数据治理概论

录
前言
概 念 篇

第1章 数据治理概述2
1.1 数据治理的基本概念3
1.1.1 数据3
1.1.2 数据资产及其管理4
1.1.3 数字化6
1.1.4 数据治理9
1.2 数据治理的发展历程及趋势14
1.2.1 数据治理的发展历程14
1.2.2 数据治理的发展趋势21
1.3 数据治理在现代组织中的
定位25
1.3.1 数据治理赋能企业运营25
1.3.2 数据治理是企业数据资产管理的
“基石”26
1.3.3 数据治理是企业数字化转型的
必经之路26
1.4 数据治理的误区27
1.4.1 项目式的数据治理27
1.4.2 数据治理只是技术部门的事28
1.4.3 数据治理唯工具论28
1.4.4 数据治理可以短期见效29
1.4.5 找到问题却不解决问题29
1.4.6 只定标准却不落地30
1.4.7 大而全的数据治理30
1.4.8 为治理而治理31
1.4.9 脱离企业现状，治理目标过于
理想化31
1.5 数据管理32
1.5.1 数据管理的概念32
1.5.2 数据管理框架32
1.5.3 数据管理与数据治理的关系35
本章小结36
本章习题36
第2章 数据治理框架38
2.1 主流数据治理框架介绍39
2.1.1 ISO/IEC 38505的数据治理
框架39
2.1.2 DGI数据治理框架40
2.1.3 DAMA数据管理框架41
2.1.4 GB/T 34960.5—2018的数据治理
框架41
2.1.5 DCMM数据管理框架42
2.1.6 数据资产管理框架44
2.2 本书数据治理框架45
2.3 数据治理框架的作用46
2.3.1 形成数据治理的闭环46
2.3.2 聚焦业务价值的发现47
本章小结47
本章习题48

体 系 篇

第3章 数据战略规划50
3.1 数据战略规划的概念51
3.2 数据战略从规划到执行52
3.2.1 数据战略规划的制定52
3.2.2 数据战略规划的实施54
3.2.3 数据战略规划的评估55
3.3 数据战略规划工具56
3.3.1 企业战略规划中使用的工具
介绍56
3.3.2 企业数据战略规划中使用的
工具介绍66
本章小结70
本章习题70
第4章 数据采集71
4.1 数据采集的概念72
4.2 数据采集的范围72
4.2.1 业务范围的确定72
4.2.2 数据采集范围的确定73
4.2.3 数据采集范围的管理74
4.3 数据采集的方法75
4.3.1 数据获取的典型技术手段75
4.3.2 数据获取手段的选择75
4.4 数据采集关键技术78
4.4.1 数据源连接技术79
4.4.2 数据抽取技术79
4.4.3 数据传输协议80
4.4.4 数据格式转换与映射技术81
4.4.5 数据质量验证技术82
4.4.6 典型的数据采集工具83
本章小结84
本章习题85
第5章 数据存储86
5.1 数据存储的概念87
5.2 数据存储需求88
5.2.1 不同业务需求的数据存储
方式88
5.2.2 几类典型的数据存储架构89
5.3 数据存储模型设计94
5.3.1 数据模型的定义94
5.3.2 从概念模型到物理模型96
5.3.3 数据存储模型的选择依据99
5.3.4 典型的数据存储模型99
5.3.5 数据模型管理103
5.4 数据存储架构设计103
5.4.1 数据存储架构概述103
5.4.2 数据存储架构设计步骤104
5.4.3 典型的数据存储系统109
5.4.4 数据存储架构的设计114
本章小结118
本章习题118
第6章 数据管理119
6.1 元数据管理120
6.1.1 元数据的定义120
6.1.2 元数据需求120
6.1.3 元模型设计121
6.1.4 元数据维护125
6.1.5 元数据应用125
6.2 数据标准管理125
6.2.1 数据标准的定义125
6.2.2 组织数据的构成126
6.2.3 数据标准的分类128
6.2.4 数据标准的构成137
6.2.5 数据标准的制定137
6.2.6 数据标准的落地139
6.3 主数据管理141
6.3.1 主数据的定义141
6.3.2 主数据管理的意义144
6.3.3 主数据的识别144
6.3.4 主数据分类146
6.3.5 主数据编码148
6.3.6 主数据建模149
6.3.7 主数据清洗150
6.3.8 主数据映射治理151
6.3.9 主数据集成151
6.3.10 主数据运维管理153
6.3.11 主数据质量管理153
6.3.12 主数据安全管理154
6.4 数据质量管理154
6.4.1 数据质量管理的定义154
6.4.2 数据质量管理的价值156
6.4.3 数据质量生命管理周期157
6.4.4 数据质量规划158
6.4.5 数据质量评估159
6.4.6 数据质量提升164
6.4.7 数据质量监控169
6.4.8 数据质量改进170
6.4.9 数据质量培训和教育170
6.4.10 数据质量管理能力评价171
6.5 数据安全管理173
6.5.1 数据安全的定义173
6.5.2 数据安全策略177
6.5.3 数据安全管控178
6.5.4 数据安全审计182
本章小结183
本章习题183
第7章 数据应用185
7.1 数据分析186
7.1.1 数据分析的概念186
7.1.2 数据分析类型187
7.1.3 数据分析方法187
7.2 数据共享192
7.2.1 数据共享的概念192
7.2.2 数据共享的主要活动195
7.2.3 数据共享价值评估198
7.3 数据开放198
7.3.1 数据开放的概念198
7.3.2 数据开放的主要活动200
7.3.3 数据开放价值评估200
7.4 数据赋能业务的典型场景201
7.4.1 数据驱动业务202
7.4.2 数据赋能管理202
7.4.3 商业模式创新203
7.5 数据分析关键技术204
7.5.1 数据可视化205
7.5.2 统计分析212
7.5.3 机器学习217
7.5.4 知识图谱220
本章小结226
本章习题226
第8章 数据治理价值评估228
8.1 数据治理价值评估的概念229
8.2 数据治理价值评估的原则229
8.3 业务价值评估230
8.3.1 数据治理对业务活动的影响和
贡献230
8.3.2 业务价值评估方法232
8.4 成本效益评估232
8.4.1 数据治理对成本效益的影响和
贡献232
8.4.2 成本效益评估方法233
8.5 风险管理评估234
8.5.1 数据治理对风险管理的影响和
贡献234
8.5.2 风险管理评估方法235
8.6 组织能力评估235
8.6.1 组织在数据治理能力方面的评估
内容235
8.6.2 组织能力评估方法236
8.7 持续改进评估236
8.7.1 数据治理的持续改进效果的评估
内容236
8.7.2 数据治理的持续改进效果的评估
方法238
8.8 价值评估工作的开展239
8.8.1 确定评估目标239
8.8.2 确定评估指标240
8.8.3 收集数据241
8.8.4 分析数据242
8.8.5 解释结果243
8.8.6 编写评估报告243
8.8.7 反馈和改进244
本章小结245
本章习题245

