數據中臺：賦能企業(yè)實時經營與商業(yè)創(chuàng)新

第 1 章數據中臺：是虛火還是趨勢／001
1.1　數據中臺是什么／002
1.2　為什么互聯網巨頭都在為數據中臺背書／003
1.2.1 　數字經濟占經濟的比重越來越大／003
1.2.2 　數據中臺助力互聯網獨角獸企業(yè)的發(fā)展／004
1.2.3 　數據中臺將支撐智能商業(yè)生態(tài)的數據應用／006
1.3　數字化轉型中亮的那顆星／006
1.3.1 　數字化轉型的成功實踐／006
1.3.2 　不是數據中臺不行，是建設方法不對／008
1.3.3 　數字化轉型和數據中臺建設面臨的四大困局／009
1.4　建好數據中臺的四個前提／012
1.4.1 　具備業(yè)務、數據、技術相融合的新思維／012
1.4.2 　找到高價值的業(yè)務場景／014
1.4.3 　擁有高質量的數據／015
1.4.4 　理解數據中臺的能力／016
第2章看透數據中臺架構／ 019
2.1　數據采集類似于商品進貨／ 020
2.1.1 　數據按結構分類／ 021
2.1.2 　數據按時效性分類／ 021
2.1.3 　理解數據中臺的運作過程／ 022
2.2　數據存儲類似于門店后倉／ 023
2.2.1 　數據類型／ 023
2.2.2 　數據來源／ 025
2.3　數據開發(fā)類似于商品補貨和生鮮加工／ 025
2.3.1 　離線開發(fā)／ 026
2.3.2 　實時開發(fā)／ 026
2.4　數據治理類似于商品陳列與標識／ 027
2.4.1 　按數據治理范圍分類／ 028
2.4.2 　數據中臺中各環(huán)節(jié)的治理工作／ 029
2.5　數據標簽類似于賣場銷售經驗／ 029
2.5.1 　基礎標簽／ 030
2.5.2 　衍生標簽／ 030
2.6　數據安全類似于超市安保／ 031
2.7　數據服務類似于超市服務／ 032
2.7.1 　直連式服務／ 033
2.7.2 　間接式服務／ 033
2.8　平臺運維類似于超市運營管理／ 034
2.8.1 　數據采集運維與數據儲存運維／ 034
2.8.2 　平臺安全運維／ 035
第 3 章數據中臺建設：從方法論到實踐／ 041
3.1　傳統(tǒng)IT 規(guī)劃轉變?yōu)閿祿靡?guī)劃／ 042
3.1.1 　企業(yè)IT 規(guī)劃的三個階段／ 042
3.1.2 　信息化建設面臨的問題／ 043
3.2　數據應用規(guī)劃與傳統(tǒng)IT 規(guī)劃的比較／ 044
3.2.1 　流程建設方面／ 044
3.2.2 　結構化數據方面／ 045
3.2.3 　半結構化數據和非結構化數據方面／ 046
3.2.4 　數據應用規(guī)劃方面／ 047
3.2.5 　經驗決策方面／ 048
3.3　數據應用規(guī)劃的六大要點／ 050
3.3.1 　高價值業(yè)務場景／ 050
3.3.2 　管理對象的數字孿生／ 051
3.3.3 　沉淀管理與業(yè)務信息／ 051
3.3.4 　承載企業(yè)大數據的技術架構／ 052
3.3.5 　數據質量管理與數據安全管理／ 052
3.3.6 　采用混合交付實現信息化向數字化轉型／ 054
3.4　七步成詩：元年科技數據中臺建設方法／ 055
第4章數據中臺：企業(yè)經營的全面“賦能官”／ 059
4.1　數字技術與管理需求／ 060
4.1.1 　數據賦能一線人員／ 060
4.1.2 　數據賦能經營管理／ 061
4.2　數據賦予業(yè)務經營超能力／ 063
4.2.1 　經營方面／ 063
4.2.2 　業(yè)務實施方面／ 064
4.3　數據賦能企業(yè)經營管理環(huán)節(jié)閉環(huán)／ 065
4.3.1 　全面預算管理／ 066
4.3.2 　成本管理／ 069
4.3.3 　管理會計報告／ 072
4.4　數據賦能企業(yè)價值鏈／ 076
4.4.1 　采購環(huán)節(jié)／ 077
4.4.2 　生產環(huán)節(jié)／ 078
