数据作为生产要素已经被提升至国家战略层面，如何激活数据要素、体现数据价值，如何有效利用数据赋能数字化转型，成为当前炙手可热的问题。本书厘清了数据治理、数据管理和数字化转型的关系，介绍了数据治理核心工作中经常出现的问题和优秀实践，明确了数字化转型的核心内容、方法路径和评估机制，通过大型企业数据治理或数字化转型案例为读者提供有价值的参考。本书适合首席执行官、首席信息官、首席数据官等从事企业管理和数据管理工作的人员阅读，有助于提升对数据治理和数字化转型的认识，为在组织中有效开展数据治理和数字化转型工作提供思路和借鉴。
本书融合了国内外数据治理权威理论和技术体系，涵盖了企业数字化转型过程中所需要的数据治理基本概念、实施路径和参考案例，不仅包含业界数据治理热点和难点，还包含笔者多年的数据项目实战经验总结，同时包括作者对数据治理的理解和思考及在项目实践中的落地实施方法，可以作为数据管理人员开展数据治理项目的实操手册和实施指南，能够有效指导企业全方位开展高质量的数据治理。
数据创造价值，创新驱动未来。大数据时代，数据越来越多，但数据本身只是璞玉，只有经过精雕细琢，才能体现它真正的价值。随着数字化、互联化、智能化等信息技术的广泛应用，数据要素在国民经济发展中的作用越来越关键，数据成为数字经济发展的最新驱动力。
数据治理的本质是围绕业务、应用和数据等维度开展数据治理及体系建设，厘清业务职能和价值链，梳理应用对业务的支撑能力，识别数据应用和管理痛点，明确数据治理体系建设要求。以主流的数据治理方法为基石，以业务需求驱动为导向，以用促治，聚焦业务场景、管理要求、数据标签和跨系统使用需求，完善业务、技术和管理等相关内容，提炼形成能够落地的数据治理体系，从而指导数据治理工作分期、分域开展，使数据治理工作从常态化向显性化转变。
数据治理的终极愿景是激活和配置数据新要素，使能数据产业化、数据资本化，加速数据要素生产力转换，最大限度发挥数据要素在数字经济中的作用，以实现价值型数据治理为战略目标和发展导向，推动数据治理能力向“数据资源资产化管理、数据应用服务化管理、数据服务商品化管理”三个方向升级发展。只有这样才能更好地赋能和助推企业数字化转型。
企业数字化转型有以下几个方向：一是数据驱动；二是客户主导；三是组织创新；四是互联互通。企业数据驱动是未来的一个核心。数据达到一定规模、一定数量后，如何用数据辅助决策企业的未来，这是人们需要思考的问题。与过去相比，今天的数据呈现以下几个特征：一是实效性特别强；二是需要相应的数据分析，有价值化的特征；三是具有资产性，数据是企业的核心资产，也是企业未来越来越重要的资产。
本书基于新时代数据要素的特征，从数据治理的视角出发，基于业务场景的价值化实现数据治理价值，从而强化数据在数字化转型中的重要作用，不经治理的数据往往是零散的、不标准的、低质量的，阻碍了数字化转型中对数据的应用期望。当前，对数据治理和数字化转型概念的理解千差万别，这也是影响数据治理和数字化转型成效的一大障碍。我们试着从业务和实践的视角出发，用更加形象易懂的描述厘清数据治理和数据管理的关系，数据治理和数字化转型的关系，数据治理和数据管理的核心领域及建设方法，企业数字化转型的方法、实践、评估等内容。
本书不仅包含业界数据治理的热点和难点，还包含数据管理专家多年的项目实战经验总结；不仅涉及数据治理在战略层面的顶层设计，还包括对数据治理的理解和思考，以及在项目实践中的落地实施方法；不仅可以作为企业数据治理的体系框架，还可以作为数据管理人员开展数据治理项目的实操手册和实施指南。
本书适合正在或将要从事数据治理、数据管理工作的人员阅读。本书为正在寻求数字化转型的企业提供了数据治理的思路和框架，特别适合这些企业的首席执行官、首席信息官、首席数据官、IT总监、IT经理、项目经理、业务主管和业务骨干等阅读。
本书在编写过程中得到了公司领导及同事的支持、众多专家及朋友的帮助，在出版过程中得到了机械工业出版社张星明老师、陈倩老师的专业指导，是大家的帮助使本书得以顺利出版，在此一并表示感谢！
