| 作者 |
| 彭锋 宋文欣 孙浩峰 马晓东 |
| 丛书名 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782104161134 |
| 简要 |
| 简介 |
| 这是一部从云原生角度讲解数据中台的业务价值、产品形态、架构设计、技术选型、落地方法论、实施路径和行业案例的著作，得到了国内外企业界和学术界的技术专家一致好评。 本书的作者在曾硅谷的Twitter等企业从事大数据平台的建设工作多年，随后又成功创办了国内领先的以云原生数据中台为核心技术和产品的企业。他们将在硅谷的大数据平台建设经验与在国内的数据中台建设经验进行深度融合，并系统阐述了云原生架构对数据中台的必要性及其相关实践，对国内企业的中台建设和运营具有很高的参考价值。 全书共18章，分为四个部分： 第1部分（第1~4章） 数据中台与硅谷大数据平台 首先，从起源、定义、能力、应用场景、建设目标、建设方法论总纲等角度对数据中台做了全面的介绍；其次，讲解了数据中台如何驱动数字化转型；Z后，通过对硅谷的Twitter等独角兽企业的数据平台和国内的数据中台进行对比，给出了这两种架构之间的异同点。核心内容是让读者透彻理解数据中台对于业务的价值。 第二部分（第5~8章） 数据中台架构与方法论 结合硅谷的数据平台的架构方法，讲解了数据中台的架构方法和9大原则、数据中台建设的全套准备工作和系统方法论，以及云原生架构与数据中台的融合。 第三部分（第9~15章）数据中台技术选型与核心内容 首先，全方位地介绍了建设数据中台时如何进行技术选型，然后重点讲解了数据湖、数据仓库、数据资产管理、数据流水线管理、数据中台应用开发、数据门户等数据中台建设的核心内容。 第四部分（第16~18章）数据中台案例分析 通过游戏、零售、物联网3个领域的案例讲解了数据中台的搭建、实现与运营。 . ---------------------------8077256 - 数字化转型方法论：落地路径与数据中台--------------------------- |
| 目录 |
| [套装书具体书目] 8077256 - 数字化转型方法论：落地路径与数据中台 - 9787111669609 - 机械工业出版社 - 定价 99 8079863 - 云原生数据中台：架构、方法论与实践 - 9787111678465 - 机械工业出版社 - 定价 99 ---------------------------8079863 - 云原生数据中台：架构、方法论与实践--------------------------- 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 3 1.1.1 艺电的“数据中台”改造 4 1.1.2 Twitter的数据驱动 6 1.2 什么是数据中台 8 1.2.1 数据中台建设的目标 8 1.2.2 如何实现数据中台建设的目标 11 1.2.3 数据中台的定义和4个特点 13 1.3 大数据平台与数据中台 16 1.3.1 为什么要建设数据中台 16 1.3.2 数据中台与传统大数据平台的区别 20 1.3.3 数据中台的评判标准 24 1.4 数据中台建设方法论总纲 24 1.5 本章小结 27 第2章 数据中台能力和应用场景 2.1 数据中台不是“银弹” 28 2.2 数据中台的核心能力 31 2.2.1 全局商业洞见 31 2.2.2 个性化服务 34 2.2.3 实时数据报表 38 2.2.4 共享能力开发新业务 39 2.3 数据中台的行业应用场景 41 2.3.1 互联网行业 41 2.3.2 连锁零售业 42 2.3.3 金融业 43 2.3.4 物联网 44 2.4 数据中台如何为企业赋能 45 2.4.1 组织架构 46 2.4.2 决策部门 48 2.4.3 业务部门 51 2.4.4 研发部门 53 2.4.5 大数据部门 55 2.5 本章小结 56 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 58 3.1.1 信息化 58 3.1.2 数据仓库（数据平台1.0） 59 3.1.3 大数据平台（数据平台2.0） 61 3.1.4 数据中台（数据平台3.0） 63 3.2 数据驱动 64 3.2.1 面向用户的数据驱动产品及服务 66 3.2.2 面向内部业务部门的数据驱动服务 68 3.2.3 数据驱动的系统管理 71 3.3 数据中台如何支持数字化转型 72 3.3.1 从技术层面支持数字化转型 73 3.3.2 从组织架构层面支持数字化转型 74 3.4 本章小结 75 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 76 4.1.1 