| 作者 |
| 华为公司数据管理部 达观数据 |
| 丛书名 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782011171663 |
| 简要 |
| 简介 |
| 内容简介书籍经济管理学书籍 ---------------------------华为数据之道--------------------------- 内容简介 这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在全球170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。 全书共10章，内容从逻辑上分为四个部分。 第一部分（第1~3章） 第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细阐述了不同类型的数据的管理方式和要点。 第二部分（第4~6章） 详细讲解了数据治理工作中的三项重点任务：信息架构、数据底座、数据服务。第4章介绍了信息架构的四个组件，给出了建设原则和核心要素，并引出了业务对象、过程、规则三项数字化的建设方向；第5章提出了数据底座建设的整体框架，介绍了数据湖和数据主题连接两个层次的建设实践；第6章以自助、高效、复用为数据服务的目的，提出了对数据进行搜索、加工和分析的消费过程管理方案。 第三部分（第7~9章） 系统总结了数据治理的三项关键能力：数据的全量感知、综合质量提升、可控共享。第7章以数字孪生的全量、无接触感知为目标，介绍了数据的硬感知和软感知两类能力；第8章基于PDCA框架，介绍了对企业业务数据异常的全面监控；第9章介绍了如何构建以元数据为基础的数据安全隐私保护框架，如何建立动静结合的数据保护与授权管理方案。 第四部分（第10章） 基于对“机器认知世界”的理解，我们提出了对数据治理未来的思考，畅想了AI治理、数据主权和数据生态建设。未来已来，让我们共同努力，把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。 ---------------------------智能RPA实战--------------------------- . 内容简介 这是一部从实战角度讲解“AI+RPA”如何为企业数字化转型赋能的著作，从基础知识、平台构成、相关技术、建设指南、项目实施、落地方法论、案例分析、发展趋势8个维度对智能RPA做了系统解读，为企业认知和实践智能RPA提供全面指导。 达观数据是国内智能RPA领域的龙头企业，服务了近千家企业客户，本书将它们的工作经验和方法论都融入了其中。全书一共10章： 第一部分（第1~3章） 概览性地介绍了认知RPA必须掌握的基础知识、企业级智能RPA平台的功能以及能够与RPA相结合的人工智能技术； 第二部分（第4~5章） 首先从管理者的视角总结了RPA建设和运营过程中的实践经验，以及自动化卓越中心（CoE）的建立，然后详细讲解了RPA项目实施的完整步骤和方法论（需求规划、设计开发、测试部署、持续运维等）。 第三部分（第6~9章） 立足全球，讲解了智能RPA在财税、金融（银行、证券、保险）、制造、政务等多个行业的应用场景、解决方案、落地方法，包含大量案例。 第四部分（第10章） 从RPA技术和RPA应用两个视角对RPA的发展趋势进行了展望，同时也分析了RPA未来会给工作方式和就业情况带来的影响。 |
| 目录 |
---------------------------华为数据之道--------------------------- 序一 序二 序三 前言 第1章 数据驱动的企业数字化转型 1.1 非数字原生企业的数字化转型挑战2 1.1.1 业态特征：产业链条长、多业态并存3 1.1.2 运营环境：数据交互和共享风险高4 1.1.3 IT建设过程：数据复杂、历史包袱重4 1.1.4 数据质量：数据可信和一致化的要求程度高5 1.2 华为数字化转型与数据治理6 1.2.1 华为数字化转型整体目标6 1.2.2 华为数字化转型蓝图及对数据治理的要求7 1.3 华为数据治理实践9 1.3.1 华为数据治理历程10 1.3.2 华为数据工作的愿景与目标12 1.3.3 华为数据工作建设的整体思路和框架12 1.4 本章小结15 第2章 建立企业级数据综合治理体系 2.1 建立公司级的数据治理政策18 2.1.1 华为数据管理总纲18 2.1.2 信息架构管理政策20 2.1.3 数据源管理政策21 2.1.4 数据质量管理政策22 2.2 融入变革、运营与IT的数据治理24 