新書推薦：
《
BIM概论与土建建模
》
售價：NT$
305
《
身体秩序与法律规训——传统中国的“身体法治”面相（国家哲学社会科学成果文库）
》
售價：NT$
1015
《
日本佛教史纲
》
售價：NT$
428
《
给孩子的安全教育漫画：防走失、防拐骗 少儿安全教育专家GY局长 让孩子全面掌握保护自己方法
》
售價：NT$
194
《
多头政体——参与和反对（汉译名著18）
》
售價：NT$
286
《
政治经济学（汉译名著18）
》
售價：NT$
592
《
国内外高句丽渤海墓葬研究文献目录
》
售價：NT$
918
《
中国书法分体史（函套版）
》
售價：NT$
3203
|
| 編輯推薦： |
权威推荐：多位数据管理领域专家联袂推荐，五步构建企业数据资产体系。
实战导向：兼具落地“硬度”与思维“锐度”，助力AI大模型时代激活数据价值。
全链覆盖：提供从定义、管理框架到数据产品运营的全链条、可复制实操方案。
前沿洞察：系统解析数据要素化、可信数据空间、数据资产画像等关键议题。
广泛适用：适合企业管理者、数据从业者及数字化转型推动者，即学即用。
|
| 內容簡介： |
在汇聚行业可复制经验的基础上，本书凝练了作者对企业数据资产管理的系统性洞见与前瞻性创新；内容严谨、脉络清晰，兼具落地“硬度”与思维“锐度”，助你在AI大模型时代激活“数据资产”，赋能企业创新式增长。
第1章介绍数据资产定义及其五层价值金字塔，从合规到业务创新，了解其价值全貌。第2章给出数据资产“画像”，分析其分类、特性、价值释放阶段、管理原则、核心步骤、管理团队组成及管理发展趋势，提供全面的数据资产管理框架。第3章介绍从数据资产到数据要素的转变，数据要素市场的生态、使命、意义、参与的注意事项，以及可信数据空间的概念、组成体系和运营模式。第4章讲解主数据资产的定义、管理目标与成熟度模型、建模方法、类型、管理系统。第5章探讨交易型数据资产的价值、管理流程、质量管理。第6章提供数据指标体系构建指南，包括场景挖掘、指标详解、指标设计原则与方法、数据指标体系建设、指标血缘关联及指标中台建设等。第7章介绍决策模型的定义、使用方法和常见模型，学以致用。第8章介绍数据产品的开发与运营，涵盖定义、分类、开发过程、DataOps产品架构、运营以及案例解析，提供全面的落地指导。
无论你是企业管理者、数据从业者还是数字化转型推动者，都能从中获得实用的方法论与可复用的经验。
|
| 關於作者： |
王红亮 金融数据资产公司合伙人，曾任职于亚信、中信科技、埃森哲、微软等公司，担任数据产品研发负责人、咨询顾问等职务。在IT行业有20多年从业经验，并在数据资产领域深耕多年，现为中国网络安全审查技术与认证中心（CCRC）“首席数据官”认证培训讲师，专门为政府部门、企事业单位培养首席数据官候选人才。他也是北京交通大学软件学院优秀企业讲师，著有《领域驱动设计：业务建模与架构实践》《微软软件研发的奥秘》等著作。
周潇潇 现为某数据资产管理咨询公司项目负责人，曾任职于三星电子、新浪微博、艾瑞咨询，担任过数据产品经理、洞察总监、数据资产管理咨询顾问等职。在数据行业深耕多年，主持完成过西南某省公共数据资产管理与运营大型项目，负责过多家企业的数据资产运营、数据治理与数据产品开发的咨询项目，她也是“三节课”数据资产管理与数据治理专题签约讲师。
|
| 目錄：
|
目录
前言
第1章 数据资产与五层价值金字塔1
1.1 数据何以成为资产2
1.1.1 我们身边的数据资产2
1.1.2 数据资产定义4
1.2 数据资产五层价值金字塔7
1.2.1 第一层价值：守法合规、符合伦理8
1.2.2 第二层价值：文化塑造、科学决策10
1.2.3 第三层价值：增强控制、管理透明12
1.2.4 第四层价值：风险控制、生态连接15
1.2.5 第五层价值：业务创新、未来发展16
1.3 本章小结19
第2章 数据资产“画像”20
