互联网
类型
可以朗读
语音朗读
299千字
字数
2025-02-01
发行日期
展开全部
主编推荐语
本书详解数据中台建设，以实战案例赋能各行业。
内容简介
本书从追溯数据中台的起源与发展脉络，到从多视角、绘蓝图、资源化和资产化等多方面设计满足业务需求的数据中台框架，再到全方位探讨数据的交易与流通、智能算法的应用，以及"1NN”决策分析框架的应用，汇聚了我们在大数据实践过程中的经验、教训和方法。
本书理论与实践相结合，包含大量真实的案例，从金融服务的风险控制，到制造业的供应链优化，再到零售业的个性化营销，通过大量鲜活的实例为读者提供极具价值的参考与启示。不论是企业经营者、数据管理者，还是技术实践者、数据爱好者，都能从中受益。
目录
- 版权信息
- 内容简介
- 本书编委会
- 序言1 走好选择的路，不选好走的路
- 序言2 再谈数据的价值
- 序言3 从方法到思维，从数据到价值
- 前言
- 第1章 再出发：数据中台的萌芽与蜕变
- 1.1 理念起源：中台思维的初步形成
- 1.2 标准确立：OneData体系的升级
- 1.3 平台构建：OneData与数据中台的融合
- 1.4 转型深化：数据中台的新变革
- 1.5 持续进化：数据中台的未来发展
- 第2章 多视角：从千行百业中的问题出发
- 2.1 CXO视角：数据中台的战略考量
- 2.1.1 数据中台的实质分析
- 2.1.2 数据中台的目标与价值体现
- 2.1.3 组织与人才在数据中台建设中的作用
- 2.2 数据管理者视角：数据中台的运维与治理
- 2.2.1 数据中台业务价值评估与团队认同
- 2.2.2 数据资源的高效利用与成本控制
- 2.2.3 数据治理实践与数据质量提升
- 2.3 数据消费者视角：数据中台的使用体验
- 2.3.1 优化数据搜索效率与用户体验
- 2.3.2 提高数据质量与数据可信度
- 第3章 绘蓝图：数据中台的思维与框架
- 3.1 跨越十年：数据中台的演进与本质思考
- 3.1.1 应变之道：面对变革的策略选择
- 3.1.2 双轨并进：数据构建与应用的协同演进
- 3.2 数据中台思维：战略·价值·运营
- 3.2.1 战略为先：顶层设计与渐进迭代
- 3.2.2 价值导向：业务共振与价值生成
- 3.2.3 运营为核：数据中台的建设策略
- 3.3 数据中台框架：从顶层设计到价值实现
- 3.3.1 顶层设计：塑造战略导向，组织敏捷与文化创新
- 3.3.2 资源化：构建稳健数据架构与高效建设机制
- 3.3.3 资产化：深化数据管理与治理，实现数据资产增值
- 3.3.4 要素化：促进数据交易与流通，激活数据市场活力
- 3.3.5 价值化：智能决策赋能，驱动业务创新与增长
- 第4章 资源化：数据架构与建设
- 4.1 数据架构的时光机：阿里巴巴视角下的演变
- 4.1.1 开启旅程：孵化期的业务数据启蒙
- 4.1.2 蓄势待发：萌芽期的独立引擎与离线仓库
- 4.1.3 迈向未来：迭代期的实时计算革命
- 4.1.4 筑梦成真：成熟期的OneData与数据中台
- 4.1.5 引领变革：变革期的湖仓一体架构
- 4.1.6 迎接挑战：大模型驱动的数据进化
- 4.2 数据架构模式的前沿探索
- 4.2.1 分布式之美：Data Mesh的领域驱动
- 4.2.2 织就数据网：Data Fabric的统一数据体验
- 4.2.3 敏捷运维之道：DataOps的持续改进
- 4.2.4 数据中台：企业级数据治理的典范
- 4.3 数据架构的理论基石与设计原则
- 4.3.1 数据架构的本质与价值
- 4.3.2 数据模型架构设计的原则与方法
- 4.3.3 解析数据平台架构设计的关键要素与实践
- 4.4 数据架构案例：达米公司的数据架构建设实践
- 4.4.1 业务布局与数字化转型需求
- 4.4.2 如何规划企业级数据仓库
- 4.4.3 如何克服数据“孤岛”，实现数据集成
- 4.4.4 如何构建和管理多模态数据资产
- 4.5 行业数据架构推荐与案例分析
- 4.5.1 金融行业：数据治理与合规挑战
- 4.5.2 汽车行业：大规模数据处理与分析
- 4.5.3 服饰行业：个性化数据服务与营销
- 第5章 资产化：数据治理与管理
- 5.1 数据治理概述
- 5.1.1 区分数据治理与数据管理
- 5.1.2 解析数据治理的核心问题
- 5.1.3 制定数据治理的目标
- 5.1.4 构建数据治理的框架
- 5.2 数据标准管理
- 5.2.1 数据标准的核心问题
- 5.2.2 “三流合一”的数据标准解决方案
- 5.2.3 数据标准的治理工具与平台
- 5.3 数据质量管理
- 5.3.1 数据质量管理的核心挑战
- 5.3.2 “三流合一”的数据质量管理模式
- 5.3.3 数据质量评价与优化机制
- 5.4 数据安全与流通管理
- 5.4.1 数据安全合规面临的核心挑战
- 5.4.2 数据安全治理的方法和框架
- 5.4.3 数据安全实践
- 5.5 数据成本管理
- 5.5.1 数据资源利用的核心挑战
- 5.5.2 资源治理闭环体系的构建
- 5.5.3 数据成本计量与模型设计
- 5.6 数据治理运营体系建设
- 5.6.1 阿里巴巴数据治理模式：“0-1-N”模式
- 5.6.2 数据治理的人才体系及培训机制
- 5.6.3 数据治理的管理机制优化
