數據作為生產要素已經被提升至國家戰略層面，如何激活數據要素、體現數據價值，如何有效利用數據賦能數字化轉型，成為當前炙手可熱的問題。本書厘清了數據治理、數據管理和數字化轉型的關系，介紹了數據治理核心工作中經常出現的問題和優秀實踐，明確了數字化轉型的核心內容、方法路徑和評估機制，通過大型企業數據治理或數字化轉型案例為讀者提供有價值的參考。本書適合首席執行官、首席信息官、首席數據官等從事企業管理和數據管理工作的人員閱讀，有助于提升對數據治理和數字化轉型的認識，為在組織中有效開展數據治理和數字化轉型工作提供思路和借鑒。
本書融合了國內外數據治理權威理論和技術體系，涵蓋了企業數字化轉型過程中所需要的數據治理基本概念、實施路徑和參考案例，不僅包含業界數據治理熱點和難點，還包含筆者多年的數據項目實戰經驗總結，同時包括作者對數據治理的理解和思考及在項目實踐中的落地實施方法，可以作為數據管理人員開展數據治理項目的實操手冊和實施指南，能夠有效指導企業全方位開展高質量的數據治理。
數據創造價值，創新驅動未來。大數據時代，數據越來越多，但數據本身只是璞玉，只有經過精雕細琢，才能體現它真正的價值。隨著數字化、互聯化、智能化等信息技術的廣泛應用，數據要素在國民經濟發展中的作用越來越關鍵，數據成為數字經濟發展的最新驅動力。
數據治理的本質是圍繞業務、應用和數據等維度開展數據治理及體系建設，厘清業務職能和價值鏈，梳理應用對業務的支撐能力，識別數據應用和管理痛點，明確數據治理體系建設要求。以主流的數據治理方法為基石，以業務需求驅動為導向，以用促治，聚焦業務場景、管理要求、數據標簽和跨系統使用需求，完善業務、技術和管理等相關內容，提煉形成能夠落地的數據治理體系，從而指導數據治理工作分期、分域開展，使數據治理工作從常態化向顯性化轉變。
數據治理的終極愿景是激活和配置數據新要素，使能數據產業化、數據資本化，加速數據要素生產力轉換，最大限度發揮數據要素在數字經濟中的作用，以實現價值型數據治理為戰略目標和發展導向，推動數據治理能力向“數據資源資產化管理、數據應用服務化管理、數據服務商品化管理”三個方向升級發展。只有這樣才能更好地賦能和助推企業數字化轉型。
企業數字化轉型有以下幾個方向：一是數據驅動；二是客戶主導；三是組織創新；四是互聯互通。企業數據驅動是未來的一個核心。數據達到一定規模、一定數量后，如何用數據輔助決策企業的未來，這是人們需要思考的問題。與過去相比，今天的數據呈現以下幾個特征：一是實效性特別強；二是需要相應的數據分析，有價值化的特征；三是具有資產性，數據是企業的核心資產，也是企業未來越來越重要的資產。
本書基于新時代數據要素的特征，從數據治理的視角出發，基于業務場景的價值化實現數據治理價值，從而強化數據在數字化轉型中的重要作用，不經治理的數據往往是零散的、不標準的、低質量的，阻礙了數字化轉型中對數據的應用期望。當前，對數據治理和數字化轉型概念的理解千差萬別，這也是影響數據治理和數字化轉型成效的一大障礙。我們試著從業務和實踐的視角出發，用更加形象易懂的描述厘清數據治理和數據管理的關系，數據治理和數字化轉型的關系，數據治理和數據管理的核心領域及建設方法，企業數字化轉型的方法、實踐、評估等內容。
本書不僅包含業界數據治理的熱點和難點，還包含數據管理專家多年的項目實戰經驗總結；不僅涉及數據治理在戰略層面的頂層設計，還包括對數據治理的理解和思考，以及在項目實踐中的落地實施方法；不僅可以作為企業數據治理的體系框架，還可以作為數據管理人員開展數據治理項目的實操手冊和實施指南。
本書適合正在或將要從事數據治理、數據管理工作的人員閱讀。本書為正在尋求數字化轉型的企業提供了數據治理的思路和框架，特別適合這些企業的首席執行官、首席信息官、首席數據官、IT總監、IT經理、項目經理、業務主管和業務骨干等閱讀。
本書在編寫過程中得到了公司領導及同事的支持、眾多專家及朋友的幫助，在出版過程中得到了機械工業出版社張星明老師、陳倩老師的專業指導，是大家的幫助使本書得以順利出版，在此一并表示感謝！
王建峰2023年10月于北京
