4.3 用户推荐指数
计算机
类型
7.4
豆瓣评分
可以朗读
语音朗读
328千字
字数
2019-01-01
发行日期
展开全部
主编推荐语
数据治理:概念、实施、技术与发展前景
内容简介
全书共分四篇13章，第一概念篇，引入数据治理的概念，阐述主数据驱动的数据治理框架及数据治理过程。第二实施篇，讨论数据治理项目的准备工作，说明数据治理项目的运维和管理。第三技术篇，提供数据治理的架构模型，着重介绍数据治理、数据集成、数据质量、数据安全以等技术。第四发展篇，对数据治理应用前景进行展望。
目录
- 封面页
- 书名页
- 版权页
- 作者简介
- 内容简介
- 编审委员会
- 序FOREWORD
- 前言PREFACE
- 目录
- 第一篇 数据治理概念
- 第1章 数据治理概述
- 1.1 数据治理背景
- 1.2 数据资产和数据管理
- 1.2.1 数据资产的概念和重要性
- 1.2.2 数据资产的构成
- 1.2.3 数据管理的内容、现状和问题
- 1.3 数据治理的目标和挑战
- 1.3.1 数据治理的概念
- 1.3.2 数据治理的目标
- 1.3.3 数据治理的挑战
- 1.4 数据治理的核心内容
- 1.4.1 数据治理的内容
- 1.4.2 数据治理的基本过程
- 1.4.3 数据治理的重点
- 1.5 数据治理的评估——成熟度模型
- 1.5.1 数据管理的成熟度模型
- 1.5.2 您的企业需要数据治理吗
- 第2章 主数据和主数据管理
- 2.1 主数据的概念
- 2.1.1 主数据的定义
- 2.1.2 主数据的特征
- 2.1.3 主数据的范围
- 2.2 主数据管理的概念
- 2.2.1 主数据管理的定义
- 2.2.2 主数据管理体系
- 2.2.3 主数据管理系统的功能
- 2.3 主数据管理的意义
- 2.3.1 主数据管理的必要性
- 2.3.2 主数据管理的意义
- 第3章 主数据驱动的数据治理
- 3.1 数据治理框架
- 3.1.1 国际标准化组织
- 3.1.2 国际数据管理协会
- 3.1.3 国际数据治理研究所
- 3.1.4 IBM数据治理委员会
- 3.1.5 中国电子工业标准化技术协会信息技术服务分会
- 3.1.6 现有数据治理框架的局限
- 3.2 主数据驱动的数据治理框架
- 3.2.1 治理思路和治理目标
- 3.2.2 治理框架
- 3.2.3 技术架构
- 3.3 主数据驱动的数据治理过程
- 3.3.1 过程框架
- 3.3.2 架构阶段
- 3.3.3 治理阶段
- 3.3.4 任务、角色、分工、职责
- 3.4 数据治理工具和系统选型
- 3.4.1 软件公司的行业实践
- 3.4.2 产品特性
- 3.4.3 软件公司的实力
- 3.4.4 软件公司的实施
- 3.4.5 软件的价格
- 第二篇 数据治理实施
- 第4章 主数据项目的准备
- 4.1 主数据项目实施的主要风险
- 4.1.1 组织风险
- 4.1.2 数据风险
- 4.1.3 集成风险
- 4.1.4 其他风险
- 4.2 数据治理管理组织
- 4.2.1 项目组织
- 4.2.2 人员配置
- 4.2.3 管控角色
- 4.2.4 管控流程
- 4.2.5 绩效考核
- 4.3 数据管理规范体系
- 4.3.1 主数据管理规范
- 4.3.2 主数据应用标准
- 第5章 主数据体系规划方法
- 5.1 主数据体系规划的任务和步骤
- 5.1.1 主数据体系规划的任务
- 5.1.2 主数据体系规划的步骤
- 5.2 主数据体系评估方法论
- 5.2.1 主数据管理成熟度模型
- 5.2.2 主数据管理成熟度模型的评价指标
- 5.2.3 主数据管理成熟度评估方法
- 5.3 现状调研与需求分析
- 5.3.1 现状调研
- 5.3.2 现状评估与差距分析
- 5.3.3 需求分析
- 5.4 主数据识别分析方法
- 5.4.1 多因素分析方法
- 5.4.2 主数据类型识别分析
- 5.4.3 主数据元属性识别分析
- 5.5 主数据体系规划设计
- 5.6 主数据体系架构设计
- 5.6.1 主数据管控体系
- 5.6.2 主数据标准体系
- 5.6.3 主数据质量体系
