| 作者 |
| 华为公司数据管理部 张靓 裔隽 |
| 丛书名 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782011171622 |
| 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。 ---------------------------企业迁云之路--------------------------- . 本书从上云企业的角度讨论了上云过程中的各个方面问题，包括上云战略的指定、工具和平台的选择以及人和团队方面的变化。每一章节之后，分别从云计算架构师和企业应用架构师两种角度对章节内容进行概括和评论，尽量全面的分析上云的道法器术各个层面需要考虑的问题，让企业的各层管理者根据自己的实际情况选择最佳的上云方案。 |
| 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 ---------------------------企业迁云之路--------------------------- 序一 序二 前言一 前言二 内容与作者 第一部分 云计算对企业的影响 第1章 上云之前的思考2 1.1 困惑2 1.2 知识的释放3 1.3 什么是云计算5 1.4 初探7 1.5 再探9 1.6 三思11 1.7 没有银弹14 第2章 引入新技术的思考16 2.1 为什么要关注新技术16 2.2 思想上的准备17 2.2.1 保持好奇心17 2.2.2 拥抱变化18 2.2.3 敏捷18 2.2.4 慢即是快19 2.2.5 第十人21 2.3 行动上的准备22 2.3.1 知晓22 2.3.2 观望22 2.3.3 了解22 2.3.4 预研23 2.3.5 评估和论证23 2.3.6 淘汰和替代23 2.4 技术上的准备24 2.4.1 易用性24 2.4.2 性能25 2.4.3 灵活性27 2.4.4 兼容性和标准化28 2.4.5 安全性29 2.4.6 开源和商业软件29 2.4.7 可移植性30 2.5 组织形式31 2.5.1 组织和人员31 2.5.2 内驱力31 第3章 云世界的语言34 3.1 云计算的名词体系35 3.2 云世界语言的历时性与共时性36 3.3 语言改变思维模式37 3.4 隐喻38 第4章 影响上云的五大因素40 4.1 没有人是一座孤岛40 4.2 五大因素41 4.3 战略41 4.4 组织44 4.5 风险51 4.6 财务51 4.7 技术53 第5章 云计算的再认识55 5.1 计算平台的历史观55 5.2 当前云计算的多种方案57 5.3 私有/专有云平台58 5.4 从基础设施云到应用系统云61 5.5 云计算时代的选择62 第6章 如何评估上云风险65 6.1 如何评估不可预知的云化内容65 6.2 确认“不可预知”65 6.2.1 梳理IT现状66 6.2.2 确认企业策略69 6.3 评估和应用69 6.3.1 利用云平台的优势70 6.3.2 利用最佳实践71 6.3.3 模式降级72 6.3.4 基于适配器和组合模式73 6.4 动态的不可预知性——未来发展73 6.5 异化过程的心理保障75 6.6 商业过程75 6.7 加强“不可预知”的预知性77 第7章 上云ROI分析79 7.1 公司战略层ROI分析79 7.1.1 是否参与决策80 7.1.2 已经明确的投入产出分析81 7.1.3 需要考察的决策点82 7.1.4 后续做些什么84 7.2 技术管理层ROI分析85 7.3 执行层ROI分析95 7.3.1 技术需求方95 7.3.2 业务需求方96 7.3.3 技术实施方96 7.3.4 业务实施方97 7.3.5 技术运维方97 7.3.6 业务运营方97 第二部分 云之基石 第8章 计算虚拟化100 8.1 云服务商及其计算虚拟化100 8.2 企业的虚拟化选择及管理102 8.2.1 选择云服务商102 8.2.2 选择配置103 8.2.3 资源管理105 8.2.4 内部管理108 8.3 虚拟化的动态侧面108 8.4 以虚拟服务器为核心的产品和解决方案110 8.5 超越传统虚拟服务器113 第9章 云存储117 9.1 云存储的类型118 9.1.1 云计算厂商的存储技术118 9.1.2 企业的云存储选择119 9.2 对象存储及其应用122 9.3 云存储的购买和费用124 9.4 以对象存储为核心的解决方案126 9.5 存储的安全、备份和容灾127 第10章 云网络130 10.1 云环境的网络架构和产品的变迁131 10.2 经典网络和VPC133 10.3 VPC及其使用134 10.4 面向Internet136 10.5 混合云环境或多VPC环境138 10.6 网络安全141 10.7 其他网络产品及方案143 10.8 其他应用要点144 第三部分 企业上云规划 第11章 上云整体规划148 11.1 上云涉及的工作148 11.2 上云——从目标到规划150 11.2.1 上云——自下而上151 11.2.2 上云——自上而下155 11.3 外部力量的引入157 11.4 价格和商务因素158 11.5 由广而深，自下而上158 第12章 应用系统生命周期的规划161 12.1 传统应用系统生命周期的视角161 12.2 面对持续交付的应用系统166 12.3 敏捷开发模式下的视角169 第13章 小应用上云174 13.1 什么是小应用174 13.2 小应用的上云175 13.2.1 域名、SSL证书、DNS解析176 13.2.2 CDN177 13.2.3 存储（对象存储或NAS存储）177 13.2.4 安全产品（WAF和DDoS防护）178 13.2.5 VPC专有网络178 13.2.6 SLB负载均衡178 13.2.7 ECS服务器179 13.2.8 RDS数据库179 13.2.9 云监控179 13.2.10 第三方应用180 第14章 大应用混合云单元化部署181 14.1 大应用上云的契机181 14.2 