王建峰，中國兩化融合應用聯盟副理事長，國家工業大數據工程實驗室特聘專家，央企數字化轉型百問專家委員，DAMA數據治理專家，中國智慧企業推進委員會專家委員，數據要素專委會專家委員，全國航空器標準化技術委員會委員。主導和參與編寫《中企聯：工業企業數據治理實施指南》《數據治理：工業企業數字化轉型之道》《數據標準化：數據治理的基石》《DAMA：首席數據官知識體系指南》等著作。
序言
前言
第1篇 數據治理基礎篇
第1章 數據治理
1.1 數據治理及框架
1.1.1 數據治理框架核心內容
1.1.2 數據治理框架創建策略
1.1.3 數據治理與數據管理的區別
1.2 數據治理的誤區
1.2.1 誤區一：數據文化變革問題
1.2.2 誤區二：數據治理由IT驅動
1.2.3 誤區三：數據治理成熟度問題
1.2.4 誤區四：把數據治理作為項目
1.2.5 誤區五：與組織戰略不一致
1.2.6 誤區六：忽視組織數據架構
1.2.7 誤區七：未能與業務有效融合
1.2.8 誤區八：采用顛覆式方法
1.2.9 誤區九：遵從評估項的方法
1.2.10 誤區十：認為有了工具就能實現數據治理
1.3 數據治理的趨勢
1.3.1 趨勢一：數據治理要從企業級視角出發加強總體規劃
1.3.2 趨勢二：企業必須建立企業級的數據標準體系
1.3.3 趨勢三：企業亟須構建基于閉環管理的數據質量體系
1.3.4 趨勢四：亟須構建基于法律法規遵從的數據安全體系
1.3.5 趨勢五：構建基于戰略價值實現的數據指標體系
1.3.6 趨勢六：加速構建從需求到價值實現的數據運營鏈條
1.3.7 趨勢七：構建基于治理的一體化數據資產價值實現平臺
1.3.8 趨勢八：強化數據要素生產力動能轉換體系
第2章 數據戰略
2.1 數據戰略概述
2.1.1 數據戰略的作用
2.1.2 數據戰略的依據
2.1.3 數據戰略的關鍵
2.1.4 數據戰略的內容
2.2 數據戰略關鍵問題
2.2.1 需要解決什么問題
2.2.2 需要哪些數據
2.2.3 如何分析這些數據
2.2.4 如何呈現這些數據
2.2.5 需要哪些軟件和硬件
2.2.6 是否具有可行性計劃
2.3 制定數據戰略步驟
2.3.1 數據戰略目的
2.3.2 數據戰略示例
2.3.3 數據戰略價值
2.3.4 創建數據戰略的步驟
2.4 數據戰略核心要素
2.4.1 DAMA數據管理知識體系中的數據戰略
2.4.2 DCMM數據管理能力成熟度評估模型中的數據戰略
2.4.3 DGI數據治理框架中的數據戰略
2.4.4 數據戰略內容分析
2.4.5 數據戰略規劃的關鍵要素
第3章 數據架構
3.1 現代數據架構如何驅動業務
3.1.1 什么是數據架構
3.1.2 現代數據架構的特點
3.1.3 數據架構與信息架構
3.1.4 開發數據架構的要點
3.1.5 數據架構是IT和業務的橋梁
3.2 如何構建現代數據體系架構
3.2.1 需求推動數據架構發展
3.2.2 現代數據架構的原理
3.2.3 湖倉一體架構解決方案
3.2.4 建設數據湖的重要提示
3.2.5 如何更好地構建數據湖
3.3 實現持續智能的數據架構
3.3.1 持續智能是數據運營的基礎
3.3.2 如何構建持續智能數據架構
第4章 主數據管理
4.1 主數據概述
4.1.1 概述
4.1.2 判定主數據的因素
4.1.3 為什么要管理主數據
4.1.4 如何進行主數據管理
4.2 主數據管理
4.2.1 主數據的定義和關鍵概念
4.2.2 主數據管理原則
4.2.3 標準與指引
4.3 主數據建設
4.3.1 主數據項目啟動前的準備
4.3.2 主數據建設協同推進
4.3.3 主數據建設應注意的問題
4.4 主數據建設案例：物料主數據建設
4.4.1 物料主數據存在的主要問題
4.4.2 物料主數據出現問題的原因
4.4.3 物料主數據的管控措施
4.4.4 物料主數據管理的啟示
第5章 元數據管理
5.1 什么是元數據
5.1.1 數據元
5.1.2 元數據
5.1.3主數據
5.1.4 數據元標準的內容
5.2 什么是元數據管理
5.2.1 元數據管理概述
5.2.2 元數據管理治理
5.2.3 元數據管理優秀實踐
5.3 元數據管理的意義
5.3.1 元數據的關鍵作用
5.3.2 元數據管理的好處
5.3.3 自動化管理元數據
5.4 元數據管理和主數據管理的區別
5.4.1 概述
5.4.2 元數據管理與主數據管理
5.4.3 元數據與主數據管理的交集
