新書推薦：
《
首饰之美：国宝里的中式美学
》
售價：NT$
806.0
《
旧庙新神：晚清变局中的孔庙从祀（论衡系列）
》
售價：NT$
296.0
《
道心惟微：中国大一统王朝的战略文化与历史启示
》
售價：NT$
500.0
《
近代中国“世界”观念研究
》
售價：NT$
454.0
《
重写灵魂：多重人格与记忆科学（共域世界史）
》
售價：NT$
556.0
《
水墨剑来（剑来 动画官方典藏画集）
》
售價：NT$
857.0
《
新伦巴第街：美联储如何成为最后交易商
》
售價：NT$
296.0
《
趣味网络图解：从基础到应用
》
售價：NT$
662.0
|
| 內容簡介： |
|
本书是一本全面关注工业企业数据治理方面的工具书，上册主要包括趋势篇、体系篇，下册主要包括工具篇、实施篇及案例篇。其中趋势篇主要介绍工业企业数据治理的基本概念、主流数据治理标准及框架、数据治理的发展趋势等；体系篇主要介绍数据管控、数据战略、数据架构、主数据管理等的基本原理与管理体系；工具篇主要介绍数据资产运营工具、数据模型管理工具、主数据管理工具等；实施篇主要介绍数据治理实施策略和路径选择、数据治理顶层架构规划与设计、数据资产运营实施等；案例篇主要介绍电力、能源化工、制造、战略投资等行业的数据治理案例，为读者提供专业、丰富、可信的数据治理实施范例。本书是工业大数据应用技术国家工程实验室多年潜心研究的重要科研成果的总结和凝聚，既具有理论高度，也具备面向中国工业企业的可实操性。参与本书编著的作者均为国内各企业的数据治理专家，所有案例均来自这些企业的实践。对企业基层管理者或初入职场的人士来说，本书是充分认识数据治理意义、组织实施数据治理的具体方案和工具手册；对企业中层管理者来说，本书是一本配合企业数据治理的纲领性指南；对企业高层管理者来说，本书是一本推动企业数据治理的方法论。本书还适合作为高校的MBA、EMBA教材
|
| 關於作者： |
|
祝守宇工业大数据应用技术国家工程实验室主任、教授级高级工程师。曾获1997年美国贝尔实验室总裁金奖、美国电信管理协会（TMF）年度新产品大奖、北京市科技进步一等奖一次、北京市科技进步三等奖两次。先后主持国家级重大产业专项十余项，拥有美国和中国发明专利十余项。长期从事互联网、大数据、复杂软件系统、移动通信、网络安全等领域的研究和产业化工作，是航天科工集团“五重大一专项”集团特聘专家。蔡春久中国信息协会数字治理专业委员会副主任兼秘书长，数治云联合创始人，数据工匠俱乐部创始人。具有25年的IT咨询和数据治理行业经验，为中国石化、南方电网、国家电投、中国核工业集团、中国航天科工集团、腾讯等100余家世界500强企业提供数据治理服务。
|
| 目錄：
|
目录
第1篇 趋势篇
第1章 工业企业需要数据治理2
1.1 工业革命的演变与发展趋势2
1.2 工业数据是工业智能化的核心基础9
1.3 主要工业国家和地区的工业数据战略13
1.4 企业工业数据的核心价值15
1.5 我国各行业数据治理现状17
1.6 数据治理是实现工业企业数据价值的基础20
1.7 工业企业数据治理面临的困难与挑战21
本章精要24
第2章 工业企业数据治理概述25
2.1 相关术语的定义与内涵25
2.1.1 自动化、信息化、数字化、智能化
与数智化25
2.1.2 数据资源、数据产品、数字资产、数据资产与数据要素27
2.1.3 数字治理与数据治理31
2.1.4 新一代数据治理34
2.1.5 大数据内涵及其8V特征36
2.1.6 工业互联网与工业数据38
2.1.7 数据管理、数据运营、数据应用、数据交易和数据流通40
2.2 工业数据的分类44
2.2.1 按照数据对象划分44
2.2.2 按照数据的存储形式划分45
2.2.3 按照工业企业数据库的类型划分45
2.2.4 按照权属类型划分47
2.2.5 国家数据局在相关文件中提到的数据类型划分47
2.2.6 人工智能训练和推理类应用中的数据类型划分47
2.3 五种视角下的数据治理体系框架49
2.3.1 数据治理“五域模型”：管理视角49
2.3.2 数据治理“黄金屋”：技术视角50
2.3.3 数据治理“全景图”：全生命周期视角51
2.3.4 数据治理“藏金阁”：安全视角53
2.3.5 数据治理“金字塔模型”：需求视角54
2.4 数据治理的核心内容55
