×
暂无评论
图文详情
  • ISBN:9787111764663
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:216
  • 出版时间:2024-10-01
  • 条形码:9787111764663 ; 978-7-111-76466-3

本书特色

在当今这个数据驱动的时代,数据质量无疑是企业决策与业务发展的基石。然而,如何有效地提升数据质量,构建一个稳健、高效的数据体系,却是许多企业和数据从业者面临的共同挑战。这本书正是为解决这一难题而生。作者以深厚的行业经验和专业知识,精心提炼出一套实用的4步方法论,帮助读者从源头到终端,全方位地提升数据质量。这4步不仅逻辑清晰,易于理解,而且具有很强的可操作性,读者可以轻松地将其应用于实际工作中,取得立竿见影的效果。此外,书中还包含了大量来自各行各业的实战案例,这些案例不仅展示了数据质量提升的实际效果,更提供了宝贵的经验和教训,让读者在学习的过程中少走弯路,更快地掌握数据质量管理的精髓。总的来说,《数据质量实践手册:4步构建高质量数据体系》是一本极具价值的数据治理指南,它既有理论深度,又注重实践操作,无论是对数据新手还是专业人士,都是一本不可多得的佳作。我相信,通过这本书的学习,每一位读者都能在数据质量管理的道路上取得显著的进步,为企业的发展贡献自己的力量。

内容简介

高质量的数据关乎企业运营、合规、决策和业绩的关键,哈佛商业评论的一项研究发现,企业中只有3%的数据符合质量标准,绝大多数公司都在寻求切实可行的指导来提高数据质量。 本书作者基于多年在数据、数据分析和人工智能方面的实践经验,阐述了4步构建高质量数据体系。他提出了高质量数据的四阶段DARS方法(定义、评估、实现、持续)和10个数据质量*佳实践案例,以此来提高业务中的数据质量水平,为业务提供数据价值,保证生成的数据可以有效支持高级分析和人工智能。 在本书中,您将学习定义和评估数据质量的技术、标准和度量指标,了解如何确保公司的数据收集实践避免常见的陷阱。本书适合数据科学家、数据分析师、商业智能专业人士、首席技术官和数据官,以及对收集和使用高质量数据感兴趣的人士。对于有志成为首席数据官的各位读者,这是一本难得的宝典级书籍!

