主编推荐语
一本书掌握数据血缘应用全链路。
内容简介
全书所有内容均来自两位作者长期在世界500强企业从事数据相关工作的经验总结，书中不仅从原理层面带领读者深挖数据血缘本质，还有从实践层面对数据血缘的建设方法、核心技术、主流工具、在数据治理中的应用、典型行业应用案例进行了全方位剖析。
本书得到了美国南卡罗来纳大学教授、DAMA大中华区主席、中国大数据技术标准推进委员会专家、招商蛇口数字化管理及运营负责人、PowerData社区主理人等多位业界专家的鼎力推荐。
本书包括4篇14章，具体内容如下。
概念篇从企业面临的主要数据问题入手，逐渐延伸到对数据血缘的相关定义、特征、价值，以及数据组成的深度解读。这部分是真正落地数据血缘项目的基础，只有充分理解了这部分内容，才知道如何与上下游沟通协作。
建设篇先完整展示了一个可落地的数据血缘框架模型——“1355”框架模型，即1个周期、3种实体、5个类型、5个层级，这是数据血缘建设的基础模型；然后详细介绍了数据血缘实施路径，其中包括可能会面临的问题、具体建设方式和具体建设步骤。
技术篇重点数据血缘相关技术和产品，以及数据血缘分析的主要应用场景——数据治理。其中，包括3大数据血缘应用场景、7大数据血缘核心技术、9款主流的数据血缘产品，以及数据血缘在数据治理中的深度实践。
案例篇主要分享了互联网、服务、制造、零售快消等行业中数据血缘建设案例，帮助大家了解典型行业数据血缘的落地情况，以求获得一些启发。
目录
- 版权信息
- “数据之力技术丛书”编委会
- 前言
- 致谢
- 概念篇
- 第1章 走进数据血缘
- 1.1 企业目前面临的问题与挑战
- 1.1.1 互联网行业：数据安全面临严峻挑战
- 1.1.2 能源化工行业：数据共享互通能力待加强
- 1.1.3 装备制造行业：产品数据采集难
- 1.1.4 零售行业：数据分析势在必行
- 1.1.5 建筑行业：大数据治理能力亟须提升
- 1.1.6 从问题和挑战中找解决方案
- 1.2 揭开数据血缘的面纱
- 1.2.1 什么是数据和数据管理
- 1.2.2 什么是数据血缘
- 1.2.3 什么是数据血缘分析
- 1.2.4 什么是数据血缘可视化
- 1.2.5 数据血缘的特征
- 1.2.6 与数据血缘相关的概念
- 1.3 数据血缘分析是解决数据问题的灵丹妙药
- 1.3.1 破除数据质疑
- 1.3.2 数据变更影响范围快速评估
- 1.3.3 数据资产价值评估度量工具
- 1.3.4 为数据滥用加上一把“道德”之锁
- 1.4 本章小结
- 第2章 数据血缘中的数据组成部分
- 2.1 溯源血缘关系的重要依据——元数据
- 2.1.1 元数据的概念
- 2.1.2 元数据的数据血缘特征
- 2.2 确定血缘关系的黄金数据——主数据
- 2.2.1 主数据的概念
- 2.2.2 主数据的数据血缘特征
- 2.3 记录业务动态发生的数据——业务数据
- 2.3.1 业务数据的概念
- 2.3.2 业务数据的数据血缘特征
- 2.4 提供分析决策的重要成果——指标数据
- 2.4.1 指标数据的概念
- 2.4.2 指标数据的数据血缘特征
- 2.5 本章小结
- 建设篇
- 第3章 数据血缘分析框架模型
- 3.1 1个周期：数据全生命周期管理
- 3.2 3种实体：数据血缘实体结构
- 3.2.1 数据库血缘
- 3.2.2 数据表血缘
- 3.2.3 字段血缘
- 3.3 5个类型：数据血缘分类
- 3.3.1 逻辑血缘
- 3.3.2 物理血缘
- 3.3.3 时间血缘
- 3.3.4 操作血缘
- 3.3.5 业务血缘
- 3.4 5个层级：构建基础平台，支撑数据血缘分析
- 3.4.1 血缘采集层
- 3.4.2 血缘处理层
- 3.4.3 血缘存储层
- 3.4.4 血缘接口层
- 3.4.5 血缘应用层
- 3.5 本章小结
- 第4章 数据血缘实施路径
- 4.1 数据血缘实施过程中的问题与难点
- 4.1.1 血缘质量不高
- 4.1.2 实施路径不清晰
- 4.1.3 数据血缘关系自动解析难
- 4.2 数据血缘建设方式
- 4.2.1 常见的3种建设方式的优劣势
- 4.2.2 建设方式注意事项
- 4.3 数据血缘建设步骤
- 4.3.1 明确数据血缘目标
- 4.3.2 制定数据血缘需求范围