4.4.3 　營銷環(huán)節(jié)／ 079
4.5　數據賦能產業(yè)平臺升級／ 081
4.5.1 　工業(yè)互聯網／ 082
4.5.2 　農業(yè)／ 082
4.5.3 　新零售／ 084
第 5 章數據架構：統(tǒng)一才是大勢所趨／ 087
5.1　VUCA 時代的業(yè)務訴求與目標／ 088
5.1.1 　時代變化節(jié)奏加快，企業(yè)的精準預測能力需提升／ 088
5.1.2 　數據協同度不高，信息化建設需加強／ 089
5.1.3 　積極進行企業(yè)的數字化轉型／ 089
5.2　數據架構／ 090
5.2.1 　什么是數據架構／ 090
5.2.2 　數據架構在企業(yè)架構中的地位／ 093
5.2.3 　數據架構的特點／ 094
5.3　數據架構是業(yè)務的黏合劑／ 095
5.3.1 　數據架構是完成數字化轉型的關鍵因素／ 095
5.3.2 　數據架構對企業(yè)內部經營管理的重要作用／ 095
5.3.3 　數據架構助力企業(yè)內、外部協同合作／ 097
5.4　數據架構落地的五個關鍵點／ 097
5.4.1 　數據架構規(guī)劃／ 098
5.4.2 　數據架構設計／ 099
5.4.3 　組織保障／ 100
5.4.4 　制度流程制定／ 101
5.4.5 　數據架構相關軟件選擇／ 101
第６章數據治理是一座高質量的金礦／ 103
6.1　數據清洗后才能用／ 104
6.1.1 　數據治理的發(fā)展／ 104
6.1.2 　未清洗的數據可能存在的問題／ 105
6.1.3 　企業(yè)進行數據治理的目標／ 106
6.2　數據治理都治什么／ 106
6.2.1 　理解數據治理的相關概念／ 106
6.2.2 　數據治理的概念／ 107
6.2.3 　數據治理的詳細分類／ 108
6.3　數據治理解放了誰的時間／ 110
6.3.1 　高效展開跨部門協同作業(yè)／ 110
6.3.2 　精準實施客戶營銷／ 111
6.3.3 　提升數據加工效率／ 112
6.3.4 　增強各級人員洞察業(yè)務的能力／ 113
6.3.5 　增強多級穿透和業(yè)務追溯的信服力／ 113
6.4　數據治理和數據中臺的關聯／ 114
6.4.1 　數據采集與數據架構／ 115
6.4.2 　數據開發(fā)／ 116
6.4.3 　確保數據被合法合規(guī)使用／ 117
6.5　一步到位的數據治理體系／ 118
6.5.1 　數據治理體系咨詢的總體方法／ 118
6.5.2 　階段工作：數據治理的現狀評估／ 120
6.5.3 　第二階段工作：組織架構與制度流程的搭建，責任體系與數據質量、數據標準規(guī)劃與設計／ 122
6.5.4 　第三階段工作：系統(tǒng)規(guī)劃與推廣／ 124
6.6　別做無用功／ 125
6.6.1 　數據治理效果的評估模型、數據戰(zhàn)略評估、數據治理評估／ 125
6.6.2 　數據架構、數據應用、數據安全的評估／ 128
6.6.3 　數據質量、數據標準、數據生命周期的評估／ 130
第 7 章源源不斷的數據之泉／ 133
7.1　無死角的數據采集／ 134
7.1.1 　數據采集的高質量要求／ 134
7.1.2 　量化決策能力的提升／ 135
7.2　數據采集：數字時代的掘金者／ 137
7.2.1 　數據的分類／ 137
7.2.2 　數據庫分類／ 138
7.3　企業(yè)價值鏈中的數據采集／ 141
7.3.1 　內部價值鏈／ 141
7.3.2 　外部價值鏈／ 144
7.4　數據采集是數據中臺的運輸隊／ 144
7.5　數據采集的具體方法／ 145
7.5.1 　數據源鏈接的建立與埋點設計／ 145
7.5.2 　數據采集同步／ 146
7.5.3 　數據采集同步策略／ 147
7.5.4 　運營與監(jiān)測／ 149
7.6　評價所采集數據的質量／ 149
第８章從0 到1 的數據開發(fā)／ 151
8.1　人找數，還是數找人／ 152
8.1.1 　數據開發(fā)的現狀與瓶頸／ 152
