数据要素化时代的数据治理

**篇 数据治理新趋势

第 1 章 DataOps 的发展趋势及实践探索 3

1.1 DataOps 促进数字化转型 3

1.2 DataOps 的发展与特点 5

1.3 DataOps 的实践探索 7

1.4 未来展望 11

第 2 章 数据要素时代产业级数据治理新趋势 12

2.1 数据治理发展背景 12

2.2 数据治理分类定义 13

2.3 数据治理发展趋势与挑战 14

2.4 数据治理创新变革思路 14

2.5 产业级数据治理势在必行 15

2.6 产业级数据价值内涵 16

2.7 产业级数据治理的重要意义 18

第 3 章 数据治理进阶——场景化、工程化、智能化 20

3.1 数据治理现状：超过 90%的数据治理项目失败 20

3.2 场景化：数据治理行业痛点的对症处方 21

3.3 工程化：数据治理流水线和标准化 22

3.4 智能化：数据治理自动化和去低端人工化 24

3.5 数据治理标杆项目实践分享 25

第 4 章 数据资产安全运营和演进趋势 27

4.1 数据资产运营 27

4.2 数据安全分类分级 32

4.3 业务架构与数据架构一体化 34

4.4 集团型企业数据治理的 3 种模式 36

第二篇 新理论、新方法和新技术

第 5 章 数业的逻辑及路径 39

5.1 何为数业 39

5.2 何以数业 41

5.3 数业逻辑 42

5.4 数业之路 44

第 6 章 业务驱动的数据治理闭环管理方法 46

6.1 数据治理的现状与目标 46

6.2 数据治理的内容 47

6.3 数据治理的规划 47

6.4 业务驱动数据治理的落地 48

6.5 总结与展望 54

第 7 章 数据资产价值呈现之道 55

7.1 数字化转型带来的数据变革 55

7.2 数智时代的开启 57

7.3 数据实验室的构建 58

7.4 业务分析工具集的提供 59

7.5 AI 场景化能力的全流程覆盖 59

7.6 AI 自动化业务平台必须具备的能力 60

7.7 数据安全底线保证 60

第 8 章 数据治理的共治共享 62

8.1 共治共享的定义 62

8.2 共治共享的必要性 63

8.3 共治共享的可行性 64

第 9 章 价值驱动的精益数据治理 67

9.1 数据治理是数字化转型的“德尔斐神谕” 67

9.2 数据治理项目的六大挑战 68

9.3 六大挑战的四大应对策略 69

9.4 精益数据方法打造价值驱动的数据治理 69

9.5 精益数据治理的六大新范式 71

9.6 精益数据治理工作坊实现业技融合的数据治理 72

第 10 章 数据治理的“新四化” 74

10.1 数据治理的现状和挑战 74

10.2 数据治理“新四化”实践探索 76

10.3 数据治理落地见效的行动建议 82

第三篇 新型数据基础设施

第 11 章 平安人寿数据中台建设实践 87

11.1 平安人寿数据中台的发展及全景规划 87

11.2 平安人寿数据中台的实施方案 90

11.3 平安人寿数据中台的建设成果 102

第 12 章 阿里巴巴数据治理平台建设实践 103

12.1 数据繁荣的红利与挑战 103

12.2 阿里巴巴数据治理平台建设的主要实践 108

12.3 阿里巴巴数据治理平台建设的总结与展望 143

第 13 章 后 Hadoop 时代的数据分析之道 146

13.1 从基础架构看数据治理的现状 146

13.2 从数据仓库到湖仓融合架构的演进 147

13.3 下一代数据分析引擎的建设方向 148

13.4 新一代极速湖仓分析引擎 149

13.5 客户案例分享 153

第四篇 行业数据治理与数据安全治理

第 14 章 高校数据治理工程化探索与实践 157

14.1 高校数据工程建设背景 157

14.2 数据治理工程化指导思想 158

14.3 “388”数据治理工程管理体系 159

14.4 数据治理工程人员培养 161

14.5 数据治理工程化实施效果 164

14.6 数据治理工程化典型案例 165

14.7 下一步的思考与展望 167

第 15 章 场景化数据治理助推“智校”提升 169

15.1 高校数据治理体系的建设背景 169

15.2 高校数据治理体系的建设思路 170

15.3 高校场景化数据治理方案 176

第 16 章 数字化时代数据安全运营的探索与实践 179

16.1 数字化时代数据安全面临新挑战 179

16.2 数字化时代数据安全运营体系建设的理念和架构 180

16.3 数据安全运营体系建设的 7 项关键举措 182

16.4 数据安全运营体系的建设过程与成效 184

第 17 章 数据质量问题解决之道 186

17.1 解决数据质量问题所面临的挑战 186

17.2 数据质量管理方法论 187

17.3 “四驾马车”赋能数据质量问题解决 191

17.4 全流程管控助力数据质量长效管理 194

第五篇 企业*佳实践

第 18 章 中国石化的数据治理框架、方法和效果 199

18.1 中国石化的数据治理概述 200

18.2 中国石化的数据治理总体框架 201

18.3 中国石化的数据治理效果 208

18.4 中国石化的数据治理工作展望 210

第 19 章 金融业数据资产化时代的数据治理新实践 212

19.1 金融业数据管理迈入数据资产化新时代 212

19.2 数据管理技术上云成为重要发展趋势 213

19.3 金融客户数据管理热点涌现 213

19.4 “1 2 3”数据治理体系框架 214

19.5 基于自主创新的“源启”数据资产平台全力推动企业数据资产化过程 216

19.6 数据治理的*佳实践 217

19.7 数据治理的后续发展方向 219

第 20 章 中国联通：深化落实数据战略，助力企业数字化转型 221

20.1 数字化转型是国家重要战略 222

20.2 企业数字化转型的重点问题与挑战 222

20.3 数据战略落地的十大关键步骤 223

20.4 中国联通数据战略实施的经验总结 229