互联网 类型
可以朗读 语音朗读
125千字 字数
2024-09-01 发行日期
展开全部

主编推荐语

高质量的数据关乎企业运营、合规、决策和业绩的关键。

内容简介

哈佛商业评论的一项研究发现，企业中只有3%的数据符合质量标准，绝大多数公司都在寻求切实可行的指导来提高数据质量。

本书作者基于多年在数据、数据分析和人工智能方面的实践经验，阐述了4步构建高质量数据体系。他提出了高质量数据的四阶段DARS方法（定义、评估、实现、持续）和10个数据质量最佳实践案例，以此来提高业务中的数据质量水平，为业务提供数据价值，保证生成的数据可以有效支持高级分析和人工智能。

本书适合数据科学家、数据分析师、商业智能专业人士、首席技术官和数据官，以及对收集和使用高质量数据感兴趣的人士。

目录

  • 版权信息
  • 推荐序
  • 前言
  • 致谢
  • 第1篇 定义阶段
  • 第1章 概述
  • 1.1 引言
  • 1.2 数据、数据分析、人工智能和业务绩效
  • 1.3 数据作为业务资产或负债
  • 1.4 数据治理、数据管理和数据质量
  • 1.5 领导层对数据质量的承诺
  • 1.6 关键要点
  • 1.7 结论
  • 参考文献
  • 第2章 业务数据
  • 2.1 引言
  • 2.2 业务中的数据
  • 2.3 遥测数据
  • 2.4 数据在业务中的用途
  • 2.5 业务数据视角
  • 2.6 业务数据的关键特征
  • 2.7 关键数据元素
  • 2.8 关键要点
  • 2.9 结论
  • 参考文献
  • 第3章 业务中的数据质量
  • 3.1 引言
  • 3.2 数据质量维度
  • 3.3 上下文中的数据质量
  • 3.4 数据质量不佳所产生的影响
  • 3.5 数据贬值及其影响因素
  • 3.6 IT系统中的数据
  • 3.7 数据质量和可信信息
  • 3.8 关键要点
  • 3.9 结论
  • 参考文献
  • 第2篇 评估阶段
  • 第4章 数据质量差的原因
  • 4.1 引言
  • 4.2 数据质量问题根本原因分析工具
  • 4.3 数据质量不佳的典型原因
  • 4.4 关键要点
  • 4.5 结论
  • 参考文献
  • 第5章 数据生命周期和数据血缘
  • 5.1 引言
  • 5.2 数据生命周期
  • 5.3 数据血缘
  • 5.4 关键要点
  • 5.5 结论
  • 参考文献
  • 第6章 数据质量分析
  • 6.1 引言
  • 6.2 数据剖析的标准
  • 6.3 测量中心性的数据剖析技术
  • 6.4 测量变异性的数据剖析技术
  • 6.5 整合中心性和变异性KPI
  • 6.6 关键要点
  • 6.7 结论
  • 参考文献
  • 第3篇 实现阶段
  • 第7章 数据质量参考架构
  • 7.1 引言
  • 7.2 数据质量解决方案
  • 7.3 DataOps
  • 7.4 数据产品
  • 7.5 数据编织和数据网格
  • 7.6 数据增强
  • 7.7 关键要点
  • 7.8 结论
  • 参考文献
  • 第8章 数据质量最佳实践（一）
  • 8.1 引言
  • 8.2 最佳实践概述
  • 8.3 BP 1：确定业务KPI以及这些KPI和相关数据的所有权
  • 8.4 BP 2：建立和提高组织中的数据文化和素养
  • 8.5 BP 3：确定当前和期望的数据质量的状态
  • 8.6 BP 4：遵循极简主义原则的数据采集方法
  • 8.7 BP 5：选择并定义用于提高质量的数据属性
  • 8.8 BP 6：使用MDM系统中的数据标准采集和管理关键数据
  • 8.9 关键要点
  • 8.10 结论
  • 参考文献
  • 第9章 数据质量最佳实践（二）
  • 9.1 引言
  • 9.2 BP 7：合理化和自动化关键数据元素的集成
  • 9.3 BP 8：定义SoR并在SoR/OLTP系统中安全地采集交易数据
  • 9.4 BP 9：构建和管理强大的数据集成能力
  • 9.5 BP 10：分发数据来源与洞察消费
  • 9.6 关键要点
  • 9.7 结论
  • 参考文献
  • 第4篇 持续阶段
  • 第10章 数据治理
  • 10.1 引言
  • 10.2 数据治理原则
  • 10.3 数据治理设计组件
  • 10.4 实施数据治理计划
  • 10.5 数据可观察性
  • 10.6 数据合规性——ISO 27001、SOC1和SOC2
  • 10.7 关键要点
  • 10.8 结论
  • 参考文献
  • 第11章 数据保护
  • 11.1 引言
  • 11.2 数据分类
  • 11.3 存储相关的数据安全
  • 11.4 访问相关的数据安全
  • 11.5 关键要点
  • 11.6 结论
  • 参考文献
  • 第12章 数据伦理
  • 12.1 引言
  • 12.2 数据伦理的定义
  • 12.3 数据伦理的重要性
  • 12.4 数据伦理的原则
  • 12.5 模型漂移中的数据伦理
  • 12.6 数据隐私
  • 12.7 管理数据伦理
  • 12.8 关键要点
  • 12.9 结论
  • 参考文献
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。