8.1.2 　數據開發(fā)的目標／ 153
8.2　數據開發(fā)到底是什么／ 154
8.2.1 　數倉分層／ 154
8.2.2 　事實、維度、模型／ 154
8.2.3 　數據開發(fā)類型／ 155
8.3　躍然“網”上的業(yè)務信息流／ 157
8.3.1 　優(yōu)化業(yè)務流程、權責界面和管控點／ 157
8.3.2 　整合和加工各類數據／ 158
8.3.3 　提升企業(yè)各方面的能力／ 158
8.3.4 　實時經營管控技術／ 159
8.4　數據開發(fā)為數據中臺挖掘有價值的數據／ 161
8.4.1 　生產有價值的數據／ 161
8.4.2 　數據價值的體現 ／ 161
8.5　遵循數據架構規(guī)范的數據開發(fā)／ 162
8.5.1 　規(guī)劃與設計／ 162
8.5.2 　開發(fā)與實施／ 163
8.5.3 　運營與運維／ 166
8.6　數據開發(fā)成果的評價指標／ 170
8.6.1 　業(yè)務類指標／ 170
8.6.2 　數據類指標／ 170
8.6.3 　平臺類指標／ 171
第 9 章讓算法模型做經營決策的智慧大腦／ 173
9.1　用算法模型代替“四拍”／ 174
9.1.1 　算法模型為何好／ 174
9.1.2 　將數據價值逐步沉淀到數據平臺／ 175
9.2　算法模型是客觀世界的數學抽象／ 175
9.3　算法模型打造敏捷的決策支持體系／ 178
9.3.1 　企業(yè)戰(zhàn)略與決策／ 178
9.3.2 　企業(yè)經營的各環(huán)節(jié)／ 180
9.3.3 　全面優(yōu)化企業(yè)的各項流程／ 182
9.4　算法模型是數據中臺的首席服務官／ 182
9.4.1 　不同業(yè)務場景下的服務能力／ 183
9.4.2 　各模塊調用算法模型層配合作業(yè)／ 183
9.5　構建算法模型的八個步驟／ 184
9.6　算法模型成果評價的五個維度／ 187
第１０ 章為數據打個標簽／ 189
10.1　從業(yè)務數據到數據標簽／ 190
10.1.1 　面向業(yè)務主題分析的數據應用已經不能滿足數字經濟時代的數據應用需求／ 190
10.1.2 　外部環(huán)境快速變化提高了對業(yè)務動態(tài)監(jiān)控的要求／ 190
10.1.3 　數字經濟時代要求挖掘非結構化數據的價值／ 191
10.1.4 　數字經濟的發(fā)展要求新的數據匯總、展現方式／ 192
10.1.5 　數字技術的發(fā)展要求新的數據加工與整合方式／ 192
10.2　擺脫數據負累的包袱／ 192
10.2.1 　標簽的分類／ 193
10.2.2 　制定標簽的標準／ 194
10.3　數據標簽是數據中臺的得力助手／ 194
10.3.1 　生成精準化標簽的依據／ 195
10.3.2 　決定標簽質量的因素／ 195
10.4　數據標簽是業(yè)務分析與優(yōu)化的有力抓手／ 196
10.4.1 　數據標簽在精準營銷中的應用／ 196
10.4.2 　數據標簽在生產管理中的應用／ 196
10.4.3 　數據標簽在采購優(yōu)化中的作用／ 197
10.4.4 　數據標簽在輿情監(jiān)控中的作用／ 198
10.4.5 　數據標簽在資產管理中的作用／ 198
10.4.6 　數據標簽在審計中的應用／ 199

第 11 章在安全的數據世界里徜徉／ 201
11.1　數據泄露問題不可小覷／ 202
11.1.1 　對國家層面的影響／ 202
11.1.2 　對社會層面的影響／ 203
11.1.3 　對個人層面影響／ 203
11.1.4 　對企業(yè)層面的影響／ 203
11.2　數據安全定義及相關概念／ 204
11.2.1 　數據安全的定義與目標／ 204
11.2.2 　數據安全的相關概念／ 205
11.2.3 　數據安全的類型／ 207
11.2.4 　數據安全能力成熟度模型／ 209
11.3　數據安全是數據中臺的數據安保官／ 210
11.3.1 　利用數據安全技術可以監(jiān)管數據采集過程是否合規(guī)／ 211