本章精要56
第3章 主流数据治理标准及框架介绍57
3.1 国际标准57
3.2 国内标准及模型57
3.3 专业组织及理论框架62
3.4 数据治理体系比较67
本章精要69
第4章 数据治理的发展趋势70
4.1 国内外数据治理体系的演变与发展70
4.2 以组织为核心的数据治理体系建设71
4.3 从传统数据治理到资产化数据治理71
4.4 从企业级数据治理到产业级数据治理72
4.5 新一代信息技术促进数据治理的发展72
4.6 数据素养与数据伦理建设是重要一环80
4.7 数据空间成为重要的数据流通基础设施83
本章精要85
第5章 本书阅读导引86
5.1 数据治理是一个系统工程86
5.2 工具是数据治理的保障87
5.3 实施数据治理有路线可循87
5.4 数据治理已在诸多行业成功实施87
第2篇 体系篇
第6章 数据管控93
6.1 数据管控概述93
6.2 组织架构96
6.2.1 数据治理组织架构97
6.2.2 数据治理组织模式99
6.2.3 数据治理职责分工101
6.2.4 数据岗位角色103
6.3 制度规范106
6.3.1 数据治理制度框架106
6.3.2 数据治理制度修订112
6.3.3 数据治理制度执行流程113
6.3.4 数据治理制度考核体系117
6.4 管理机制119
6.5 数字文化122
6.5.1 数据文化122
6.5.2 数据素养124
6.5.3 数据治理沟通126
6.5.4 业务案例与宣传127
6.5.5 数据伦理道德128
6.6 人才培养129
6.6.1 培训体系130
6.6.2 岗位认证体系133
6.6.3 培训宣贯134
6.6.4 人才评估晋升135
6.7 数据管控体系评价指标137
本章精要140
第7章 数据战略141
7.1 数据战略概述141
7.2 数据战略规划149
7.2.1 识别干系人149
7.2.2 数据战略需求调研与对标分析151
7.2.3 数据战略制定151
7.2.4 数据战略发布155
7.2.5 数据战略修订156
7.2.6 主要理论方法与技术157
7.3 数据战略实施161
7.3.1 实施策略161
7.3.2 实施路径162
7.4 数据战略评估163
7.4.1 评估策略163
7.4.2 评估方法164
7.4.3 管理层参与说明166
7.5 数据战略评价指标167
本章精要168
第8章 数据架构169
8.1 数据架构概述170
8.1.1 数据架构的建设目标171
8.1.2 数据架构的组成174
8.1.3 企业数据架构的主要问题175
8.1.4 做好数据架构的意义176
8.2 数据目录176
8.2.1 数据目录类型177
8.2.2 数据目录管理179
8.3 数据模型180
8.3.1 数据模型中的基本概念与数据
关系180
8.3.2 主题域模型184
8.3.3 概念数据模型186
8.3.4 逻辑数据模型187
8.3.5 物理数据模型188
8.3.6 数据模型设计和建模方法189
8.4 数据标准190
8.4.1 对象类数据标准191
8.4.2 基础类数据标准195
8.5 数据分布与流向196
8.5.1 数据分布196
8.5.2 数据流向197
8.5.3 数据资源全景图198
8.5.4 数据地图分布应用198
8.6 数据架构评价指标198
本章精要199
第9章 主数据管理200
9.1 主数据概述200
9.2 主数据规划与设计管理205
9.3 主数据溯源与识别管理206
9.4 主数据标准管理与质量规则209
9.5 建立主数据代码库211
9.6 搭建主数据管理工具及集成接口212
9.7 建立主数据运营体系213
9.8 加强主数据推广应用与贯标215
9.8.1 统一源头集中共享215
9.8.2 主数据应用需求管理215
9.8.3 主数据应用质量管理216
9.8.4 主数据应用服务管理217
9.9 主数据评价指标218
9.10 企业常用的几类主数据220
9.10.1 物料主数据220
9.10.2 设备主数据220
9.10.3 固定资产主数据221
9.10.4 会计科目主数据222
9.10.5 组织机构和员工主数据222
本章精要223
第10章 元数据管理224
10.1 元数据管理概述224