5.4.4 元數據管理與主數據管理的差異
5.4.5 元數據管理和主數據管理案例
5.4.6 制定策略的重要性
5.5 元數據管理及應用
5.5.1 元數據管理、主數據管理、數據標準管理的關系
5.5.2 基于元數據的數據管理
5.5.3 指標元數據的應用實踐
5.5.4 元數據管理的探索與實踐
第6章 數據建模
6.1 數據建模是理解數據的基礎
6.1.1 什么是數據建模
6.1.2 數據模型的類型
6.1.3 數據建模的過程
6.1.4 數據模型的類型
6.1.5 數據建模的好處
6.1.6 數據建模的工具
6.2 數據建模與數據治理的關系
6.2.1 數據管理的3種主要行動
6.2.2 使用建模工具建模和管理數據
6.2.3 數據建模是數據治理的一種形式
6.3 數據建模應用
6.3.1 構建全域一致性模型方法
6.3.2 數據模型必須保障全域一致
6.3.3 數據模型實踐和思考
第2篇 數據治理進階篇
第7章 數據質量
7.1 數據質量管理概述
7.1.1 數據質量管理問題
7.1.2 數據質量與數據治理的關系
7.2 指標驅動的數據質量管理
7.2.1 什么是數據質量管理
7.2.2 為什么需要數據質量管理
7.2.3 數據質量管理的5個支柱
7.2.4 如何衡量數據質量
7.2.5 數據質量控制案例
7.3 數據治理下的數據質量管理
7.3.1 如何構建數據質量管理框架
7.3.2 制定7個指標衡量數據質量
7.3.3 數據質量管理的重要性
第8章 數據安全
8.1 數據安全管理
8.1.1 數據安全的威脅
8.1.2 數據保護實踐
8.1.3 數據安全工具
8.1.4 數據安全法規
8.1.5 數據安全管理
8.2 數據安全治理
8.2.1 數據安全治理理念
8.2.2 數據安全治理概要
8.2.3 數據安全成熟度模型
8.2.4 安全治理與數據治理
8.3 構建數據安全治理技術體系
8.3.1 數據安全治理的技術挑戰
8.3.2 數據安全治理的技術體系
8.3.3 數據安全審計與稽核技術
8.4 物聯網安全隱私計算和數據安全
8.4.1 物聯系統的安全
8.4.2 物聯網中的數據
8.4.3 數據管理和數據治理
8.4.4 數據隱私
8.4.5 系統安全
第9章 數據資產
9.1 數據資產管理
9.1.1 如何進行數據資產管理
9.1.2 數據資產管理的關注點
9.2 數據資產價值度量
9.2.1 數據資產價值評估概述
9.2.2 基本數據資產評估模型
9.2.3 數據資產價值評估模型
9.3 數據資產管理面臨的問題
9.3.1 企業如何利用數據創造價值
9.3.2 企業數據集成的主要挑戰
9.3.3 如何有效進行數據管理
9.3.4 數據管理如何賦能數字化轉型
9.3.5 數字化轉型在技術層面上關注什么
9.3.6 領導數字化轉型工作的是誰
9.3.7 數字化轉型中數據處理方法在組織中還有哪些方面
9.3.8 如何改變員工日常管理數據的方式
9.3.9 人工智能在確保數據質量方面是否能夠發揮作用
9.4 數據資產管理方法
第10章 大數據數據治理
10.1 大數據治理
10.1.1 大數據治理概述
10.1.2 大數據治理原則
10.2 大數據的安全和隱私
10.2.1 數據的安全和隱私概述
10.2.2 數據安全的定義
10.2.3 數據隱私的定義
10.2.4 安全和隱私如何交叉應用
10.3 安全和隱私在大數據的應用
10.3.1 探索階段
10.3.2 準備和管理階段
10.3.3 維護階段
第3篇 數據治理數字轉型篇
第11章 數字化轉型認識
11.1 數字化轉型及其影響
11.1.1 什么是數字化和數字化轉型
11.1.2 數字化轉型“降本增效”的底層邏輯
11.1.3 數字化轉型的挑戰
11.1.4 典型的數字化轉型框架
11.2 數字化轉型成功的關鍵
11.2.1 數字化轉型需要制定成功的戰略
11.2.2 數字化轉型需要整體方法
11.2.3 數字化轉型的主要領域
11.2.4 數字化帶來的顛覆性影響
11.2.5 數字化轉型的重要驅動因素
11.2.6 數字化轉型全局考慮很重要
11.3 數字化轉型的常見誤區和演化路徑
11.3.1 數字化轉型的常見誤區
11.3.2 數字化轉型無處不在
