管理学
类型
8.2
豆瓣评分
可以朗读
语音朗读
441千字
字数
2020-05-01
发行日期
展开全部
主编推荐语
《DAMA数据管理知识体系指南》权威总结30年数据管理实践，适合各领域人士阅读。
内容简介
《DAMA数据管理知识体系指南（原书第2版）》是DAMA国际（DAMA International）组织专家对过去30多年数据管理领域知识和实践的总结，是一部综合了数据管理方方面面具有权威性的基础工具书。本书从数据治理、数据架构、数据质量、数据安全、主数据管理、参考数据管理、元数据管理、商务智能和数据参考管理、数据建模设计、数据存储和操作、数据集成和互操作、文档和内容管理、大数据、数据管理人员的道德要求等方面介绍了数据管理的知识体系。DMBOK已经成为数据管理领域的“圣经”，是指导个人知识体系完善和企业数据管理能力建设的重要文献。本书适合各种组织负责信息化和数字化转型的领导（如CIO、CDO），从事数据管理的各种技术及业务人员，工作中涉及数据的会计、法律、咨询、教育、政务等领域的人士阅读。同时，也可作为高校MBA和计算机专业教学用书。
目录
- 版权信息
- 本书翻译组
- 中文版序一
- 中文版序二
- 原版序
- 第1章 数据管理
- 1.1 引言
- 1.1.1 业务驱动因素
- 1.1.2 目标
- 1.2 基本概念
- 1.2.1 数据
- 1.2.2 数据和信息
- 1.2.3 数据是一种组织资产
- 1.2.4 数据管理原则
- 1.2.5 数据管理的挑战
- 1.2.6 数据管理战略
- 1.3 数据管理框架
- 1.3.1 战略一致性模型
- 1.3.2 阿姆斯特丹信息模型
- 1.3.3 DAMA-DMBOK框架
- 1.3.4 DMBOK金字塔（Aiken）
- 1.3.5 DAMA数据管理框架的进化
- 1.4 DAMA和DMBOK
- 1.5 文献引用与推荐
- 第2章 数据处理伦理
- 2.1 引言
- 2.2 业务驱动因素
- 2.3 基本概念
- 2.3.1 数据伦理准则
- 2.3.2 数据隐私法背后的原则
- 2.3.3 在线数据的伦理环境
- 2.3.4 违背伦理进行数据处理的风险
- 2.3.5 建立数据伦理文化
- 2.3.6 数据伦理和治理
- 2.4 文献引用与推荐
- 第3章 数据治理
- 3.1 引言
- 3.1.1 业务驱动因素
- 3.1.2 目标和原则
- 3.1.3 基本概念
- 3.2 活动
- 3.2.1 规划组织的数据治理
- 3.2.2 制定数据治理战略
- 3.2.3 实施数据治理
- 3.2.4 嵌入数据治理
- 3.3 工具和方法
- 3.3.1 线上应用/网站
- 3.3.2 业务术语表
- 3.3.3 工作流工具
- 3.3.4 文档管理工具
- 3.3.5 数据治理记分卡
- 3.4 实施指南
- 3.4.1 组织和文化
- 3.4.2 调整与沟通
- 3.5 度量指标
- 3.6 文献引用与推荐
- 第4章 数据架构
- 4.1 引言
- 4.1.1 业务驱动因素
- 4.1.2 数据架构成果和实施
- 4.1.3 基本概念
- 4.2 活动
- 4.2.1 建立企业数据架构
- 4.2.2 整合其他企业架构
- 4.3 工具
- 4.3.1 数据建模工具
- 4.3.2 资产管理软件
- 4.3.3 图形设计应用
- 4.4 方法
- 4.4.1 生命周期预测
- 4.4.2 图标使用规范
- 4.5 实施指南
- 4.5.1 就绪评估和风险评估
- 4.5.2 组织和文化
- 4.6 数据架构治理
- 4.6.1 数据架构治理活动
- 4.6.2 度量指标
- 4.7 文献引用与推荐
- 第5章 数据建模和设计
- 5.1 引言
- 5.1.1 业务驱动因素
- 5.1.2 目标和原则
- 5.1.3 基本概念
- 5.2 活动
- 5.2.1 规划数据建模
- 5.2.2 建立数据模型
- 5.2.3 审核数据模型
- 5.2.4 维护数据模型
- 5.3 工具
- 5.3.1 数据建模工具
- 5.3.2 数据血缘工具
- 5.3.3 数据分析工具
- 5.3.4 元数据资料库
- 5.3.5 数据模型模式
- 5.3.6 行业数据模型
- 5.4 方法
- 5.4.1 命名约定的最佳实践
- 5.4.2 数据库设计中的最佳实践
- 5.5 数据建模和设计治理
- 5.5.1 数据建模和设计质量管理
- 5.5.2 度量指标
- 5.6 文献引用与推荐