王建峰2023年10月于北京
王建峰，中国两化融合应用联盟副理事长，国家工业大数据工程实验室特聘专家，央企数字化转型百问专家委员，DAMA数据治理专家，中国智慧企业推进委员会专家委员，数据要素专委会专家委员，全国航空器标准化技术委员会委员。主导和参与编写《中企联：工业企业数据治理实施指南》《数据治理：工业企业数字化转型之道》《数据标准化：数据治理的基石》《DAMA：首席数据官知识体系指南》等著作。
序言
前言
第1篇 数据治理基础篇
第1章 数据治理
1.1 数据治理及框架
1.1.1 数据治理框架核心内容
1.1.2 数据治理框架创建策略
1.1.3 数据治理与数据管理的区别
1.2 数据治理的误区
1.2.1 误区一：数据文化变革问题
1.2.2 误区二：数据治理由IT驱动
1.2.3 误区三：数据治理成熟度问题
1.2.4 误区四：把数据治理作为项目
1.2.5 误区五：与组织战略不一致
1.2.6 误区六：忽视组织数据架构
1.2.7 误区七：未能与业务有效融合
1.2.8 误区八：采用颠覆式方法
1.2.9 误区九：遵从评估项的方法
1.2.10 误区十：认为有了工具就能实现数据治理
1.3 数据治理的趋势
1.3.1 趋势一：数据治理要从企业级视角出发加强总体规划
1.3.2 趋势二：企业必须建立企业级的数据标准体系
1.3.3 趋势三：企业亟须构建基于闭环管理的数据质量体系
1.3.4 趋势四：亟须构建基于法律法规遵从的数据安全体系
1.3.5 趋势五：构建基于战略价值实现的数据指标体系
1.3.6 趋势六：加速构建从需求到价值实现的数据运营链条
1.3.7 趋势七：构建基于治理的一体化数据资产价值实现平台
1.3.8 趋势八：强化数据要素生产力动能转换体系
第2章 数据战略
2.1 数据战略概述
2.1.1 数据战略的作用
2.1.2 数据战略的依据
2.1.3 数据战略的关键
2.1.4 数据战略的内容
2.2 数据战略关键问题
2.2.1 需要解决什么问题
2.2.2 需要哪些数据
2.2.3 如何分析这些数据
2.2.4 如何呈现这些数据
2.2.5 需要哪些软件和硬件
2.2.6 是否具有可行性计划
2.3 制定数据战略步骤
2.3.1 数据战略目的
2.3.2 数据战略示例
2.3.3 数据战略价值
2.3.4 创建数据战略的步骤
2.4 数据战略核心要素
2.4.1 DAMA数据管理知识体系中的数据战略
2.4.2 DCMM数据管理能力成熟度评估模型中的数据战略
2.4.3 DGI数据治理框架中的数据战略
2.4.4 数据战略内容分析
2.4.5 数据战略规划的关键要素
第3章 数据架构
3.1 现代数据架构如何驱动业务
3.1.1 什么是数据架构
3.1.2 现代数据架构的特点
3.1.3 数据架构与信息架构
3.1.4 开发数据架构的要点
3.1.5 数据架构是IT和业务的桥梁
3.2 如何构建现代数据体系架构
3.2.1 需求推动数据架构发展
3.2.2 现代数据架构的原理
3.2.3 湖仓一体架构解决方案
3.2.4 建设数据湖的重要提示
3.2.5 如何更好地构建数据湖
3.3 实现持续智能的数据架构
3.3.1 持续智能是数据运营的基础
3.3.2 如何构建持续智能数据架构
第4章 主数据管理
4.1 主数据概述
4.1.1 概述
4.1.2 判定主数据的因素
4.1.3 为什么要管理主数据
4.1.4 如何进行主数据管理
4.2 主数据管理
4.2.1 主数据的定义和关键概念
4.2.2 主数据管理原则
4.2.3 标准与指引
4.3 主数据建设
4.3.1 主数据项目启动前的准备
4.3.2 主数据建设协同推进
4.3.3 主数据建设应注意的问题
4.4 主数据建设案例：物料主数据建设
4.4.1 物料主数据存在的主要问题
4.4.2 物料主数据出现问题的原因
4.4.3 物料主数据的管控措施
4.4.4 物料主数据管理的启示
第5章 元数据管理
5.1 什么是元数据
5.1.1 数据元