2.2.1 建立管理数据流程24 2.2.2 管理数据流程与管理变革项目、管理质量与运营之间的关系26 2.2.3 通过变革体系和运营体系进行决策26 2.2.4 数据治理融入IT实施27 2.2.5 通过内控体系赋能数据治理27 2.3 建立业务负责制的数据管理责任体系28 2.3.1 任命数据Owner和数据管家28 2.3.2 建立公司层面的数据管理组织29 2.4 本章小结33 第3章 差异化的企业数据分类管理框架 3.1 基于数据特性的分类管理框架35 3.2 以统一语言为核心的结构化数据管理36 3.2.1 基础数据治理39 3.2.2 主数据治理40 3.2.3 事务数据治理46 3.2.4 报告数据治理46 3.2.5 观测数据治理48 3.2.6 规则数据治理50 3.3 以特征提取为核心的非结构化数据管理52 3.4 以确保合规遵从为核心的外部数据管理54 3.5 作用于数据价值流的元数据管理56 3.5.1 元数据治理面临的挑战56 3.5.2 元数据管理架构及策略59 3.5.3 元数据管理60 3.6 本章小结71 第4章 面向“业务交易”的信息架构建设 4.1 信息架构的四个组件74 4.1.1 数据资产75 4.1.2 数据标准77 4.1.3 数据模型80 4.1.4 数据分布80 4.2 信息架构原则：建立企业层面的共同行为准则81 4.3 信息架构建设核心要素：基于业务对象进行设计和落地84 4.3.1 按业务对象进行架构设计84 4.3.2 按业务对象进行架构落地87 4.4 传统信息架构向业务数字化扩展：对象、过程、规则90 4.5 本章小结95 第5章 面向“联接共享”的数据底座建设 5.1 支撑非数字原生企业数字化转型的数据底座建设框架98 5.1.1 数据底座的总体架构98 5.1.2 数据底座的建设策略100 5.2 数据湖：实现企业数据的“逻辑汇聚”101 5.2.1 华为数据湖的3个特点101 5.2.2 数据入湖的6个标准103 5.2.3 数据入湖方式106 5.2.4 结构化数据入湖109 5.2.5 非结构化数据入湖113 5.3 数据主题联接：将数据转换为“信息”117 5.3.1 5类数据主题联接的应用场景117 5.3.2 多维模型设计120 5.3.3 图模型设计125 5.3.4 标签设计130 5.3.5 指标设计132 5.3.6 算法模型设计135 5.4 本章小结139 第6章 面向“自助消费”的数据服务建设 6.1 数据服务：实现数据自助、高效、复用142 6.1.1 什么是数据服务144 6.1.2 数据服务生命周期管理149 6.1.3 数据服务分类与建设规范156 6.1.4 打造数据供应的“三个1”162 6.2 构建以用户体验为核心的数据地图167 6.2.1 数据地图的核心价值167 6.2.2 数据地图的关键能力171 6.3 人人都是分析师175 6.3.1 从“保姆”模式到“服务+自助”模式175 6.3.2 打造业务自助分析的关键能力179 6.4 从结果管理到过程管理，从能“看”到能“管”187 6.4.1 数据赋能业务运营187 6.4.2 数据消费典型场景实践190 6.4.3 华为数据驱动数字化运营的历程和经验195 6.5 本章小结199 第7章 打造“数字孪生”的数据全量感知能力 7.1 “全量、无接触”的数据感知能力框架202 7.1.1 数据感知能力的需求起源：数字孪生202 7.1.2 数据感知能力架构205 7.2 基于物理世界的“硬感知”能力207 7.2.1 “硬感知”能力的分类207 7.2.2 “硬感知”能力在华为的实践213 7.3 基于数字世界的“软感知”能力215 7.3.1 “软感知”能力的分类215 7.3.2 “软感知”能力在华为的实践218 7.4 通过感知能力推进企业业务数字化220 7.4.1 感知数据在华为信息架构中的位置220 7.4.2 非数字原生企业数据感知能力的建设224 7.5 本章小结226 第8章 打造“清洁数据”的质量综合管理能力 8.1 基于PDCA的数据质量管理框架228 8.1.1 什么是数据质量228 8.1.2 数据质量管理范围229 8.1.3 数据质量的总体框架229 8.2 全面监控企业业务异常数据231 8.2.1 数据质量规则231 8.2.2 异常数据监控237 8.3 通过数据质量综合水平牵引质量提升243 8.3.1 数据质量度量运作机制243 8.3.2 设计质量度量245 8.3.3 执行质量度量248 8.3.4 质量改进253 8.4 本章小结256 第9章 