2.1 分类20
2.1.1 基础型数据资产21
2.1.2 服务型数据资产23
2.1.3 两类数据资产的关系29
2.2 三大特性29
2.2.1 复制无消耗性30
2.2.2 形式多样性30
2.2.3 价值衍生性31
2.3 价值释放三阶段32
2.3.1 第一阶段价值释放：业务贯通33
2.3.2 第二阶段价值释放：数据决策34
2.3.3 第三阶段价值释放：产品赋能34
2.4 管理五原则35
2.4.1 够用原则35
2.4.2 甜区原则36
2.4.3 互利原则37
2.4.4 场景原则37
2.4.5 流通原则38
2.5 三大核心步骤38
2.5.1 基础型数据资产管理39
2.5.2 服务型数据资产管理40
2.5.3 数据产品的开发和运营40
2.6 数据管理团队组成41
2.6.1 CDO41
2.6.2 数据治理团队43
2.6.3 数据洞察团队44
2.6.4 数据产品开发团队46
2.7 管理发展趋势46
2.7.1 管理理念：从被动到主动47
2.7.2 组织形态：团队专业化47
2.7.3 数据架构：DataOps48
2.7.4 数据治理：面向AI49
2.7.5 管理手段：智能化50
2.7.6 运营模式：多元化50
2.7.7 数据安全：统一规范化51
2.8 本章小结51
第3章 数据要素市场与可信数据空间52
3.1 从数据资产到数据要素53
3.2 数据要素市场的生态54
3.3 数据要素市场的使命58
3.3.1 推动制度建设，提供基础保障58
3.3.2 构建基础设施，加速升级之路59
3.3.3 服务AI，促进产业革命62
3.3.4 推进数据财政，带动经济发展63
3.3.5 沉淀场景案例，激发价值释放65
3.4 数据要素市场的意义66
3.5 参与数据要素市场的注意事项69
3.6 可信数据空间70
3.6.1 什么是可信数据空间70
3.6.2 可信数据空间组成体系71
3.6.3 可信数据空间运营模式75
3.7 本章小结76
第4章 盘活基本盘：主数据资产与管理77
4.1 什么是主数据资产78
4.1.1 主数据资产定义78
4.1.2 主数据与其他类型数据的比较80
4.1.3 主数据资产的价值83
4.2 主数据资产的管理目标与成熟度模型86
4.2.1 主数据资产的管理目标86
4.2.2 主数据资产管理的成熟度模型89
4.3 主数据建模方法90
4.3.1 概念建模91
4.3.2 逻辑建模93
4.3.3 物理建模94
4.4 主数据资产类型96
4.5 主数据管理系统106
4.5.1 系统架构106
4.5.2 构建的工作流程107
4.5.3 架构模式110
4.5.4 与相似系统的区别115
4.6 本章小结117
第5章 疏通水源：交易型数据资产与管理118
5.1 交易型数据资产的价值119
5.2 交易型数据资产管理流程120
5.2.1 数据生成121
5.2.2 数据抽取123
5.2.3 数据预处理126
5.2.4 数据存储127
5.2.5 数据分析131
5.3 交易型数据资产质量管理131
5.3.1 数据质量维度131
5.3.2 数据质量问题成因分析133
5.3.3 数据质量管理过程138
5.3.4 数据质量管理常见误区154
5.3.5 交易型数据资产质量管理成熟度模型155
5.4 本章小结159
第6章 定海神针：数据指标体系建设160
6.1 场景挖掘161
6.1.1 价值驱动树法161
6.1.2 场景优先级165
6.1.3 典型数据需求场景165
6.2 指标的属性、维度、分类、命名166
6.2.1 指标的属性167
6.2.2 指标的维度167
6.2.3 指标的分类169
6.2.4 指标的命名170
6.3 指标设计原则171
6.3.1 原则1：指标应该衡量你关心的事物171
6.3.2 原则2：指标应易于计算和理解172