- 4.3.3 构建数据血缘系统
- 4.3.4 完成数据血缘收集
- 4.3.5 完成数据血缘初始化
- 4.3.6 实现数据血缘的可视化
- 4.4 本章小结
- 技术篇
- 第5章 数据血缘分析应用
- 5.1 数据开发应用场景
- 5.2 数据资产应用场景
- 5.3 数据安全应用场景
- 5.4 本章小结
- 第6章 数据血缘技术
- 6.1 概述
- 6.2 数据采集技术
- 6.2.1 ETL技术应用
- 6.2.2 SQL解析应用
- 6.3 数据建模
- 6.3.1 概念建模
- 6.3.2 逻辑建模
- 6.3.3 物理建模
- 6.4 数据可视化技术
- 6.4.1 数据可视化工具
- 6.4.2 图形库和框架
- 6.5 其他相关技术
- 6.5.1 数据挖掘技术
- 6.5.2 区块链技术
- 6.5.3 人工智能技术
- 6.5.4 大数据技术
- 6.6 本章小结
- 第7章 数据血缘产品
- 7.1 国外主流数据血缘产品介绍
- 7.1.1 开源的Apache Atlas平台
- 7.1.2 社交网站LinkedIn的数据平台
- 7.2 国内主流数据血缘产品介绍
- 7.2.1 马哈鱼数据血缘平台
- 7.2.2 FineBI数据可视化工具
- 7.2.3 亿信元数据管理平台
- 7.2.4 飞算SoData数据机器人
- 7.3 其他数据血缘产品介绍
- 7.3.1 Informatica数据平台
- 7.3.2 Alation数据平台
- 7.3.3 Collibra数据平台
- 7.4 本章小结
- 第8章 数据治理中的数据血缘应用
- 8.1 数据治理体系简介
- 8.1.1 数据管理、数据治理与数据资产管理
- 8.1.2 DAMA的数据治理体系
- 8.1.3 DMM和DCMM
- 8.1.4 华为的数据治理体系
- 8.1.5 阿里的数据治理体系
- 8.2 数据治理与数据血缘的关系
- 8.3 数据血缘在数据治理中的应用
- 8.3.1 数据血缘在数据质量提升中的应用
- 8.3.2 数据血缘在数据架构中的应用
- 8.3.3 数据血缘在数据建模和设计中的应用
- 8.3.4 数据血缘在数据安全中的应用
- 8.4 本章小结
- 第9章 数据血缘的平台建设
- 9.1 数据血缘相关平台介绍
- 9.1.1 元数据管理平台
- 9.1.2 主数据管理平台
- 9.1.3 数据仓库
- 9.1.4 数据治理平台
- 9.1.5 数据管理驾驶舱
- 9.2 数据相关平台建设路径
- 9.2.1 需求分析及调研
- 9.2.2 开发及测试
- 9.2.3 上线试运行
- 9.2.4 开展项目验收
- 9.2.5 持续优化迭代
- 9.3 本章小结
- 案例篇
- 第10章 互联网行业：字节跳动的数据血缘建设案例
- 10.1 数据血缘建设背景
- 10.2 数据血缘构建解析
- 10.2.1 数据血缘采集
- 10.2.2 数据血缘的关键指标
- 10.3 数据血缘的未来趋势
- 第11章 服务行业：四大全球知名企业的数据实践
- 11.1 民宿短租公寓预订平台Airbnb
- 11.2 电子商务平台Amazon
- 11.3 会员订阅制的流媒体播放平台Netflix
- 11.4 叫车服务公司Uber
- 第12章 制造行业：全球知名企业的数据实践
- 12.1 百年企业通用电气
- 12.2 “欧洲工业之母”西门子
- 第13章 零售快消行业：全球知名企业的数据实践
- 13.1 大型零售商沃尔玛
- 13.2 西班牙快时尚零售商Zara
- 展望篇
- 第14章 未来展望
- 14.1 数据血缘与数据智能的结合
- 14.2 数据血缘与数据隐私的平衡
- 14.3 数据血缘在人工智能中的应用
- 14.4 数据血缘在模型开发和模型审计中的应用
- 14.5 数据血缘在模型解释和模型可解释性中的应用
- 14.6 数据血缘在智能决策中的应用
- 14.7 数据血缘与区块链的关系
- 14.7.1 数据的确权问题
- 14.7.2 数据的经济特征问题
- 14.7.3 数据的价值测量问题
- 后记1 数据血缘救赎之路
- 后记2 从ERP咨询到数据治理
评分及书评
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。