目录

目录
推荐序
前言
致谢
第1篇定 义 阶 段
第1章概述
1.1引言
1.2数据、数据分析、人工智能和业务绩效
1.3数据作为业务资产或负债
1.4数据治理、数据管理和数据质量
1.5领导层对数据质量的承诺
1.6关键要点
1.7结论
参考文献
第2章业务数据
2.1引言
2.2业务中的数据
2.3遥测数据
2.4数据在业务中的用途
2.5业务数据视角
2.6业务数据的关键特征
2.7关键数据元素
2.8关键要点
2.9结论
参考文献
第3章业务中的数据质量
3.1引言
3.2数据质量维度
3.3上下文中的数据质量
3.4数据质量不佳所产生的影响
3.5数据贬值及其影响因素
3.6IT系统中的数据
3.7数据质量和可信信息
3.8关键要点
3.9结论
参考文献
第2篇评 估 阶 段
第4章数据质量差的原因
4.1引言
4.2数据质量问题根本原因分析工具
4.3数据质量不佳的典型原因
4.4关键要点
4.5结论
参考文献
第5章数据生命周期和数据血缘
5.1引言
5.2数据生命周期
5.3数据血缘
5.4关键要点
5.5结论
参考文献
第6章数据质量分析
6.1引言
6.2数据剖析的标准
6.3测量中心性的数据剖析技术
6.4测量变异性的数据剖析技术
6.5整合中心性和变异性KPI
6.6关键要点
6.7结论
参考文献//数据质量实践手册:4步构建高质量数据体系目录//
第3篇实 现 阶 段
第7章数据质量参考架构
7.1引言
7.2数据质量解决方案
7.3DataOps
7.4数据产品
7.5数据编织和数据网格
7.6数据增强
7.7关键要点
7.8结论
参考文献
第8章数据质量*佳实践(一)
8.1引言
8.2*佳实践概述
8.3BP 1:确定业务KPI以及这些KPI和相关数据的所有权
8.4BP 2:建立和提高组织中的数据文化和素养
8.5BP 3:确定当前和期望的数据质量的状态
8.6BP 4:遵循极简主义原则的数据采集方法
8.7BP 5:选择并定义用于提高质量的数据属性
8.8BP 6:使用MDM系统中的数据标准采集和管理关键数据
8.9关键要点
8.10结论
参考文献
第9章数据质量*佳实践(二)
9.1引言
9.2BP 7:合理化和自动化关键数据元素的集成
9.3BP 8:定义SoR并在SoR/OLTP系统中安全地采集交易数据
9.4BP 9:构建和管理强大的数据集成能力
9.5BP 10:分发数据来源与洞察消费
9.6关键要点
9.7结论
参考文献
第4篇持 续 阶 段
第10章数据治理
10.1引言
10.2数据治理原则
10.3数据治理设计组件
10.4实施数据治理计划
10.5数据可观察性
10.6数据合规性——ISO 27001、SOC1和SOC2
10.7关键要点
10.8结论
参考文献
第11章数据保护
11.1引言
11.2数据分类
11.3存储相关的数据安全
11.4访问相关的数据安全
11.5关键要点
11.6结论
参考文献
第12章数据伦理
12.1引言
12.2数据伦理的定义
12.3数据伦理的重要性
12.4数据伦理的原则
12.5模型漂移中的数据伦理
12.6数据隐私
12.7管理数据伦理
12.8关键要点
12.9结论
参考文献
展开全部

作者简介

作者简介
普拉桑特 middot;苏特卡尔(Prashanth Southekal)
博士,知名的数据分析和人工智能顾问、作家和教授,曾为包括宝洁、通用电气、壳牌、苹果、联邦快递和SAP在内的80多家公司提供咨询服务。他是Data for Business Performance和Analytics Best Practices的作者,定期在Forbes和CFO University上发表关于数据分析和人工智能的文章。他是麻省理工学院CDOIQ研讨会的编辑委员会成员,也是硅谷风险投资公司BGV(Benhamou Global Ventures)的顾问委员会成员,还是IE商学院(西班牙马德里)的数据和分析副教授。CDO Magazine将他列入2022年全球75位学术数据领导者之列。除了从事咨询和顾问工作外,他还在全球培训了3000多名数据和分析专业人员。

译者简介
马欢作者简介 普拉桑特·苏特卡尔(Prashanth Southekal) 博士,知名的数据分析和人工智能顾问、作家和教授,曾为包括宝洁、通用电气、壳牌、苹果、联邦快递和SAP在内的80多家公司提供咨询服务。他是Data for Business Performance和Analytics Best Practices的作者,定期在Forbes和CFO University上发表关于数据分析和人工智能的文章。他是麻省理工学院CDOIQ研讨会的编辑委员会成员,也是硅谷风险投资公司BGV(Benhamou Global Ventures)的顾问委员会成员,还是IE商学院(西班牙马德里)的数据和分析副教授。CDO Magazine将他列入2022年全球75位学术数据领导者之列。除了从事咨询和顾问工作外,他还在全球培训了3000多名数据和分析专业人员。 译者简介 马欢 DAMA中国主席,DAMA中国数据管理社区主理人,获得CDMP Master认证,是《数据管理知识体系指南(DMBOK)》第1版和第2版的主要译者,对DAMA的数据管理知识体系有深刻的认识和理解,翻译了多部作品。 巫雪辉 资深数据架构师和数据团队管理者,获得CDMP Master认证,拥有超过20年的数据管理领域的项目实施经验,职业生涯一直专注于大数据技术的研发、应用和创新,特别是在数据治理和数据质量管理方面,积累了丰富的项目实践经验和深入的技术见解。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航