6.3.3 原则3：指标应保证一定的时效性173
6.3.4 原则4：指标应该难以被操控174
6.3.5 原则5：指标不应预设任意的阈值174
6.3.6 原则6：用良好的指标提供上下文信息176
6.3.7 原则7：指标需要明确的负责人177
6.3.8 原则8：好的指标可最大限度地减少噪声177
6.3.9 原则9：标准指标应保持一致178
6.4 指标设计方法178
6.4.1 树上结果：完成价值驱动树179
6.4.2 澄清问题、达成共识180
6.4.3 确定决策模型181
6.4.4 深入理解领域182
6.4.5 构建数学模型184
6.4.6 规划指标维度185
6.4.7 专用方法189
6.5 数据指标体系建设195
6.5.1 何为数据指标体系195
6.5.2 数据指标体系建设中的问题197
6.5.3 角色与权责199
6.5.4 梳理价值驱动树200
6.5.5 “户籍”与“身份证”203
6.5.6 指标标准建设206
6.5.7 规范应用场景208
6.5.8 设计驾驶舱数据指标体系210
6.6 指标血缘关联213
6.6.1 何为指标血缘213
6.6.2 指标血缘的重要性和特点215
6.6.3 如何维护指标血缘216
6.6.4 血缘数据平台217
6.7 指标中台建设220
6.7.1 何为指标中台220
6.7.2 指标不能复用带来的问题221
6.7.3 理想中台222
6.8 本章小结224
第7章 运筹帷幄：决策模型225
7.1 何为决策模型226
7.1.1 决策模型定义226
7.1.2 决策模型与数据资产227
7.2 如何使用决策模型229
7.3 应用决策模型232
7.3.1 勒温力场模型233
7.3.2 多维度模型235
7.3.3 漏斗模型245
7.3.4 帕累托模型250
7.4 本章小结253
第8章 数据产品：从定义到落地案例解析255
8.1 数据产品定义256
8.2 数据产品分类257
8.2.1 按输出形态分类257
8.2.2 按应用场景分类258
8.3 数据产品开发过程265
8.4 DataOps产品架构269
8.4.1 为什么需要DataOps270
8.4.2 DataOps的能力构成272
8.4.3 成功的DataOps特征274
8.4.4 典型DataOps架构277
8.5 数据产品运营278
8.5.1 数据产品上架278
8.5.2 数据产品的盈利模式280
8.5.3 估值模型与定价281
8.5.4 数据产品增值288
8.6 数据产品落地案例解析289
8.6.1 案例1：某电子控股集团公司工业数据产品289
8.6.2 案例2：某医疗科技公司医疗数据产品291
8.6.3 案例3：某市生态环境局生态环境数据产品293
8.7 本章小结295
附录 企业大数据的类型、特征与治理要点296
|
| 內容試閱：
|
前言
在商业世界的演进中，每一次重大变革都伴随着认知方式的升级。工业革命教会我们标准化和规模化，信息时代让我们重视流程和系统。而今天，数据正成为企业理解市场、优化决策、驱动增长的全新语言。
为什么要写本书
在讲述本书的创作初衷之前，我想先分享一个物理学的小故事——相对论的诞生及它在科学界被承认的过程。
众所周知，相对论的诞生离不开爱因斯坦这位天才的非凡悟性。然而，若你对物理学有所了解，便会明白迈克尔逊-莫雷实验对光速的准确测量才是真正的突破点。倘若没有光速30万km/s这一确定的数值，爱因斯坦的天才灵感也无从施展。那么，相对论又是如何被科学界承认的呢？由于其理论过于违反人类的直觉，据说当时真正理解广义相对论的人不超过3个。但最终，观测数据给出了证明。通过日全食观测实验，对比日食期间与半年前同一星空的恒星位置，英国天文学家爱丁顿计算出光线偏折角为1.74＂这一数值，首次验证了爱因斯坦广义相对论的正确性，从而奠定了广义相对论在科学界的地位。