打造“安全合规”的数据可控共享能力 9.1 内外部安全形势，驱动数据安全治理发展258 9.1.1 数据安全成为国家竞争的新战场258 9.1.2 数字时代数据安全的新变化258 9.2 数字化转型下的数据安全共享260 9.3 构建以元数据为基础的安全隐私保护框架261 9.3.1 以元数据为基础的安全隐私治理261 9.3.2 数据安全隐私分层分级管控策略263 9.3.3 数据底座安全隐私分级管控方案266 9.3.4 分级标识数据安全隐私271 9.4 “静”“动”结合的数据保护与授权管理272 9.4.1 静态控制：数据保护能力架构272 9.4.2 动态控制：数据授权与权限管理274 9.5 本章小结279 第10章 未来已来：数据成为企业核心竞争力 10.1 数据：新的生产要素282 10.1.1 数据被列为生产要素：制度层面的肯定282 10.1.2 数据将进入企业的资产负债表283 10.1.3 数据资产的价值由市场决定284 10.2 大规模数据交互的企业数据生态285 10.2.1 数据生态离不开底层技术的支撑286 10.2.2 数据主权是数据安全交换的核心287 10.2.3 国际数据空间的目标与原则289 10.2.4 多方安全计算强化数据主权291 10.3 摆脱传统手段的数据管理方式292 10.3.1 智能数据管理是数据工作的未来292 10.3.2 内容级分析能力提供资产全景图293 10.3.3 属性特征启发主外键智能联接293 10.3.4 质量缺陷预发现294 10.3.5 算法助力数据管理294 10.3.6 数字道德抵御算法歧视295 10.4 第四个世界：机器认知世界295 10.4.1 真实唯一的“物理世界”和五彩缤纷的“人类认知世界”295 10.4.2 映射“物理世界”的数字孪生—“数字世界”297 10.4.3 “数字世界”中的智能认知—“机器认知世界”298 10.5 本章小结299 ---------------------------智能RPA实战--------------------------- 前言 第1章 全面认识RPA1 1.1 RPA的基本概念2 1.2 RPA的应用价值5 1.2.1 大幅度提升企业运作效率5 1.2.2 降低人工操作的风险6 1.2.3 打通和对接各个业务系统，提高灵活性7 1.3 RPA产生的背景8 1.3.1 个人电脑和企业信息化的大规模普及8 1.3.2 办公套装软件的广泛使用8 1.3.3 计算机硬件性能大幅提升和成本快速降低9 1.4 RPA的发展历程10 1.4.1 第一阶段（1990—2000）：批处理脚本和触发器10 1.4.2 第二阶段（2000—2015）：VBA宏编程和BPM11 1.4.3 第三阶段（2015—2018）：RPA功能成型并投入应用13 1.4.4 第四阶段（2019年至今）：RPA的广泛认可和智能化发展14 1.5 RPA的核心产品功能16 1.5.1 模拟人工执行用户操作16 1.5.2 非侵入式外挂部署16 1.5.3 可视化的流程设计17 1.5.4 快速灵活的运维17 1.5.5 对接调用外部组件17 1.6 RPA行业的主要企业18 1.6.1 海外知名RPA企业18 1.6.2 国内知名RPA企业25 1.6.3 行业巨头动态和并购30 第2章 企业级智能RPA平台功能34 2.1 企业级智能RPA的7大特性35 2.2 企业级智能RPA平台架构39 2.3 RPA开发平台41 2.4 控制中心50 2.5 机器人60 2.6 人工智能组件65 第3章 AI技术在RPA中的应用71 3.1 人工智能定义72 3.2 人工智能关键技术73 3.2.1 关键技术概览73 3.2.2 光学字符识别技术76 3.2.3 自然语言处理技术77 3.2.4 认知智能体86 3.2.5 智能工作流88 3.3 RPA与人工智能的关系89 3.3.1 RPA和AI的区别和联系90 3.3.2 人工智能扩展RPA能力边界92 3.4 OCR在RPA中的应用95 3.4.1 费用报销流程机器人95 3.4.2 三单匹配机器人97 3.5 NLP在RPA中的应用99 3.5.1 供应商/客户准入管理流程机器人99 3.5.2 招聘机器人102 3.5.3 文档自动分类机器人105 3.5.4 券商智能审核机器人106 3.5.5 智能写作机器人108 第4章 RPA项目的建设和运营111 4.1 RPA项目建设指南112 4.1.1 RPA创造的3类价值112 4.1.2 RPA项目建设的最佳实践115 4.1.3 RPA项目的运营要点116 4.2 