5.1.2 元数据
5.1.3主数据
5.1.4 数据元标准的内容
5.2 什么是元数据管理
5.2.1 元数据管理概述
5.2.2 元数据管理治理
5.2.3 元数据管理优秀实践
5.3 元数据管理的意义
5.3.1 元数据的关键作用
5.3.2 元数据管理的好处
5.3.3 自动化管理元数据
5.4 元数据管理和主数据管理的区别
5.4.1 概述
5.4.2 元数据管理与主数据管理
5.4.3 元数据与主数据管理的交集
5.4.4 元数据管理与主数据管理的差异
5.4.5 元数据管理和主数据管理案例
5.4.6 制定策略的重要性
5.5 元数据管理及应用
5.5.1 元数据管理、主数据管理、数据标准管理的关系
5.5.2 基于元数据的数据管理
5.5.3 指标元数据的应用实践
5.5.4 元数据管理的探索与实践
第6章 数据建模
6.1 数据建模是理解数据的基础
6.1.1 什么是数据建模
6.1.2 数据模型的类型
6.1.3 数据建模的过程
6.1.4 数据模型的类型
6.1.5 数据建模的好处
6.1.6 数据建模的工具
6.2 数据建模与数据治理的关系
6.2.1 数据管理的3种主要行动
6.2.2 使用建模工具建模和管理数据
6.2.3 数据建模是数据治理的一种形式
6.3 数据建模应用
6.3.1 构建全域一致性模型方法
6.3.2 数据模型必须保障全域一致
6.3.3 数据模型实践和思考
第2篇 数据治理进阶篇
第7章 数据质量
7.1 数据质量管理概述
7.1.1 数据质量管理问题
7.1.2 数据质量与数据治理的关系
7.2 指标驱动的数据质量管理
7.2.1 什么是数据质量管理
7.2.2 为什么需要数据质量管理
7.2.3 数据质量管理的5个支柱
7.2.4 如何衡量数据质量
7.2.5 数据质量控制案例
7.3 数据治理下的数据质量管理
7.3.1 如何构建数据质量管理框架
7.3.2 制定7个指标衡量数据质量
7.3.3 数据质量管理的重要性
第8章 数据安全
8.1 数据安全管理
8.1.1 数据安全的威胁
8.1.2 数据保护实践
8.1.3 数据安全工具
8.1.4 数据安全法规
8.1.5 数据安全管理
8.2 数据安全治理
8.2.1 数据安全治理理念
8.2.2 数据安全治理概要
8.2.3 数据安全成熟度模型
8.2.4 安全治理与数据治理
8.3 构建数据安全治理技术体系
8.3.1 数据安全治理的技术挑战
8.3.2 数据安全治理的技术体系
8.3.3 数据安全审计与稽核技术
8.4 物联网安全隐私计算和数据安全
8.4.1 物联系统的安全
8.4.2 物联网中的数据
8.4.3 数据管理和数据治理
8.4.4 数据隐私
8.4.5 系统安全
第9章 数据资产
9.1 数据资产管理
9.1.1 如何进行数据资产管理
9.1.2 数据资产管理的关注点
9.2 数据资产价值度量
9.2.1 数据资产价值评估概述
9.2.2 基本数据资产评估模型
9.2.3 数据资产价值评估模型
9.3 数据资产管理面临的问题
9.3.1 企业如何利用数据创造价值
9.3.2 企业数据集成的主要挑战
9.3.3 如何有效进行数据管理
9.3.4 数据管理如何赋能数字化转型
9.3.5 数字化转型在技术层面上关注什么
9.3.6 领导数字化转型工作的是谁
9.3.7 数字化转型中数据处理方法在组织中还有哪些方面
9.3.8 如何改变员工日常管理数据的方式
9.3.9 人工智能在确保数据质量方面是否能够发挥作用
9.4 数据资产管理方法
第10章 大数据数据治理
10.1 大数据治理
10.1.1 大数据治理概述
10.1.2 大数据治理原则
10.2 大数据的安全和隐私
10.2.1 数据的安全和隐私概述
10.2.2 数据安全的定义
10.2.3 数据隐私的定义
10.2.4 安全和隐私如何交叉应用
10.3 安全和隐私在大数据的应用
10.3.1 探索阶段
10.3.2 准备和管理阶段