- 5.6.4 数据治理的文化建设与宣导
- 第7章 大模型：数据与智能算法
- 7.1 从符号到大模型的AI跃迁
- 7.2 深度学习与数据驱动
- 7.2.1 深度学习模型的迭代与创新
- 7.2.2 数据到模型全流程优化路径
- 7.3 智能引擎在推荐系统、广告系统与搜索引擎中的应用
- 7.3.1 推荐系统的架构、链路与算法
- 7.3.2 计算广告体系的架构、链路与算法
- 7.3.3 搜索系统的架构、链路与算法
- 7.4 大模型时代的革新与发展
- 7.4.1 语言模型：从Word2Vec到通义千问
- 7.4.2 多模态大模型：从学习到生成模型
- 7.4.3 AI Agent：革新、架构与行业应用探索
- 7.5 大数据赋能大模型创新与突破
- 7.5.1 数据规模，大模型演化的关键
- 7.5.2 检索增强，大模型可信化的基石
- 7.5.3 数据资产，大模型效能的催化剂
- 7.6 大模型赋能Quick BI
- 7.6.1 Quick BI，数据洞察的智慧平台
- 7.6.2 Quick BI与智能小Q
- 7.6.3 Quick BI的底层核心能力
- 第6章 要素化：数据的交易与流通
- 6.1 构建企业内部数据消费生态体系
- 6.1.1 数据资源化：激活数据价值的引擎
- 6.1.2 场景价值导向：驱动数据消费的深化与拓展
- 6.1.3 数据运营：企业数字化转型的基石与引擎
- 6.1.4 阿里巴巴大促：数据驱动下的精细化运营实践
- 6.2 布局企业外部数据流通生态体系
- 6.2.1 如何高效整合外部数据资源
- 6.2.2 数据资产商业化的策略与挑战
- 6.2.3 瓴羊港：企业数据流通的服务枢纽
- 6.3 数据流通的深化合规与技术融合
- 6.3.1 多维合规视角下的数据流通治理
- 6.3.2 合规与技术驱动的协同机制
- 6.4 数据资产入表
- 6.4.1 数据资产入表的定义与会计处理依据
- 6.4.2 数据资产入表的重要性
- 6.4.3 数据资产入表的条件
- 6.4.4 数据资产入表的步骤
- 6.4.5 数据资产入表的准备工作
- 第8章 价值化：数据驱动下的智能决策
- 8.1 “1NN”决策体系框架：构建企业数智管理内核
- 8.1.1 一套数据语言体系：打造企业内部的“神经中枢”（“1”）
- 8.1.2 N层决策分析核心架构：从战略到执行的准确映射（“N”）
- 8.1.3 N个决策分析关键要素：确保数据语言准确高效（“N”）
- 8.2 “1NN”决策体系建设思路：推动数智管理的设计与实施
- 8.2.1 “1NN”决策体系建设的三大关键支柱
- 8.2.2 “1NN”决策体系建设的实施路径及步骤
- 8.3 数智管理案例：“1NN”决策体系在业务场景中的应用
- 8.3.1 业务痛点及核心需求分析
- 8.3.2 “1NN”决策体系解决方案：定制化应对策略
- 8.4 业财一体化案例：“1NN”决策体系数智化重塑业财融合
- 8.4.1 业务痛点及核心需求
- 8.4.2 “1NN”决策体系的业财解决方案
- 8.4.3 案例总结：业财融合的成功实践
- 8.5 人力资源数智化案例：“1NN”决策体系重塑人力资源管理体系
- 8.5.1 背景与需求
- 8.5.2 关键要素分析
- 8.5.3 人力资源管理的转型
- 8.5.4 人效金字塔方法论
- 第9章 价值化：数据驱动产销协同
- 9.1 数智产销的发展进阶
- 9.1.1 初始期：业务流程驱动管理
- 9.1.2 发展期：决策分析驱动管理
- 9.1.3 变革期：数据智能驱动管理
- 9.2 数智产销协同化
- 9.2.1 产销的“1NN”决策体系设计
- 9.2.2 产销的PLM智能决策设计
- 9.3 数智化产销决策实战案例
- 9.3.1 新品企划：宠物用品从洞察到爆品的实战路径
- 9.3.2 商品铺货：小家电的精细化管理实践
- 9.3.3 需求预测：供应链优化的实战案例
- 9.3.4 精准补调：瓴羊赋能快消品供应链优化
- 第10章 价值化：多源数据融合的智能营销探索
- 10.1 多源数据融合的价值场景案例
- 10.1.1 营销服务的痛点透视与核心需求解析
- 10.1.2 RTA构建高效广告投放优化实战
- 10.1.3 LBS数据赋能品牌跨渠道协同效应
- 10.2 多源数据融合的关键技术
- 10.2.1 通过OneID建立标签画像
- 10.2.2 Embedding的两种形式
- 10.2.3 隐私计算与联邦学习
- 10.2.4 DataTrust：如何实现数据可用不可见
- 第11章 先行者：数据文化与组织建设
- 11.1 不同企业数据战略下的组织设计
- 11.1.1 以“数据能力建设”为导向的组织设计
- 11.1.2 以成为“客户运营商”为战略的组织设计
- 11.1.3 面向“数据商业”的组织设计
- 11.2 阿里巴巴的数据组织与文化运营
- 11.2.1 阿里巴巴数据组织的发展历程
- 11.2.2 数据岗位的设定与标准
- 11.2.3 数据文化的酝酿与繁荣
- 11.3 数据组织与文化保障企业数据战略落地
- 11.3.1 数据组织及文化建设的关键点
- 11.3.2 企业数据组织建设与数据文化运营的建议
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
