1 项目简介

8.5.2 项目背景

8.5.3 建设方案

8.5.4 建设效果

参考文献