第一篇 數據治理新趨勢

第 1 章 DataOps 的發(fā)展趨勢及實踐探索 3

1.1 DataOps 促進數字化轉型 3

1.2 DataOps 的發(fā)展與特點 5

1.3 DataOps 的實踐探索 7

1.4 未來展望 11

第 2 章 數據要素時代產業(yè)級數據治理新趨勢 12

2.1 數據治理發(fā)展背景 12

2.2 數據治理分類定義 13

2.3 數據治理發(fā)展趨勢與挑戰(zhàn) 14

2.4 數據治理創(chuàng)新變革思路 14

2.5 產業(yè)級數據治理勢在必行 15

2.6 產業(yè)級數據價值內涵 16

2.7 產業(yè)級數據治理的重要意義 18

第 3 章 數據治理進階場景化、工程化、智能化 20

3.1 數據治理現狀：超過 90%的數據治理項目失敗 20

3.2 場景化：數據治理行業(yè)痛點的對癥處方 21

3.3 工程化：數據治理流水線和標準化 22

3.4 智能化：數據治理自動化和去低端人工化 24

3.5 數據治理標桿項目實踐分享 25

第 4 章 數據資產安全運營和演進趨勢 27

4.1 數據資產運營 27

4.2 數據安全分類分級 32

4.3 業(yè)務架構與數據架構一體化 34

4.4 集團型企業(yè)數據治理的 3 種模式 36

第二篇 新理論、新方法和新技術

第 5 章 數業(yè)的邏輯及路徑 39

5.1 何為數業(yè) 39

5.2 何以數業(yè) 41

5.3 數業(yè)邏輯 42

5.4 數業(yè)之路 44

第 6 章 業(yè)務驅動的數據治理閉環(huán)管理方法 46

6.1 數據治理的現狀與目標 46

6.2 數據治理的內容 47

6.3 數據治理的規(guī)劃 47

6.4 業(yè)務驅動數據治理的落地 48

6.5 總結與展望 54

第 7 章 數據資產價值呈現之道 55

7.1 數字化轉型帶來的數據變革 55

7.2 數智時代的開啟 57

7.3 數據實驗室的構建 58

7.4 業(yè)務分析工具集的提供 59

7.5 AI 場景化能力的全流程覆蓋 59

7.6 AI 自動化業(yè)務平臺必須具備的能力 60

7.7 數據安全底線保證 60

第 8 章 數據治理的共治共享 62

8.1 共治共享的定義 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 價值驅動的精益數據治理 67

9.1 數據治理是數字化轉型的德爾斐神諭 67

9.2 數據治理項目的六大挑戰(zhàn) 68

9.3 六大挑戰(zhàn)的四大應對策略 69

9.4 精益數據方法打造價值驅動的數據治理 69

9.5 精益數據治理的六大新范式 71

9.6 精益數據治理工作坊實現業(yè)技融合的數據治理 72

第 10 章 數據治理的新四化 74

10.1 數據治理的現狀和挑戰(zhàn) 74

10.2 數據治理新四化實踐探索 76

10.3 數據治理落地見效的行動建議 82

第三篇 新型數據基礎設施

第 11 章 平安人壽數據中臺建設實踐 87

11.1 平安人壽數據中臺的發(fā)展及全景規(guī)劃 87

11.2 平安人壽數據中臺的實施方案 90

11.3 平安人壽數據中臺的建設成果 102

第 12 章 阿里巴巴數據治理平臺建設實踐 103

12.1 數據繁榮的紅利與挑戰(zhàn) 103

12.2 阿里巴巴數據治理平臺建設的主要實踐 108

12.3 阿里巴巴數據治理平臺建設的總結與展望 143

第 13 章 后 Hadoop 時代的數據分析之道 146

13.1 從基礎架構看數據治理的現狀 146

13.2 從數據倉庫到湖倉融合架構的演進 147

13.3 下一代數據分析引擎的建設方向 148

13.4 新一代極速湖倉分析引擎 149

13.5 客戶案例分享 153

第四篇 行業(yè)數據治理與數據安全治理

第 14 章 高校數據治理工程化探索與實踐 157

14.1 高校數據工程建設背景 157

14.2 數據治理工程化指導思想 158

14.3 388數據治理工程管理體系 159

14.4 數據治理工程人員培養(yǎng) 161

14.5 數據治理工程化實施效果 164

14.6 數據治理工程化典型案例 165

14.7 下一步的思考與展望 167

第 15 章 場景化數據治理助推智校提升 169

15.1 高校數據治理體系的建設背景 169

15.2 高校數據治理體系的建設思路 170

15.3 高校場景化數據治理方案 176

第 16 章 數字化時代數據安全運營的探索與實踐 179

16.1 數字化時代數據安全面臨新挑戰(zhàn) 179

16.2 數字化時代數據安全運營體系建設的理念和架構 180

16.3 數據安全運營體系建設的 7 項關鍵舉措 182

16.4 數據安全運營體系的建設過程與成效 184

第 17 章 數據質量問題解決之道 186

17.1 解決數據質量問題所面臨的挑戰(zhàn) 186

17.2 數據質量管理方法論 187

17.3 四駕馬車賦能數據質量問題解決 191

17.4 全流程管控助力數據質量長效管理 194

第五篇 企業(yè)最佳實踐

第 18 章 中國石化的數據治理框架、方法和效果 199

18.1 中國石化的數據治理概述 200

18.2 中國石化的數據治理總體框架 201

18.3 中國石化的數據治理效果 208

18.4 中國石化的數據治理工作展望 210

第 19 章 金融業(yè)數據資產化時代的數據治理新實踐 212

19.1 金融業(yè)數據管理邁入數據資產化新時代 212

19.2 數據管理技術上云成為重要發(fā)展趨勢 213

19.3 金融客戶數據管理熱點涌現 213

19.4 1 2 3數據治理體系框架 214

19.5 基于自主創(chuàng)新的源啟數據資產平臺全力推動企業(yè)數據資產化過程 216

19.6 數據治理的最佳實踐 217

19.7 數據治理的后續(xù)發(fā)展方向 219

第 20 章 中國聯通：深化落實數據戰(zhàn)略，助力企業(yè)數字化轉型 221

20.1 數字化轉型是國家重要戰(zhàn)略 222

20.2 企業(yè)數字化轉型的重點問題與挑戰(zhàn) 222

20.3 數據戰(zhàn)略落地的十大關鍵步驟 223

20.4 中國聯通數據戰(zhàn)略實施的經驗總結 229