- 5.6.4 主数据安全体系
- 5.7 主数据管理实施规划
- 5.7.1 实施策略
- 5.7.2 实施计划
- 5.7.3 投资预算
- 第6章 主数据项目实施步骤
- 6.1 实施方法概述
- 6.1.1 传统软件开发项目的实施方法
- 6.1.2 主数据项目的实施方法
- 6.2 项目实施阶段的主要任务
- 6.2.1 第一阶段：体系规划阶段
- 6.2.2 第二阶段：平台实施阶段
- 6.3 各主要阶段的任务分工
- 6.3.1 项目启动与需求调研阶段
- 6.3.2 体系规划与架构设计阶段
- 6.3.3 标准建立及主数据平台设计阶段
- 6.3.4 客户化设计、开发、测试、数据清洗阶段
- 6.3.5 系统上线启用阶段
- 6.3.6 系统运维与持续优化阶段
- 6.4 数据准备
- 6.4.1 数据准备方案制订
- 6.4.2 数据采集
- 6.4.3 数据清洗
- 6.4.4 数据导入
- 6.5 人员培训
- 6.6 程序设计
- 6.6.1 程序设计的基本要求
- 6.6.2 程序设计方法
- 6.6.3 产品定制开发
- 6.7 系统集成
- 6.7.1 系统集成架构
- 6.7.2 集成流程
- 6.7.3 系统集成技术
- 6.8 系统测试
- 6.9 系统试运行及上线
- 6.9.1 系统试运行
- 6.9.2 系统切换
- 6.10 系统评价
- 6.11 项目管理
- 第7章 主数据项目的运维和管理
- 7.1 主数据运维管理体系
- 7.1.1 主数据运维管理组织
- 7.1.2 主数据运维管理流程
- 7.2 主数据运维管理内容
- 7.2.1 主数据模型运维管理
- 7.2.2 主数据工作流运维管理
- 7.2.3 主数据生命周期运维管理
- 7.2.4 主数据质量运维管理
- 7.2.5 平台基础服务运维管理
- 7.2.6 主数据存储运维管理
- 7.2.7 数据库系统运维服务
- 7.2.8 主数据安全运维管理
- 7.2.9 基于云服务的运维管理
- 7.3 主数据运维应急响应措施
- 7.4 对外部供应商的运维要求
- 第8章 典型主数据管理产品及实施案例
- 8.1 主数据管理系统模式的分类
- 8.1.1 基于ETL工具的主数据应用
- 8.1.2 基于SOA的主数据管理平台
- 8.2 典型产品和解决方案及其对比
- 8.2.1 SunwayWorld的主数据全生命周期管理平台
- 8.2.2 SAP的MDM解决方案
- 8.2.3 IBM的MDM解决方案
- 8.2.4 Oracle的MDM解决方案
- 8.2.5 Informatica MDM解决方案
- 8.2.6 产品对比
- 8.3 先进企业的主数据管理现状
- 8.4 主数据典型应用案例介绍
- 8.4.1 石油行业应用举例——某大型石油总公司的主数据管理
- 8.4.2 煤炭行业应用举例——某大型能源集团公司的主数据管理
- 8.4.3 有色金属行业应用举例——某大型有色金属公司的主数据管理
- 8.4.4 建筑行业应用举例——某大型建筑股份有限公司的主数据管理
- 8.4.5 航空航天行业应用举例——某航天建设集团有限公司的主数据管理
- 8.4.6 基建行业应用举例——某工程建设有限责任公司的主数据管理
- 8.4.7 电器行业应用举例——某大型电器集团的主数据管理
- 8.4.8 机械制造行业应用举例——某大型饲料机械集团的主数据管理
- 8.4.9 水泥行业应用举例——某水泥控股有限公司的主数据管理
- 8.4.10 交通运输行业应用举例——某交通投资建设有限公司的主数据管理
- 8.4.11 政府部门主数据应用举例——某省经信委项目的主数据管理
- 第三篇 数据治理技术
- 第9章 数据架构和模型
- 9.1 数据架构
- 9.1.1 数据架构规划
- 9.1.2 数据架构设计
- 9.2 数据模型
- 9.2.1 数据模型的定义
- 9.2.2 数据模型的类型
- 9.2.3 数据的物理特征
- 9.2.4 元数据模型
- 9.2.5 主数据模型
- 9.2.6 信息链和信息生命周期
- 9.2.7 数据谱系和影响分析
- 第10章 数据集成
- 10.1 企业应用集成
- 10.1.1 企业应用集成的概念