大应用考量指标182 14.2.1 时间182 14.2.2 成本183 14.2.3 质量183 14.3 混合云和单元化184 14.4 一个大应用的例子187 第15章 数据业务上云规划202 15.1 传统企业进行数据分析的过程203 15.2 数据上云的顾虑204 15.3 数据上云的步骤206 15.4 数据上云过程中的思考207 第16章 容灾策略209 16.1 容灾209 16.2 容灾的云平台工具保障211 16.3 过程保障216 16.4 经验分享与探讨217 第17章 安全策略220 17.1 互联网安全环境及挑战220 17.2 安全方案222 17.3 安全产品的选择226 17.4 广义的安全229 17.5 安全的SaaS+的优劣230 第18章 组织最佳实践233 18.1 什么是组织233 18.2 上云组织234 18.2.1 组织构成234 18.2.2 组织内的角色与分工234 18.2.3 每周例会236 18.2.4 任务开展237 18.3 组织上云238 18.3.1 上云流程238 18.3.2 上云流程相关表格238 第19章 培训244 19.1 上云培训244 19.1.1 外部培训245 19.1.2 内部培训247 19.2 技术认证247 19.2.1 阿里云认证247 19.2.2 阿里云认证体系248 19.2.3 考试组织248 第四部分 云之数据 第20章 数据库RDS252 20.1 概述252 20.1.1 新项目如何选择数据库254 20.1.2 老项目数据库直接迁移256 20.1.3 云和IDC的混合部署257 20.1.4 使用云厂商提供的数据库257 20.2 基于云服务商数据库服务的数据迁移258 20.2.1 RDS云数据库简介258 20.2.2 数据库迁移的要点258 20.2.3 从应用环境角度选择RDS260 20.2.4 性能指标260 20.2.5 MySQL大表问题261 20.3 迁移到RDS MySQL的注意事项262 20.3.1 使用限制262 20.3.2 RDS使用中的注意事项263 20.3.3 索引优化过程264 20.3.4 RDS读写连接地址选择265 20.4 RDS的日常管理与维护265 20.4.1 数据库管理265 20.4.2 监控与报警266 20.4.3 性能优化266 20.4.4 数据备份与恢复267 20.5 CloudDBA267 第21章 分布式数据库DRDS270 21.1 云上分布式数据库应用270 21.1.1 数据增长给企业IT带来的压力270 21.1.2 为什么要使用分布式数据库272 21.1.3 什么是分库分表274 21.1.4 图书馆的例子276 21.1.5 DRDS简介277 21.1.6 DRDS是否能够解决企业的数据库问题279 21.2 DRDS技术实战280 21.2.1 企业如何使用DRDS280 21.2.2 DRDS主要的技术点281 21.2.3 DRDS SQL路由283 21.2.4 DRDS读写分离284 21.2.5 DRDS测试环境到生产环境的迁移285 21.2.6 DRDS平滑扩容287 21.2.7 DRDS DDL拆分语法287 21.2.8 DRDS分布式事务291 21.2.9 DRDS的管理和维护292 21.2.10 应用小结292 第22章 数据仓库295 22.1 企业的数据仓库建设295 22.2 为什么数据仓库要上云297 22.3 云上的数据仓库298 22.4 数据仓库的技术选型300 22.4.1 ADS301 22.4.2 MaxCompute303 22.4.3 Greenplum306 第23章 大数据平台310 23.1 企业的大数据建设310 23.2 大数据平台的选择311 23.3 云上的大数据平台312 23.4 控制台、开发工具和数据集成314 23.5 数据仓库、大数据和人工智能317 23.6 学习路径320 第五部分 云在计算之外的能力 第24章 PaaS和SaaS326 24.1 PaaS327 24.1.1 PaaS带来了什么328 24.1.2 四类PaaS产品329 24.1.3 技术栈绑定的两难（含特性需求提出）331 24.1.4 评估和迁移332 24.2 SaaS333 24.2.1 SaaS带来的价值333 24.2.2 评估和使用SaaS337 第25章 云运维实践340 25.1 运维体系340 25.2 云平台的运维特点346 25.3 团队组织、账户安全和授权347 25.4 监控体系及日常监控351 25.5 工单和运维352 25.6 费用354 第26章 云监控和二次开发实战358 26.1 概述358 26.2 云监控最佳实践的七个步骤359 26.2.1 报警模板的配置359 26.2.2 报警通知对象的配置361 26.2.3 应用分组的建立363 26.2.4 内网服务端口监控364 26.2.5 公网域名监控365 26.2.6 日志监控366 26.2.7 Dashboard配置366 26.3 API二次开发应用场景367 26.3.1 ECS申请流程化368 26.3.2 监控信息采集369 26.3.3 报警语音服务369 第27章 Docker与Kubernetes371 27.1 使用Docker部署应用371 27.1.1 Docker的优势372 27.1.2 Docker部署应用最佳实践373 27.2 标准微组件部署374 27.3 Kubernetes375 27.4 阿里云容器服务376 27.4.1 使用云服务或自建376 27.4.2 各应用（服务器）高可用376 第28章 边缘计算和函数计算379 28.1 边缘计算380 28.1.1 边缘计算的场景380 28.1.2 解决方案382 28.1.3 未来可能383 28.2 函数计算383 28.2.1 函数计算的核心优势384 28.2.2 场景和方案385 28.2.3 函数计算的优势和未来可能387 28.3 函数计算结合边缘计算388 后记390 |