11.3.2 　數據安全是數據存儲、數據傳輸的能力／ 211
11.3.3 　數據安全是數據處理、數據銷毀過程要考慮的基礎要素／ 212
11.4　數據安全是企業(yè)業(yè)務增長的砝碼／ 212
11.4.1 　從企業(yè)風險的角度來看／ 212
11.4.2 　從保障業(yè)務增長來看／ 213
11.5　實現數據安全的三部曲／ 213
11.5.1 　數據安全實現的能力要求／ 213
11.5.2 　數據安全管理的實現過程／ 214
11.5.3 　數據安全實現度量指標／ 215

第12章別讓遲滯的數據服務蒙住了眼／ 217
12.1　把數據變成一種服務能力／ 218
12.1.1 　需要避免共享數據不一致的問題／ 218
12.1.2 　快速響應能力需要加強／ 219
12.1.3 　數據安全防護能力需要提升／ 219
12.1.4 　數據服務能力助力全鏈條發(fā)揮價值／ 220
12.2　可視化、零代碼的全周期數據服務／ 220
12.2.1 　數據服務分類／ 220
12.2.2 　數據服務的管理方式分類／ 221
12.3 　利用數據服務破解冷鏈企業(yè)找不到貨的難題／ 222
12.3.1 　數據的可視化配置／ 222
12.3.2 　數據的實施推送／ 223
12.3.3 　統(tǒng)一的數據服務窗口／ 224
12.3.4 　安全與審計機制／ 224
12.4　數據服務模塊是數據中臺的外交官／ 225
12.4.1 　數據服務模塊的橋梁作用／ 225
12.4.2 　各個模塊如何為外交官助力／ 225
12.5　數據服務模塊的建設之道／ 226
12.5.1 　開發(fā)與實施／ 227
12.5.2 　運營與運維／ 228
12.6　數據服務成果評價的三大指標／ 229
12.6.1 　響應時間／ 229
12.6.2 　安全性／ 229
12.6.3 　便利性／ 230
第 13 章數據智能技術讓數據“能推理、會決策”／ 231
13.1　數據智能技術已進入高光時刻／ 232
13.1.1 　讓數據智能化的技術／ 232
13.1.2 　數據智能的歷史回眸／ 234
13.1.3 　數據智能什么時候取代人類／ 237
13.2　從計算智能、感知智能到認知智能／ 239
13.2.1 　數據智能技術體系發(fā)展的現狀／ 239
13.2.2 　AI 在產業(yè)結構上的劃分與應用／ 241
13.2.3 　AI BI：一種高效的數據智能模式／ 244
13.3　贏在數據智能技術／ 246
13.3.1 　數據時代帶來的挑戰(zhàn)和機遇：焦慮和紅利／ 246
13.3.2 　數據價值率不高，亟待深度開發(fā)AI BI ／ 247
13.3.3 　人工智能技術如何幫助企業(yè)提煉數據價值／ 247
13.4　未來的數據智能技術／ 248
13.4.1 　數據智能技術面臨的難題／ 248
13.4.2 　暢想數據智能的發(fā)展應用／ 249
13.4.3 　技術在迭代，企業(yè)怎樣才能不被落下／ 252
第14章智慧經營打破理想與現實之間的壁壘／ 255
14.1　當智慧經營照進企業(yè)現實／ 257
14.1.1 　企業(yè)經營管理的技術現狀／ 257
14.1.2 　智慧經營中存在的問題／ 257
14.2　用“4 1”破解智慧經營迷霧／ 258
14.2.1 　什么才算是智慧經營／ 258
14.2.2 　數智運營中心支撐企業(yè)智慧經營／ 260
14.2.3 　智慧經營的應用場景／ 261
14.3　沒有數據中臺，智慧經營無異于紙上談兵／ 263
14.3.1 　數據是智慧經營的基本生產要素／ 263
14.3.2 　算法模型是智慧經營的核心生產力／ 265
14.3.3 　智能應用是實現智慧經營的主要工具／ 266
14.3.4 　人才是智慧經營的重要保障／ 267
14.4　智慧經營之路案例／ 268
14.4.1 　智慧經營之路案例：T 公司的放手一搏／ 268
14.4.2 　智慧經營之路案例：數據智能經營分析助手／ 270