- 10.1.2 企业应用集成的分类
- 10.1.3 企业应用集成的方法
- 10.1.4 企业服务总线
- 10.1.5 微服务架构
- 10.2 数据集成交换服务
- 10.2.1 制定数据集成交换规范和架构
- 10.2.2 搭建数据交换平台
- 10.2.3 实现数据交换管理
- 10.3 构建数据服务体系
- 10.4 形成数据资产全局视图
- 第11章 数据质量管理
- 11.1 数据质量的定义
- 11.1.1 数据质量
- 11.1.2 数据质量维度
- 11.1.3 数据质量评估
- 11.1.4 数据剖析
- 11.1.5 数据质量问题和数据管理问题
- 11.1.6 合理性检查
- 11.1.7 数据质量阈值
- 11.1.8 过程控制
- 11.1.9 联机数据质量的检测和监控
- 11.2 数据质量评估框架
- 11.2.1 数据质量评估框架的背景
- 11.2.2 数据质量评估框架的范围
- 11.2.3 数据质量评估框架的质量维度
- 11.2.4 数据质量期望
- 11.3 数据质量评估测量类型
- 11.3.1 数据模型的一致性
- 11.3.2 数据内容的有效性
- 11.3.3 评估数据内容的一致性
- 11.4 数据评估方案
- 11.4.1 数据初步评估
- 11.4.2 数据质量改进评估
- 11.4.3 数据质量持续改进
- 11.5 数据质量战略
- 11.5.1 数据质量战略的概念
- 11.5.2 数据战略和数据质量战略
- 11.5.3 把数据作为资产
- 11.5.4 监控数据质量
- 第12章 主数据全生命周期管理
- 12.1 主数据全生命周期管理及意义
- 12.2 主数据全生命周期管理内容
- 12.2.1 数据申请
- 12.2.2 数据审核
- 12.2.3 数据变更
- 12.2.4 数据集成和数据分发
- 12.2.5 数据查询
- 12.2.6 数据归档
- 12.3 数据清洗管理
- 12.3.1 数据清洗的内容
- 12.3.2 数据清洗的一般过程
- 12.3.3 数据清洗的工具
- 12.4 建立主数据全生命周期管理体系
- 12.4.1 概述
- 12.4.2 建立信息架构
- 12.4.3 发现数据对象
- 12.4.4 分类数据对象和定义服务水平
- 12.4.5 建立测试数据管理策略
- 12.4.6 归档数据
- 第13章 数据安全管理
- 13.1 数据安全的意义和作用
- 13.1.1 数据安全的概念
- 13.1.2 数据安全的意义和作用
- 13.2 数据安全的关键内容
- 13.2.1 数据存储安全
- 13.2.2 数据传输安全
- 13.2.3 数据使用安全
- 13.3 数据隐私保护
- 13.3.1 数据隐私保护的意义和作用
- 13.3.2 数据隐私保护面临的问题和挑战
- 13.3.3 数据隐私保护技术
- 第四篇 数据治理前景
- 第14章 主数据管理应用前景展望
- 14.1 主数据管理应用市场发展趋势
- 14.2 大数据时代的主数据管理
- 14.2.1 大数据的定义和特征
- 14.2.2 大数据时代企业管理的新模式
- 14.2.3 主数据管理在大数据分析中的作用
- 14.2.4 大数据对主数据管理的挑战
- 14.3 基于云服务的主数据管理
- 14.3.1 云服务的定义和发展现状
- 14.3.2 主数据管理的云服务模式
- 14.3.3 主数据管理云服务平台的技术基础
- 14.3.4 云服务对企业主数据管理的影响
- 14.4 面向人工智能的主数据管理
- 14.4.1 人工智能的定义及应用领域
- 14.4.2 人工智能在企业中的实践
- 14.4.3 主数据管理与人工智能的关系
- 14.4.4 主数据管理在人工智能中的作用
- 14.5 区块链技术与主数据管理
- 14.5.1 区块链的定义及特征
- 14.5.2 区块链技术的应用领域
- 14.5.3 区块链技术在主数据管理中的应用
- 14.6 主数据管理——企业发展的坚实根基
- 附录CD
展开全部
评分及书评
4.3
3个评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