我为什么要分享这个故事呢？大家是否意识到，从数据中获取灵感以及通过数据去相信一个理论，这其实是人类的天性。无论观点多么匪夷所思，只要数据有了确凿的证据，人们都会自然而然地将该观点奉为真理，并试图从中汲取启示。反之，若缺乏数据的支撑，即便再权威的人，也难以消除人们内心的怀疑。人类对数据具有特殊的敏感性、亲切感和信任感，数据帮我们进化出生存的优势。事实上，数据已然成为客观规律与人类对话的窗口。
那么，对于一个组织和企业而言，数据又意味着什么呢？如果将前面提到的“客观规律”换成“市场和管理依据”，道理便一目了然。如今，没有企业会拒绝聆听市场的声音，但不会运用数据的企业不在少数。这并非叶公好龙，其深层原因可能在于这些企业缺少足够的认知和正确的指导，而这正是本书创作的初衷。
从时间角度来看，我们正处于“数据大发现”时代。无论是人体数据、生活数据，还是工业生产数据，万事万物运转所产生的海量数据，都是推动科技创新、经济繁荣与社会进步的养分。数据同样是AI（人工智能）的核心要素之一。
企业可将数据视为宝贵的资产，去发现、认识、构建、运营它，聆听市场和管理写在数据里的真相，从而更好地认识自我，甚至借此找到未来的出路。如果你已经下定决心，那么此时此刻就需要一份行动指南，告诉你起点在哪里、方向在何方、目标又在何处。而本书，正是希望在这方面为你提供帮助。
读者对象
企业管理者。
首席数据官及其候选人。
数据管理、数据治理、数据产品开发团队人员。
企业业务线数据负责人。
如何阅读本书
本书内容分为8章。
第1章介绍了数据何以成为资产及数据资产五层价值金字塔，从守法合规到业务创新，层层递进地阐述了其在企业中的重要价值。
第2章给出数据资产“画像”，分析其分类、特性，并探讨其价值释放阶段、管理原则、核心步骤、管理团队组成及管理发展趋势，为读者提供了全面的数据资产管理框架。
第3章聚焦于数据要素市场，阐述从数据资产到数据要素的转变，介绍数据要素市场的生态、使命、意义、参与的注意事项，以及可信数据空间的概念、组成体系和运营模式，帮助读者理解数据要素市场的重要性和可信数据空间的作用。
第4章讲解主数据资产的定义、管理目标与成熟度模型、建模方法、类型、管理系统相关内容，使读者深入了解主数据资产的核心内容和管理要点。
第5章探讨交易型数据资产的价值、管理流程、质量管理，为读者揭示了交易型数据资产的关键要素和管理策略。
第6章围绕数据指标体系建设展开，包括场景挖掘，指标的属性、维度、分类、命名，指标设计原则，设计方法，数据指标体系建设，指标血缘关联及指标中台建设等内容，为读者提供了详尽的数据指标体系构建指南。
第7章阐述决策模型的定义、使用方法，以及常见模型（如勒温力场模型、多维度模型、漏斗模型、帕累托模型等）的实际应用，帮助读者掌握决策模型。
第8章聚焦数据产品的全面解析，介绍数据产品的定义、分类、开发过程、DataOps产品架构、运营以及案例解析，为读者提供了全面的落地指导。
通篇阅读是我们最为推荐的方式，因为这样脉络清晰，知识体系完整，你的收获将远超你付出的时间成本。当然，如果时间确实有限，企业的管理人员可以专注于第1、3章；业务人员适合聚焦于第1、6、7章；数据产品开发人员则可重点看1、3、8章。
至于首席数据官和有志于这个岗位的读者，除通篇阅读之外，还可以加入学习群，与笔者交流你对本书的想法。
勘误和支持
如果你想加入本书的学习群，或者对本书有一些建议和勘误反馈，请搜索笔者的微信公众号“架构师小酒馆”，并在后台留言。
致谢
感谢“中国网络安全审查技术与认证中心”首席数据官认证培训班每一期的精英学员们，书中很多观点的灵感都源于和你们上课的互动过程中。
感谢为本书撰写推荐语的各位行业专家，以及从事数据工作的同人。
|
|
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