10.2 元数据分类及相关理解228
10.2.1 元数据分类229
10.2.2 元数据相关概念理解230
10.3 元数据管理关键活动234
10.4 元数据管理主要内容234
10.5 主动元数据管理238
10.6 元数据的价值240
10.7 元数据管理评价指标241
本章精要242
第11章 指标数据管理243
11.1 指标数据管理概述243
11.1.1 业务驱动因素243
11.1.2 指标数据管理目标和内容245
11.1.3 指标数据标准定义及分类247
11.1.4 指标数据常见误区和问题249
11.1.5 指标数据标准梳理常见方法251
11.2 指标数据体系框架设计与标准化定义253
11.2.1 指标体系建设价值253
11.2.2 指标体系框架设计思路254
11.2.3 指标数据标准化内容和步骤256
11.2.4 指标体系构建实施内容269
11.3 指标数据工具建设及落地269
11.4 指标数据运营体系建设271
11.5 指标数据应用272
11.6 指标数据评价指标272
本章精要274
第12章 时序数据管理275
12.1 时序数据管理概述275
12.1.1 业务驱动因素276
12.1.2 时序数据管理的目标、内容和核心原则277
12.1.3 时序数据的特点及应用场景280
12.1.4 时序数据的应用需求和挑战285
12.2 时序数据治理的过程体系288
12.2.1 时序数据架构规划289
12.2.2 时序数据的主数据和指标标准管理290
12.2.3 时序数据的质量管理294
12.2.4 时序数据安全298
12.2.5 时序数据应用300
12.2.6 时序数据全生命周期运营300
12.2.7 AI树在时序数据治理工作中的应用301
12.3 时序数据治理工具与技术302
12.4 AI环境下的时序数据治理302
12.5 时序数据管理评价指标307
12.6 时序数据治理展望309
本章精要310
第13章 空间数据管理311
13.1 空间数据管理概述311
13.1.1 业务驱动因素311
13.1.2 空间数据管理域目标、内容和原则313
13.1.3 空间数据管理的相关概念316
13.1.4 空间数据管理技术的发展历程319
13.1.5 空间数据的属性和类型320
13.2 空间数据管理体系321
13.2.1 空间数据模型322
13.2.2 空间数据相关标准323
13.2.3 空间数据质量与安全325
13.3 空间数据管理的主要内容325
13.3.1 数据采集325
13.3.2 数据存储328
13.3.3 数据处理329
13.3.4 数据分析331
13.3.5 数据可视化333
13.3.6 数据安全335
13.3.7 数据共享与互操作336
13.4 空间数据管理工具与技术338
13.4.1 空间数据获取技术338
13.4.2 空间数据存储与管理技术339
13.4.3 空间数据分析与处理技术339
13.4.4 空间数据可视化技术340
13.4.5 云计算与大数据处理技术340
13.4.6 其他相关技术341
13.5 空间数据主要应用场景和特点341
13.6 空间数据管理评价指标344
13.6.1 空间数据的管理指标344
13.6.2 空间数据的评价指标345
13.7 空间数据应用场景展望346
本章精要349
第14章 非结构化数据管理350
14.1 非结构化数据管理概述350
14.1.1 相关概念351
14.1.2 非结构化数据管理目标和内容总体框架353
14.1.3 非结构化数据的应用场景355
14.1.4 非结构化数据管理面临的难题和挑战356
14.2 非结构化数据管理的主要活动与内容357
14.3 非结构化数据管理工具与技术361
14.4 非结构化数据评价指标361
14.4.1 数据质量维度361
14.4.2 数据管理流程维度365
14.4.3 数据安全与合规维度366
14.4.4 业务价值维度366
14.4.5 系统性能与运维维度366
14.5 非结构化数据管理的趋势366
本章精要368
第15章 数据质量管理369
15.1 数据质量管理概述371
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