保 障 篇

第9章 数据治理组织、制度与
规范247
9.1 数据治理组织248
9.1.1 数据治理组织的概念248
9.1.2 数据治理组织的作用250
9.1.3 数据认责机制251
9.1.4 数据治理沟通256
9.2 数据治理制度与规范258
9.2.1 数据治理制度的概念及作用258
9.2.2 数据治理规范的概念及作用262
本章小结267
本章习题267
第10章 数据治理文化268
10.1 数据治理文化的概念269
10.2 数据治理文化的建立269
10.2.1 意识和认知269
10.2.2 领导力和支持270
10.2.3 沟通和培训272
10.2.4 合作和协作273
10.2.5 激励和奖励274
10.2.6 监督和评估275
10.3 数据文化与数据治理框架276
本章小结277
本章习题278
第11章 数据治理工具279
11.1 数据采集工具280
11.2 数据存储工具280
11.2.1 开源的关系数据库280
11.2.2 开源的分析数据存储工具281
11.2.3 开源大数据存储工具281
11.2.4 开源知识图谱存储工具282
11.3 数据管理工具283
11.3.1 开源元数据管理工具283
11.3.2 开源主数据管理工具283
11.3.3 开源数据模型管理工具283
11.3.4 开源数据质量管理工具284
11.4 数据应用工具284
11.4.1 数据可视化工具284
11.4.2 数据分析工具285
11.4.3 AI工具285
本章小结286
本章习题286

典型案例篇

第12章 某能源企业数据治理288
12.1 项目背景289
12.2 建设方案289
12.3 建设效果294
第13章 某制造企业数据治理295
13.1 项目背景296
13.2 企业数据治理痛点296
13.3 业务数据现状分析296
13.4 数据治理建设目标297
13.5 数据生态解决方案297
13.6 数据治理实施成果298
13.7 业务应用场景的实现成果300
13.8 经验总结301
第14章 某金融企业数据治理302
14.1 项目背景303
14.2 企业面临的挑战303
14.3 建设方案303
14.4 实施成果306
参考文献307