- 第6章 数据存储和操作
- 6.1 引言
- 6.1.1 业务驱动因素
- 6.1.2 目标和原则
- 6.1.3 基本概念
- 6.2 活动
- 6.2.1 管理数据库技术
- 6.2.2 管理数据库操作
- 6.3 工具
- 6.3.1 数据建模工具
- 6.3.2 数据库监控工具
- 6.3.3 数据库管理工具
- 6.3.4 开发支持工具
- 6.4 方法
- 6.4.1 在低阶环境中测试
- 6.4.2 物理命名标准
- 6.4.3 所有变更操作脚本化
- 6.5 实施指南
- 6.5.1 就绪评估/风险评估
- 6.5.2 组织和文化变化
- 6.6 数据存储和操作治理
- 6.6.1 度量指标
- 6.6.2 信息资产跟踪
- 6.6.3 数据审计与数据有效性
- 6.7 文献引用与推荐
- 第7章 数据安全
- 7.1 引言
- 7.1.1 业务驱动因素
- 7.1.2 目标和原则
- 7.1.3 基本概念
- 7.2 活动
- 7.2.1 识别数据安全需求
- 7.2.2 制定数据安全制度
- 7.2.3 定义数据安全细则
- 7.2.4 评估当前安全风险
- 7.2.5 实施控制和规程
- 7.3 工具
- 7.3.1 杀毒软件/安全软件
- 7.3.2 HTTPS
- 7.3.3 身份管理技术
- 7.3.4 入侵侦测和入侵防御软件
- 7.3.5 防火墙（防御）
- 7.3.6 元数据跟踪
- 7.3.7 数据脱敏/加密
- 7.4 方法
- 7.4.1 应用CRUD矩阵
- 7.4.2 即时安全补丁部署
- 7.4.3 元数据中的数据安全属性
- 7.4.4 项目需求中的安全要求
- 7.4.5 加密数据的高效搜索
- 7.4.6 文件清理
- 7.5 实施指南
- 7.5.1 就绪评估/风险评估
- 7.5.2 组织与文化变革
- 7.5.3 用户数据授权的可见性
- 7.5.4 外包世界中的数据安全
- 7.5.5 云环境中的数据安全
- 7.6 数据安全治理
- 7.6.1 数据安全和企业架构
- 7.6.2 度量指标
- 7.7 文献引用与推荐
- 第8章 数据集成和互操作
- 8.1 引言
- 8.1.1 业务驱动因素
- 8.1.2 目标和原则
- 8.1.3 基本概念
- 8.2 活动
- 8.2.1 规划和分析
- 8.2.2 设计数据集成解决方案
- 8.2.3 开发数据集成解决方案
- 8.2.4 实施和监测
- 8.3 工具
- 8.3.1 数据转换引擎/ETL工具
- 8.3.2 数据虚拟化服务器
- 8.3.3 企业服务总线
- 8.3.4 业务规则引擎
- 8.3.5 数据和流程建模工具
- 8.3.6 数据剖析工具
- 8.3.7 元数据存储库
- 8.4 方法
- 8.5 实施指南
- 8.5.1 就绪评估/风险评估
- 8.5.2 组织和文化变革
- 8.6 数据集成和互操作治理
- 8.6.1 数据共享协议
- 8.6.2 数据集成和互操作与数据血缘
- 8.6.3 度量指标
- 8.7 文献引用与推荐
- 第9章 文件和内容管理
- 9.1 引言
- 9.1.1 业务驱动因素
- 9.1.2 目标和原则
- 9.1.3 基本概念
- 9.2 活动
- 9.2.1 规划生命周期的管理
- 9.2.2 创建内容处理制度
- 9.2.3 定义内容信息架构
- 9.2.4 实施的生命周期管理
- 9.2.5 发布和分发内容
- 9.3 工具
- 9.3.1 企业内容管理系统
- 9.3.2 协作工具
- 9.3.3 受控词汇表和元数据工具
- 9.3.4 标准标记和交换格式
- 9.3.5 电子取证技术
- 9.4 方法
- 9.4.1 诉讼应诉手册
- 9.4.2 诉讼应诉数据映射
- 9.5 实施指南
- 9.5.1 就绪评估/风险评估
- 9.5.2 组织和文化变革
- 9.6 文件和内容治理
- 9.6.1 信息治理架构
- 9.6.2 信息的激增
- 9.6.3 管理高质量的内容
- 9.6.4 度量指标
- 9.7 文献引用与推荐
- 第10章 参考数据和主数据
- 10.1 引言
- 10.1.1 业务驱动因素
- 10.1.2 目标和原则
- 10.1.3 基本概念
- 10.2 活动
- 10.2.1 主数据管理活动
- 10.2.2 参考数据管理活动
- 10.3 工具和方法
- 10.4 实施指南
- 10.4.1 遵循主数据架构
- 10.4.2 监测数据流动