大数据平台起步 77 4.1.2 系统自动化 77 4.1.3 大数据平台的生产化 78 4.2 数据管理及应用阶段 80 4.2.1 数据湖/数据仓库建设 80 4.2.2 数据管理 81 4.2.3 数据安全 82 4.3 数据能力中台化阶段 84 4.3.1 全局的数据治理 85 4.3.2 数据能力的复用和共享 85 4.3.3 云原生架构的支撑 85 4.4 DataOps 87 4.4.1 什么是DataOps 87 4.4.2 DataOps解决的问题 88 4.4.3 DataOps的目标功能 90 4.4.4 DataOps的主要技术 91 4.4.5 DataOps与数据中台 92 4.5 本章小结 93 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 96 5.2 从失败的大数据项目中吸取教训 98 5.3 数据中台建设中的常见问题 99 5.4 评判数据中台建设效果 101 5.5 数据中台建设的人员规划 103 5.6 数据中台的技术选型要求 106 5.7 本章小结 107 第6章 数据中台建设方法论 6.1 基础架构 109 6.2 数据工具 114 6.3 顶层架构设计 115 6.4 数据规范 116 6.5 业务驱动 118 6.6 关键指标 120 6.7 明确责权利 125 6.8 管理迭代 127 6.9 数据中台建设流程 128 6.10 本章小结 130 第7章 数据中台的架构 7.1 数据中台的功能定位 132 7.2 数据中台架构设计的9大原则 135 7.3 典型的硅谷大数据平台架构 137 7.3.1 Twitter的大数据平台架构 137 7.3.2 Airbnb的大数据平台架构 140 7.3.3 Uber的大数据平台架构 141 7.3.4 云平台作为大数据平台的通用底座 143 7.3.5 硅谷大数据平台架构的共性和建设思路 145 7.4 数据中台架构 147 7.5 数据中台子系统 150 7.5.1 应用基础能力平台 151 7.5.2 数据基础能力平台 152 7.5.3 数据集成开发平台 154 7.5.4 数据资产运营平台 156 7.5.5 数据业务能力层 158 7.5.6 数据中台重点建设内容 159 7.6 本章小结 160 第8章 数据中台与云原生架构 8.1 云原生架构及云平台 161 8.2 PaaS平台的主要功能 165 8.2.1 资源管理 167 8.2.2 应用全生命周期管理 169 8.2.3 高可用和容错 170 8.2.4 运维平台 172 8.3 传统方式下搭建数据中台的难点 173 8.4 云原生架构对于数据中台建设的5大意义 175 8.5 数据中台的IaaS层选择 178 8.6 本章小结 180 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 185 9.2 开源软件的合理使用 189 9.3 集成开源软件的5个注意事项 192 9.4 应用基础能力平台的开源选择 193 9.5 数据基础能力平台的开源选择 196 9.6 数据集成开发平台的开源选择 203 9.7 本章小结 205 第10章 数据湖与数据仓库 10.1 数据湖 207 10.1.1 数据湖的起源与作用 208 10.1.2 数据湖建设的4个目标 211 10.1.3 数据湖数据的采集和存储 212 10.1.4 数据湖中的数据治理 216 10.2 数据仓库 218 10.2.1 数据建模方式 219 10.2.2 数据仓库建设的层次 221 10.2.3 数据仓库中的数据治理 225 10.2.4 数据清洗 229 10.3 数据中台中的数据仓库和数据湖建设 231 10.4 本章小结 233 第11章 数据资产管理 11.1 数据资产管理的难题 235 11.2 数据资产管理定义 238 11.3 主数据管理 239 11.4 元数据管理 242 11.4.1 元数据的分类 243 11.4.2 元数据管理系统的功能 245 11.5 开源的元数据管理系统 247 11.6 数据资产的ROI 249 11.7 本章小结 250 第12章 数据流水线管理 12.1 数据流水线的定义与模型 251 12.2 数据流水线中的应用类别 254 12.3 数据流水线的运行方式 256 12.4 数据流水线示例 257 12.5 数据流水线管理系统面临的挑战 259 12.6 数据流水线管理系统的功能需求 262 12.6.1 自动化流水线 262 12.6.2 数据管理 263 12.6.3 性能要求 264 12.7 数据流水线管理系统的组件 265 12.8 批流合一的数据流水线 266 12.9 本章小结 269 第13章 数据中台应用开发 