數據中台架構：企業數據化最佳實踐（簡體書）

本書對企業數據化建設的目標、內容及定位做了相對完整的論述，詳細地闡述了數據中台的定義、內容及如何支撐企業數據化整體建設，同時也介紹了數據中台在企業中的落地步驟、豐富的數據應用場景與實際效果。本書是企業數據化建設的實用參考書。 本書的內容完全基於筆者團隊的實踐經驗。筆者團隊曾經幫助十幾個行業頭部企業的數據中台項目成功落地，這些項目驗證了本書中闡述的方法論體系的可行性。希望本書能夠對國內數據化工作者提供一定的幫助。

張旭，

袋鼠雲合夥人、高級副總裁；阿裡雲MVP；用友集團應用集成業務部原總經理、主數據管理專家及業務帶頭人。

技術發燒友：擁有多項技術及算法專利，OSCHINA社區開源技術工具“丁丁主數據查重引擎”作者，“基於副本主數據的數據治理方法”曾獲用友技術創新大賽二等獎。

方案專家、業務帶頭人：企業應用集成解決方案專家，企業主數據管理解決方案專家，企業數據中台解決方案專家，“七天學會主數據”系列培訓視頻作者，曾因營銷業績出眾評選為十佳用友人。

交付達人：常年奔波在國內各大城市的項目現場，成功主導過中國葛洲壩集團、中國建築總公司第五工程局，國藥集團、上海醫藥集團、碧桂園、萬科、茅臺集團、李寧、飛鶴乳業、全友家私、隆平高科等眾多國內大型知名企業的數據化相關項目。

數據中台是當下非常熱門的話題，可以解決企業重複造輪子的問題。本書由國內知名的數據中台產品及解決方案服務商袋鼠雲高級副總裁領銜撰寫，基於十幾個行業頭部企業的數據中台項目落地經驗提煉出數據中台建設五步法。

讀了本書後，你可以瞭解數據中台是什麼、數據中台的價值是什麼、數據中台如何幫助企業騰飛、企業具備數據中台的建設條件嗎、應該如何建設數據中台、數據中台在哪些行業中有成功的應用、建設數據中台需要哪些軟件支撐。