- 10.4.3 管理参考数据变更
- 10.4.4 数据共享协议
- 10.4.5 组织和文化变革
- 10.5 参考数据和主数据治理
- 10.5.1 治理过程决定事项
- 10.5.2 度量指标
- 10.6 文献引用与推荐
- 第11章 数据仓库和商务智能
- 11.1 引言
- 11.1.1 业务驱动因素
- 11.1.2 目标和原则
- 11.1.3 基本概念
- 11.2 活动
- 11.2.1 理解需求
- 11.2.2 定义和维护数据仓库/商务智能架构
- 11.2.3 开发数据仓库和数据集市
- 11.2.4 加载数据仓库
- 11.2.5 实施商务智能产品组合
- 11.2.6 维护数据产品
- 11.3 工具
- 11.3.1 元数据存储库
- 11.3.2 数据集成工具
- 11.3.3 商务智能工具的类型
- 11.4 方法
- 11.4.1 驱动需求的原型
- 11.4.2 自助式商务智能
- 11.4.3 可查询的审计数据
- 11.5 实施指南
- 11.5.1 就绪评估/风险评估
- 11.5.2 版本路线图
- 11.5.3 配置管理
- 11.5.4 组织与文化变革
- 11.6 数据仓库/商务智能治理
- 11.6.1 业务接受度
- 11.6.2 客户/用户满意度
- 11.6.3 服务水平协议
- 11.6.4 报表策略
- 11.6.5 度量指标
- 11.7 文献引用与推荐
- 第12章 元数据管理
- 12.1 引言
- 12.1.1 业务驱动因素
- 12.1.2 目标和原则
- 12.1.3 基本概念
- 12.2 活动
- 12.2.1 定义元数据战略
- 12.2.2 理解元数据需求
- 12.2.3 定义元数据架构
- 12.2.4 创建和维护元数据
- 12.2.5 查询、报告和分析元数据
- 12.3 工具
- 12.4 方法
- 12.4.1 数据血缘和影响分析
- 12.4.2 应用于大数据采集的元数据
- 12.5 实施指南
- 12.5.1 就绪评估/风险评估
- 12.5.2 组织和文化变革
- 12.6 元数据治理
- 12.6.1 过程控制
- 12.6.2 元数据解决方案的文档
- 12.6.3 元数据标准和指南
- 12.6.4 度量指标
- 12.7 文献引用与推荐
- 第13章 数据质量
- 13.1 引言
- 13.1.1 业务驱动因素
- 13.1.2 目标和原则
- 13.1.3 基本概念
- 13.2 活动
- 13.2.1 定义高质量数据
- 13.2.2 定义数据质量战略
- 13.2.3 识别关键数据和业务规则
- 13.2.4 执行初始数据质量评估
- 13.2.5 识别改进方向并确定优先排序
- 13.2.6 定义数据质量改进目标
- 13.2.7 开发和部署数据质量操作
- 13.3 工具
- 13.3.1 数据剖析工具
- 13.3.2 数据查询工具
- 13.3.3 建模和ETL工具
- 13.3.4 数据质量规则模板
- 13.3.5 元数据存储库
- 13.4 方法
- 13.4.1 预防措施
- 13.4.2 纠正措施
- 13.4.3 质量检查和审核代码模块
- 13.4.4 有效的数据质量指标
- 13.4.5 统计过程控制
- 13.4.6 根本原因分析
- 13.5 实施指南
- 13.5.1 就绪评估/风险评估
- 13.5.2 组织与文化变革
- 13.6 数据质量和数据治理
- 13.6.1 数据质量制度
- 13.6.2 度量指标
- 13.7 文献引用与推荐
- 第14章 大数据和数据科学
- 14.1 引言
- 14.1.1 业务驱动
- 14.1.2 原则
- 14.1.3 基本理念
- 14.2 活动
- 14.2.1 定义大数据战略和业务需求
- 14.2.2 选择数据源
- 14.2.3 获得和接收数据源
- 14.2.4 制定数据假设和方法
- 14.2.5 集成和调整数据进行分析
- 14.2.6 使用模型探索数据
- 14.2.7 部署和监控
- 14.3 工具
- 14.3.1 MPP无共享技术和架构
- 14.3.2 基于分布式文件的数据库
- 14.3.3 数据库内算法
- 14.3.4 大数据云解决方案
- 14.3.5 统计计算和图形语言
- 14.3.6 数据可视化工具集
- 14.4 方法
- 14.4.1 解析建模
- 14.4.2 大数据建模
- 14.5 实施指南
- 14.5.1 战略一致性