建立RPA卓越中心119 4.2.1 RPA卓越中心的5个职能119 4.2.2 CoE的3种组织架构及其职责121 4.2.3 CoE的角色构成和人员要求124 4.2.4 CoE的工作流程131 4.3 RPA卓越中心的运营实践132 4.3.1 计划阶段132 4.3.2 实施与部署134 4.3.3 管控与运营137 4.4 RPA卓越中心的3个挑战140 4.4.1 技术的挑战140 4.4.2 管理的挑战141 4.4.3 资金的挑战143 第5章 RPA项目实施方法论145 5.1 RPA项目成功3要素146 5.1.1 明确的企业战略146 5.1.2 合适的RPA软件147 5.1.3 科学的实施方法147 5.2 RPA项目的需求规划152 5.2.1 制订项目实施计划152 5.2.2 RPA项目流程规划153 5.2.3 RPA项目流程梳理158 5.2.4 文档说明161 5.3 RPA项目的设计开发162 5.3.1 RPA项目框架设计162 5.3.2 RPA项目开发规范163 5.3.3 流程版本控制165 5.3.4 需求变更控制166 5.3.5 文档说明166 5.4 RPA项目的测试部署167 5.4.1 RPA项目流程测试167 5.4.2 RPA项目部署上线168 5.4.3 文档说明172 5.5 RPA项目的持续运维172 5.5.1 标准操作程序172 5.5.2 运行效率报告173 5.5.3 运维联系人174 5.5.4 文档说明174 第6章 RPA与企业财税自动化176 6.1 企业财税业务发展现状177 6.1.1 企业财税业务的发展177 6.1.2 智能财务的概念178 6.1.3 智能财务在未来的4大应用场景179 6.2 RPA助力企业财税业务智能化转型182 6.3 RPA在企业财税领域的应用场景185 6.3.1 财务机器人的适用标准185 6.3.2 企业财务共享中心的业务流程187 6.3.3 适合应用财务机器人的业务流程189 6.4 RPA在财税领域的应用实例191 6.4.1 费用报销审核机器人案例191 6.4.2 发票订单核对机器人案例194 6.4.3 自动开票流程机器人案例196 6.4.4 自动报税流程机器人案例198 6.4.5 财务报表流程机器人案例201 6.5 RPA对企业财税工作的3大影响204 6.5.1 推动工作观念变革204 6.5.2 推动财务组织架构变革206 6.5.3 对财务人员的要求提升206 第7章 RPA在金融行业的应用208 7.1 金融行业的发展现状与挑战209 7.2 RPA在金融行业的应用场景213 7.2.1 RPA在银行业的11个应用场景213 7.2.2 RPA在证券行业的6大应用场景218 7.2.3 RPA在保险行业的3大应用场景221 7.3 RPA在国内外金融机构的应用223 7.3.1 RPA在国外金融领域的应用223 7.3.2 RPA在国内银行领域的应用225 7.3.3 RPA在国内保险行业的应用232 7.3.4 RPA在国内证券基金业的应用233 7.4 RPA助力金融行业数字化转型237 第8章 RPA在大型政企的应用241 8.1 政务办公的场景需求242 8.2 大型央企的需求场景243 8.3 RPA与大型政企的结合点245 8.3.1 协助业务人员完成日常作业245 8.3.2 实现多业务系统流程对接246 8.3.3 帮助老旧业务系统实现智能化升级247 8.4 RPA的政务办公应用场景248 8.4.1 智慧政务“一网通办”248 8.4.2 政务数据迁移251 8.4.3 物料清单自动化253 8.4.4 物流管理自动化256 8.4.5 报关管理258 8.4.6 仓库管理259 8.4.7 供应商财税发票处理262 8.4.8 供应商管理264 8.4.9 ERP、MES整合264 8.4.10 多业务系统对接265 8.4.11 业务系统智能化升级267 第9章 RPA应用案例分析269 9.1 7大行业RPA应用概况270 9.2 银行业的RPA实战案例分析275 9.3 保险业的RPA实战案例分析287 9.4 制造业的RPA实战案例分析300 9.5 政务办公领域的RPA实战案例分析306 9.6 综合行业的RPA实战案例分析310 第10章 RPA的未来发展趋势322 10.1 RPA技术的发展趋势323 10.1.1 AI技术发展趋势预测324 10.1.2 RPA与AI技术加速融合326 10.2 RPA应用的发展趋势328 10.3 RPA对企业和员工未来工作的改变331 |