11.3.3 數字化轉型面臨的現實情況
11.3.4 數字化轉型走向數字經濟的演化路徑
11.4 制定數字化轉型戰略是轉型的第一步
11.4.1 加快創新轉型
11.4.2 積極主動關注未來和結果
11.4.3 數字化轉型的基本要素
11.4.4 制定數字化轉型戰略是邁向商業核心轉型的第一步
11.4.5 企業如何制定數字化轉型戰略
11.5 搭建數字化轉型戰略核心要素的橋梁
11.5.1 搭建橋梁
11.5.2 數字化轉型戰略的核心是搭建與未來的橋梁
11.5.3 數字化戰略的方向就是目標和成就
11.5.4 建立風險和確定的橋梁
11.5.5 數字化轉型戰略的啟示
11.5.6 為數字化轉型戰略提出正確的問題
第12章 數字化轉型之路
12.1 正確認識數字化轉型
12.1.1 數字化轉型金字塔
12.1.2 數字化轉型金字塔的架構
12.1.3 數字化轉型是關于人的
12.2 企業數字化轉型五大核心能力
12.2.1 數字化轉型五大核心能力
12.2.2 數字化轉型的認知方向
12.3 數字化轉型過程中可能遇到的關鍵問題
12.3.1 數字業務能力
12.3.2 業務數字轉型
12.3.3 流程數字轉型
12.3.4 數字思維和文化
12.3.5 數字化轉型的十大好處
12.3.6 數字化轉型失敗的九大原因
12.4 數字化轉型需要考慮的關鍵問題
12.4.1 典型案例啟示
12.4.2 數字化轉型的4個問題
12.4.3 數字化轉型團隊架構
12.4.4 對高層管理者的建議
12.5 工業企業的數字化轉型之路
12.5.1 數字化轉型與工業企業
12.5.2 數字化轉型與向智能工廠的轉變
12.5.3 工業企業數字化轉型之路
12.6 企業數字化轉型方法論
12.6.1 堅持業務和技術協同推動企業數字化轉型
12.6.2 堅持從計分板算法到數字看板
12.6.3 在數字化轉型中，企業需要什么樣的IT部門
12.6.4“以數據為中心的業務變革”之三種范式
12.6.5從數據業務化到業務數據化
第13章 數字化轉型評估
13.1 數字化轉型需全面考慮所有因素
13.1.1 數字化轉型和客戶體驗
13.1.2 數字化轉型的關鍵是數據和信息
13.1.3 各行各業的數字化轉型
13.1.4 數字化轉型和業務流程外包
13.1.5 超越技術的數字化轉型：人的差異
13.2 企業數字化轉型工作的評估
13.2.1 如何理解數字化轉型
13.2.2 評估數字化轉型工作
13.2.3 衡量數字化轉型的5個指標
13.3 如何提高數字化轉型的成功率
13.3.1 數字化轉型失敗的十大原因
13.3.2 數字化轉型成功的五大因素
13.3.3 數字化轉型過程中的五大關注點
13.3.4 如何提高數字化轉型的成功概率
13.4 挖掘數據價值加速數字化轉型
13.4.1 工業企業數據資產化路徑
13.4.2 工業企業數據資產化方法
13.4.3 工業企業數據資產化模式
第4篇 案例篇
第14章 中國外運數據資產管理案例
14.1 建設背景
14.2 建設目標
14.3 實施方法
14.4 建設成效
14.5 總結與展望
第15章 河南投資集團數據治理案例
15.1 建設背景
15.2 建設目標
15.3 實施方法
15.4 建設成效
第16章 鞍鋼集團數據治理管理案例
16.1 建設背景
16.2 建設目標
16.3 實施方法
16.4 建設成效
第17章 神東煤炭數據治理管理案例
17.1 建設背景
17.2 建設目標
17.3 實施方法
17.4 建設成效
17.5 總結與展望
第18章 汽車行業數據治理管理案例
18.1 建設背景
18.2 建設目標
18.3 實施方法
18.4 建設成效
18.5 總結與展望
第19章 常州排水數字化轉型案例
19.1 建設背景
19.2 建設目標
19.3 實施方法
19.4 建設成效
19.5 總結與展望
第20章 國家管網集團主數據治理助力智慧供應鏈運營案例
20.1 建設背景
20.2 建設目標
20.3 實施方法
20.4 建設成效
20.5 總結與展望
第21章 青島水務集團數據資產建設案例
21.1 建設背景
21.2建設目標
21.3 實施方法
21.4 建設成效
21.5 總結與展望
參考文獻
新書資訊