1 信息認知和當前的信息化革命



1.1 信息工具的發展推動人類歷史進步



1.1.1 信息的世界



1.1.2 信息工具



1.2 信息工具的進步與歷史發展



1.3 當前的信息化革命



1.3.1 新的工具



1.3.2 新的特徵



1.3.3 數據化――對數據的再應用



2 企業數據化



2.1 企業數據化認知



2.1.1 企業數據化的定義



2.1.2 數據分類



2.2 企業數據化與企業信息化及企業的關係



2.2.1 企業的本質



2.2.2 企業信息化



2.2.3 企業數據化



2.2.4 企業業務、企業信息化、企業數據化的關係



2.3 企業數據化建設的內容



2.3.1 企業數據化建設的一個核心目的



2.3.2 企業數據化建設的三個層次



2.3.3 企業數據化建設的五個部分



2.3.4 企業數據化建設的七種價值



2.4 企業數據化的現狀與問題



2.4.1 數據意識



2.4.2 數據資源



2.4.3 數據資產



2.4.4 數據應用



2.4.5 數據質量



2.4.6 數據運營



2.4.7 數據技術與產品



2.4.8 企業數據化建設路徑探索



3 數據中台概述



3.1 數據中台是什麼



3.1.1 數據中台應該告訴企業全面數據化是什麼樣子的



3.1.2 數據中台應該彙聚全域數據



3.1.3 數據中台應該能夠檢驗數據治理的成果



3.1.4 數據中台應該全面支持數據應用落地



3.1.5 數據中台可以包含企業數據化組織規劃內容



3.2 數據中台的價值與建設的必要性



3.2.1 數據中台是數據化建設的基礎



3.2.2 數據中台是企業數據化建設的引擎



3.2.3 數據中台將各個部分的數據工作有機串聯



3.3 數據中台建設五步法



3.3.1 數據中台建設五步法概述



3.3.2 第一步：數據資源的盤點與規劃



3.3.3 第二步：數據應用規劃與設計



3.3.4 第三步：數據資產建設



3.3.5 第四步：數據應用的詳細設計與實現



3.3.6 第五步：數據化組織規劃



4 數據資源盤點與規劃



4.1 數據資源盤點



4.1.1 數據資源的分類



4.1.2 數據資源盤點流程



4.1.3 數據資源盤點的成果



4.2 數據資源規劃



4.2.1 實體行為數據資源



4.2.2 外部數據服務規劃



5 數據資產建設



5.1 數據資產建設概述



5.1.1 前期準備



5.1.2 數據資產建設方法論



5.1.3 數據資產建設的步驟



5.2 產品選型與技術方案設計



5.2.1 數據倉庫選型



5.2.2 融合現有數據化建設成果



5.3 數據模型設計規範



5.3.1 基本設計思路



5.3.2 主題域設計



5.3.3 數據模型開發規範



5.3.4 數據表的命名規範



5.3.5 數據表的設計策略



5.4 數據開發規範及數據開發



5.4.1 數據開發規範



5.4.2 數據采集



5.4.3 數據開發



6 數據應用規劃與建設



6.1 數據應用規劃



6.1.1 企業業務架構梳理



6.1.2 數據應用場景規劃



6.1.3 業務指標和實體標簽體系的構建與管理



6.1.4 數據應用落地路徑規劃



6.2 數據應用建設



7 數據應用之最佳實踐



7.1 房地產行業的數據應用方案



7.1.1 房地產行業的典型業務場景介紹



7.1.2 房地產行業的典型數據應用



7.2 鞋服行業的數據應用方案



7.2.1 鞋服行業的典型業務場景介紹



7.2.2 鞋服品牌商普遍的數據資源困局



7.2.3 圍繞“店貨匹配”構建數據應用藍圖



7.3 乳製品行業的數據應用方案



7.3.1 乳製品行業的典型業務場景介紹



7.3.2 以“消費者深度運營”為目標建設乳製品行業數據應用



7.4 新零售營銷的數據應用方案



7.4.1 新零售泛行業理解



7.4.2 新零售的典型數據應用



7.5 人力資源領域的數據應用方案



7.5.1 人力資源領域類業務場景



7.5.2 高潛力人員評估



7.5.3 人員離職預測



8 數據化組織規劃



8.1 數據化組織規劃的必要性



8.2 數據化組織的定位與職責



8.3 數據化組織的工作內容與邊界



8.4 數據化組織的崗位設置



8.5 數據化組織的人數配置、預算資金與考核建議



9 數據中台與數據質量



9.1 數據質量的常見問題



9.2 數據模型規範提升數據質量



9.2.1 數據的定義



9.2.2 數據的分類



9.2.3 數據的顆粒度



9.2.4 數據的編碼



9.3 數據管理提升數據質量



9.3.1 數據管理組織



9.3.2 數據管理流程



9.4 數據共享提升數據質量



9.4.1 業務數據如何傳遞



9.4.2 基礎數據如何保持一致性



9.4.3 如何通過技術手段監督多版本數據的一致性



9.5 清洗歷史數據提升數據質量



9.5.1 數據清洗的目的和策略



9.5.2 數據清洗的範圍和組織



9.5.3 數據清洗工具



9.6 主數據管理提升基礎數據質量



9.6.1 人員主數據管理



9.6.2 賬戶主數據管理



9.6.3 組織主數據管理



9.6.4 客商主數據管理



9.6.5 顧客主數據管理



9.6.6 產品主數據管理



9.6.7 項目主數據管理



9.6.8 資產主數據管理



9.6.9 物料主數據管理



10 數據中台建設



10.1 數據中台建設的特點



10.2 數據中台建設的策略選擇



10.3 數據中台建設的整體流程



10.4 數據中台的建設風險及應對方法



10.4.1 數據中台的定位問題



10.4.2 數據中台的管理博弈



10.4.3 數據中台的業務價值方向選擇



11 數據中台的軟件支撐



11.1 平臺的整體架構



11.2 計算引擎



11.2.1 大數據離線計算引擎



11.2.2 大數據實時計算引擎



11.3 離線/流計算開發套件



11.3.1 數據同步模塊



11.3.2 數據開發平臺



11.3.3 運維中心



11.3.4 發佈管理



11.4 實時計算開發套件



11.4.1 FlinkStreamSQL



11.4.2 數據開發



11.4.3 數據運維



11.4.4 實時採集



11.5 數據資產管理套件



11.5.1 數據地圖



11.5.2 數據模型規範管理



11.6 數據質量管理套件



11.7 數據科學平臺



11.7.1 算法數據資源管理



11.7.2 可視化實驗開發



11.7.3 算法模型離線訓練



11.7.4 模型在線部署和調用



11.8 分析引擎