- 14.5.2 就绪评估/风险评估
- 14.5.3 组织与文化变迁
- 14.6 大数据和数据科学治理
- 14.6.1 可视化渠道管理
- 14.6.2 数据科学和可视化标准
- 14.6.3 数据安全
- 14.6.4 元数据
- 14.6.5 数据质量
- 14.6.6 度量指标
- 14.7 文献引用与推荐
- 第15章 数据管理成熟度评估
- 15.1 引言
- 15.1.1 业务驱动因素
- 15.1.2 目标和原则
- 15.1.3 基本概念
- 15.2 活动
- 15.2.1 规划评估活动
- 15.2.2 执行成熟度评估
- 15.2.3 解释结果及建议
- 15.2.4 制订有针对性的改进计划
- 15.2.5 重新评估成熟度
- 15.3 工具
- 15.4 方法
- 15.4.1 选择DMM框架
- 15.4.2 DAMA-DMBOK框架使用
- 15.5 实施指南
- 15.5.1 就绪评估/风险评估
- 15.5.2 组织和文化变革
- 15.6 成熟度管理治理
- 15.6.1 DMMA过程监督
- 15.6.2 度量指标
- 15.7 文献引用与推荐
- 第16章 数据管理组织与角色期望
- 16.1 引言
- 16.2 了解现有的组织和文化规范
- 16.3 数据管理组织的结构
- 16.3.1 分散运营模式
- 16.3.2 网络运营模式
- 16.3.3 集中运营模式
- 16.3.4 混合运营模式
- 16.3.5 联邦运营模式
- 16.3.6 确定组织的最佳模式
- 16.3.7 DMO替代方案和设计考虑因素
- 16.4 关键成功因素
- 16.4.1 高管层的支持
- 16.4.2 明确的愿景
- 16.4.3 积极的变更管理
- 16.4.4 领导者之间的共识
- 16.4.5 持续的沟通
- 16.4.6 利益相关方的参与
- 16.4.7 指导和培训
- 16.4.8 采用度量策略
- 16.4.9 坚持指导原则
- 16.4.10 演进而非革命
- 16.5 建立数据管理组织
- 16.5.1 识别当前的数据管理参与者
- 16.5.2 识别委员会的参与者
- 16.5.3 识别和分析利益相关方
- 16.5.4 让利益相关方参与进来
- 16.6 数据管理组织与其他数据相关机构之间的沟通
- 16.6.1 首席数据官
- 16.6.2 数据治理
- 16.6.3 数据质量
- 16.6.4 企业架构
- 16.6.5 管理全球化组织
- 16.7 数据管理角色
- 16.7.1 组织角色
- 16.7.2 个人角色
- 16.8 文献引用与推荐
- 第17章 数据管理和组织变革管理
- 17.1 引言
- 17.2 变革法则
- 17.3 并非管理变革：而是管理转型过程
- 17.4 科特的变革管理八大误区
- 17.4.1 误区一：过于自满
- 17.4.2 误区二：未能建立足够强大的指导联盟
- 17.4.3 误区三：低估愿景的力量
- 17.4.4 误区四：10倍、100倍或1000倍地放大愿景
- 17.4.5 误区五：允许阻挡愿景的障碍存在
- 17.4.6 误区六：未能创造短期收益
- 17.4.7 误区七：过早宣布胜利
- 17.4.8 误区八：忽视将变革融入企业文化
- 17.5 科特的重大变革八步法
- 17.5.1 树立紧迫感
- 17.5.2 指导联盟
- 17.5.3 发展愿景和战略
- 17.5.4 沟通传达变革愿景
- 17.6 变革的秘诀
- 17.7 创新扩散和持续变革
- 17.7.1 随着创新扩散而需克服的挑战
- 17.7.2 创新扩散的关键要素
- 17.7.3 创新采纳的五个阶段
- 17.7.4 接受或拒绝创新变革的影响因素
- 17.8 持续变革
- 17.8.1 紧迫感/不满意感
- 17.8.2 构建愿景
- 17.8.3 指导联盟
- 17.8.4 相对优势和可观测性
- 17.9 数据管理价值的沟通
- 17.9.1 沟通原则
- 17.9.2 受众评估与准备
- 17.9.3 人的因素
- 17.9.4 沟通计划
- 17.9.5 保持沟通
- 17.10 文献引用与推荐
- 致谢
- 附录
- 附录A 主要贡献者
- 附录B 审阅和评论者
展开全部
评分及书评
尚无评分
目前还没人评分
- 加载中...
出版方
机械工业出版社
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