13.1 数据应用的形态 270 13.2 应用开发工具 277 13.3 3种典型的数据中台应用 279 13.3.1 数据即服务 279 13.3.2 模型即服务 281 13.3.3 用户标签系统 282 13.4 数据中台应用的开发和管理 283 13.4.1 应用调度系统 284 13.4.2 多租户管理 285 13.4.3 持续集成和发布 286 13.5 本章小结 287 第14章 数据门户 14.1 数据门户出现的背景 288 14.2 硅谷的数据门户建设 289 14.2.1 Twitter的DAL和EagleEye 290 14.2.2 LinkedIn的Data Hub 292 14.2.3 Airbnb的Data Portal 293 14.2.4 Lyft的Amundsen 294 14.2.5 Netflix的Metacat 296 14.2.6 Intuit的SuperGlue 297 14.2.7 硅谷数据门户总结 298 14.3 数据门户的定位及功能 299 14.4 数据门户的实现原理 301 14.5 数据门户的社交属性 303 14.6 数据应用的自助及协同工作 304 14.7 数据智能运维 306 14.8 本章小结 308 第15章 管理数据中台的演进 15.1 不断演进的数据中台 310 15.2 人员变动下的数据管理 310 15.2.1 数据安全 311 15.2.2 数据能力的传递 312 15.3 数据和应用的演进 314 15.4 资源的演进 316 15.5 演进中的关键指标 318 15.6 本章小结 321 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 324 16.2 组织架构调整 327 16.3 建设过程 328 16.4 体系架构 333 16.5 数据治理 336 16.5.1 数据标准和规范 336 16.5.2 元数据管理 338 16.5.3 数据质量管理 339 16.6 数据应用产品 340 16.6.1 推荐系统 340 16.6.2 打造动态游戏体验 341 16.6.3 标签系统及游戏运营 343 16.7 EA“数据中台”功能总结 344 16.8 本章小结 345 第17章 零售行业的数据中台 17.1 零售行业的数字化转型 346 17.2 零售行业数据中台解决方案 347 17.3 零售行业数据中台的建设 349 17.3.1 数据汇聚 350 17.3.2 业务调研 352 17.3.3 数据仓库建设及数据分析 354 17.3.4 业务系统的能力反馈 356 17.4 零售行业数据中台的应用场景 357 17.4.1 用户标签体系 357 17.4.2 精准市场营销 359 17.5 本章小结 361 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 362 18.2 物联网与ABC 365 18.3 物联网数据中台架构 366 18.4 智慧建筑物联网数据中台应用 371 18.5 本章小结 374 ---------------------------8077256 - 数字化转型方法论：落地路径与数据中台--------------------------- 前言 第一部分 为何数字化转型 第1章 数字化转型的意义2 1.1 数字化转型的5个推动要素 2 1.1.1 人口红利趋于消失，创新发展成为必然 3 1.1.2 中美贸易摩擦持续，推动企业结构调整 4 1.1.3 市场供大于求，推动消费升级 5 1.1.4 生态保护迫在眉睫，企业亟需转型 7 1.1.5 新技术促进企业数字化转型 8 1.2 苟且红利—数字化的最大红利 9 第2章 数字化颠覆传统行业的3种方式12 2.1 战略上颠覆传统行业 12 2.2 效率上颠覆传统行业 14 2.3 用户体验上颠覆传统行业 18 2.4 数字化转型的两大误区 20 第二部分 何时数字化转型 第3章 数字化催生新物种24 3.1 数字化加速行业迭代 24 3.1.1 数字智能涌现，加速行业淘汰 24 3.1.2 数字化企业领先行业 25 3.2 数字化催生行业新巨头 26 3.3 数字化转型催生行业新秀 28 第4章 加速数字化转型的两大原因30 4.1 新基建加速数字化步伐 30 4.2 新冠肺炎疫情下企业加速数字化进程 32 第5章 何时数字化转型34 5.1 数字化转型的时机 34 5.1.1 剪刀差理论 35 5.1.2 数字化的马太效应 37 5.2 各行业数字化转型时间参考 39 5.3 数字化转型的误区：当前加人成本低，加人即可 40 第三部分 什么是数字化转型 第6章 数字化转型的要素42 6.1 智能商业操作系统—构建数字化能力 42 6.1.1 智能商业操作系统的内涵 43 6.1.2 智能商业操作系统与数字化转型的关系 46 6.2 数字化转型适用于木桶理论 47 6.3 数字化转型是个系统性工程 48 6.4 数字化转型不可或缺的6个要素 49 6.4.1 数据 51 6.4.2 应用 52 6.4.3 人才 52 6.4.4 工具 54 6.4.5 经验 55 6.4.6 中台 55 第四部分 是否应该数字化转型 第7章 数字化转型自我测评60 7.1 数字化MAX成熟度模型与测评 60 7.1.1 数字化MAX成熟度模型的6个级别 61 7.1.2 数字化运营级别测评 61 7.2 数字化自我准备模型的9个维度 70 7.2.1 掌舵人是否具备数字化转型认知 70 7.2.2 是否具备数字化领导组织 71 7.2.3 是否具备数字化转型人才 73 7.2.4 是否具备数字化转型文化 74 7.2.5 是否制定数字化转型预算 75 7.2.6 是否具备数字化转型沉淀能力 76 7.2.7 是否拥有数字化转型落地方法 77 7.2.8 是否具备数字化转型技术设施 78 7.2.9 是否具备数字化转型顾问委员会 79 7.3 数字化转型的4个误区 81 7.3.1 误区一：当前盈利尚佳，无须数字化转型 81 7.3.2 误区二：数字化转型是领先企业的事情 82 7.3.3 误区三：行业领先企业无须数字化转型 82 7.3.4 误区四：数字化转型成功者寥寥，不必数字化转型83 第五部分 谁来负责数字化转型 第8章 数字化转型主力86 8.1 董事会如何推动企业数字化转型 86 8.1.1 数字化转型对董事会的3个挑战 87 8.1.2 如何构建数字化竞争优势 90 8.2 如何构建数字化转型领导组织 93 8.2.1 了解层级领导结构局限性 94 8.2.2 创建数字化领导组织 94 8.3 CEO如何搭建数字化转型领导组织 97 8.3.1 CEO在数字化转型中扮演的角色 98 8.3.2 CEO如何搭建数字化转型领导组织 99 8.4 如何选拔和留住人才 101 8.5 如何制定数字化转型KPI 103 8.5.1 数字化转型KPI制定的标准和原则 103 8.5.2 量化各领域数字化收益 105 8.5.3 构建面向未来的战略能力 105 8.5.4 制定KPI的5个注意事项 106 8.6 如何推进数字化转型 108 8.7 CEO对数字化转型的常见误解 111 第六部分 如何数字化转型 第9章 数字化转型败局116 9.1 数字化转型失败企业的4种发展曲线 116 9.2 企业数字化转型的6种败局 120 第10章 如何低成本实现数字化转型124 10.1 企业数据驱动业务阻力较大 126 10.2 低成本实现数字化转型的诀窍 126 10.3 数字化转型误区：没有经验可以复用 127 第11章 数字化转型六图法129 11.1 战略地图 130 11.1.1 梳理现有战略，明确新的战略目标，促使行动一致 131 11.1.2 总结战略目标及愿景 133 11.1.3 人力、财务等资源匹配，实现战略目标 133 11.2 业务地图 134 11.3 需求地图 134 11.4 （数智）应用地图 138 11.5 算法地图 140 11.5.1 创建算法地图的意义 142 11.5.2 盘点算法模型，构建算法地图 142 11.6 数据地图 143 11.7 数字化转型误区：数字化转型方案缺失，导致各部门相互指责 147 第12章 数字化该赋能给谁149 12.1 数字化转型赋能一线员工 149 12.2 数字化转型赋能销售 151 12.2.1 数字化转型如何赋能2C销售 152 12.2.2 数字化转型如何赋能2B销售 153 12.2.3 数字化转型对于销售的价值 154 12.3 数字化转型赋能运营 155 12.4 数字化转型赋能产品经理 157 12.5 数字化转型赋能财务团队 159 12.6 数字化转型赋能经营团队 160 12.7 数字化转型赋能生态 161 第13章 CDO如何执行数字化转型162 13.1 数字化转型前200天 162 13.1.1 制定前200天的详细执行计划 163 13.1.2 确定各阶段的达标结果 166 13.1.3 执行200天计划 168 13.1.4 评估200天计划执行效果 169 13.2 CDO的关键能力是沟通 170 13.2.1 CDO加强沟通能力的2个关键点 171 13.2.2 了解自身技能缺陷，加强团队建设 171 13.3 CDO如何带领团队 172 13.4 CDO如何购买合适的中台及工具 173 13.5 CDO如何管理数据质量 174 13.5.1 统一指标，建立质量问责制 175 13.5.2 建立数据分析模型，制定数据质量改进计划 177 13.5.3 估算数据质量成本及投资回报率 179 13.6 CDO如何盘点算法 181 13.6.1 盘点算法的步骤 181 13.6.2 CDO如何推动算法业务增长 184 13.6.3 推动算法业务增长的注意事项 185 第14章 CTO/CIO如何把控数字化转型188 14.1 数字化转型对CTO/CIO提出的要求 188 14.1.1 自我提升 189 14.1.2 应对之道 190 14.2 CTO/CIO如何选型 194 14.2.1 IT为构建数据中台提供基础设施支持 194 14.2.2 DT为构建数据中台提供技术架构支撑 195 14.2.3 选择数据中台时应关注的问题 196 14.2.4 CTO/CIO选择数据中台的建议 197 14.2.5 数据中台选型示例 199 14.2.6 数据中台供应商技术评分表 220 14.3 CTO/CIO如何治理数据 223 14.3.1 数据治理的步骤 224 14.3.2 数据治理标准建设 225 14.4 CTO/CIO如何组建数据团队 227 14.4.1 数据团队成员构成 227 14.4.2 数据团队的工作方式 228 14.5 常见的CTO/CIO数字化转型决策失误 229 14.5.1 形成IT怪圈 229 14.5.2 技术部门角色定位模糊 230 14.5.3 技术投入大，业务价值不明显 230 第15章 阿里巴巴数字化转型的启示232 15.1 淘宝的数据使用和数字化进阶过程 232 15.1.1 淘宝数据使用的5个阶段 232 15.1.2 阿里巴巴数字化进阶的6个阶段 234 15.2 阿里巴巴数字化转型的借鉴点 236 15.2.1 技术架构演变 236 15.2.2 组织架构演变 237 15.2.3 业务创新模式 239 15.2.4 技术价值显现 241 15.2.5 人才配置合理 243 15.2.6 数据文化演变 244 第七部分 数字化转型的利器—数据中台 第16章 数据中台发展进阶248 16.1 数据中台的战略意义 248 16.2 如何定义数据中台 252 16.2.1 多维度解读数据中台 252 16.2.2 数据中台的9个基本能力 257 16.2.3 数据中台的3种应用方式 260 16.2.4 数据中台乱象—假中台、伪中台、封闭中台 261 16.3 对数据中台的10个错误认知 263 16.4 数据中台建设建议 268 16.5 数据中台建设的常见失败情况 269 第17章 数据中台的角色解读271 17.1 董事长视角下的数据中台 271 17.2 CEO视角下的数据中台 272 17.3 CTO/CIO视角下的数据中台 274 17.4 IT架构师视角下的数据中台 275 17.5 数据分析师视角下的数据中台 277 第18章 数据中台五要素281 18.1 数据 281 18.1.1 构建数据资产管理体系 282 18.1.2 建设数据质量体系 284 18.2 业务 288 18.3 算法 289 18.4 应用 291 18.4.1 数字化应用的作用 291 18.4.2 构建数字化应用系统 293 18.5 组织 294 18.5.1 解锁敏捷组织建设方式 294 18.5.2 配备数字化专业人才 297 第19章 数据中台落地实施之法300 19.1 数据中台设计理念 300 19.1.1 数据中台建设的三大核心要素 301 19.1.2 数据中台的规划设计理念 302 19.2 数据组织能力建设 304 19.3 数据建设方式对比 306 19.3.1 传统集成式数据建设方式 306 19.3.2 新型数据中台式数据建设方式 308 19.4 数据中台建设思路 309 19.4.1 传统数据架构建设思路—“建治用” 309 19.4.2 新型数据中台建设思路—“用治建” 309 19.5 数据中台的那些坑 311 第八部分 数字化转型案例 第20章 智能营销云助力新零售企业实现转型318 20.1 项目背景 318 20.2 痛点分析 320 20.3 解决方案 320 20.4 最终效果 323 第21章 新零售企业构建智慧营销体系324 21.1 项目背景 324 21.2 痛点分析 325 21.3 解决方案 328 21.4 最终效果 334 第22章 知名零售企业打造产业互联网平台336 22.1 项目背景 336 22.2 痛点分析 337 22.3 解决方案 337 22.4 最终效果 338 第23章 某高校打造数字化校园340 23.1 项目背景 340 23.2 痛点分析 341 23.3 解决方案 342 23.4 最终效果 347 第24章 某城商行打造数字银行348 24.1 项目背景 348 24.2 痛点分析 351 24.3 解决方案 353 24.4 最终效果 356 附录 九大企业数字化转型解决方案架构图358 |