10.3.3 维护阶段
第3篇 数据治理数字转型篇
第11章 数字化转型认识
11.1 数字化转型及其影响
11.1.1 什么是数字化和数字化转型
11.1.2 数字化转型“降本增效”的底层逻辑
11.1.3 数字化转型的挑战
11.1.4 典型的数字化转型框架
11.2 数字化转型成功的关键
11.2.1 数字化转型需要制定成功的战略
11.2.2 数字化转型需要整体方法
11.2.3 数字化转型的主要领域
11.2.4 数字化带来的颠覆性影响
11.2.5 数字化转型的重要驱动因素
11.2.6 数字化转型全局考虑很重要
11.3 数字化转型的常见误区和演化路径
11.3.1 数字化转型的常见误区
11.3.2 数字化转型无处不在
11.3.3 数字化转型面临的现实情况
11.3.4 数字化转型走向数字经济的演化路径
11.4 制定数字化转型战略是转型的第一步
11.4.1 加快创新转型
11.4.2 积极主动关注未来和结果
11.4.3 数字化转型的基本要素
11.4.4 制定数字化转型战略是迈向商业核心转型的第一步
11.4.5 企业如何制定数字化转型战略
11.5 搭建数字化转型战略核心要素的桥梁
11.5.1 搭建桥梁
11.5.2 数字化转型战略的核心是搭建与未来的桥梁
11.5.3 数字化战略的方向就是目标和成就
11.5.4 建立风险和确定的桥梁
11.5.5 数字化转型战略的启示
11.5.6 为数字化转型战略提出正确的问题
第12章 数字化转型之路
12.1 正确认识数字化转型
12.1.1 数字化转型金字塔
12.1.2 数字化转型金字塔的架构
12.1.3 数字化转型是关于人的
12.2 企业数字化转型五大核心能力
12.2.1 数字化转型五大核心能力
12.2.2 数字化转型的认知方向
12.3 数字化转型过程中可能遇到的关键问题
12.3.1 数字业务能力
12.3.2 业务数字转型
12.3.3 流程数字转型
12.3.4 数字思维和文化
12.3.5 数字化转型的十大好处
12.3.6 数字化转型失败的九大原因
12.4 数字化转型需要考虑的关键问题
12.4.1 典型案例启示
12.4.2 数字化转型的4个问题
12.4.3 数字化转型团队架构
12.4.4 对高层管理者的建议
12.5 工业企业的数字化转型之路
12.5.1 数字化转型与工业企业
12.5.2 数字化转型与向智能工厂的转变
12.5.3 工业企业数字化转型之路
12.6 企业数字化转型方法论
12.6.1 坚持业务和技术协同推动企业数字化转型
12.6.2 坚持从计分板算法到数字看板
12.6.3 在数字化转型中，企业需要什么样的IT部门
12.6.4“以数据为中心的业务变革”之三种范式
12.6.5从数据业务化到业务数据化
第13章 数字化转型评估
13.1 数字化转型需全面考虑所有因素
13.1.1 数字化转型和客户体验
13.1.2 数字化转型的关键是数据和信息
13.1.3 各行各业的数字化转型
13.1.4 数字化转型和业务流程外包
13.1.5 超越技术的数字化转型：人的差异
13.2 企业数字化转型工作的评估
13.2.1 如何理解数字化转型
13.2.2 评估数字化转型工作
13.2.3 衡量数字化转型的5个指标
13.3 如何提高数字化转型的成功率
13.3.1 数字化转型失败的十大原因
13.3.2 数字化转型成功的五大因素
13.3.3 数字化转型过程中的五大关注点
13.3.4 如何提高数字化转型的成功概率
13.4 挖掘数据价值加速数字化转型
13.4.1 工业企业数据资产化路径
13.4.2 工业企业数据资产化方法
13.4.3 工业企业数据资产化模式
第4篇 案例篇
第14章 中国外运数据资产管理案例
14.1 建设背景
14.2 建设目标
14.3 实施方法
14.4 建设成效
14.5 总结与展望
第15章 河南投资集团数据治理案例
15.1 建设背景
15.2 建设目标
15.3 实施方法
15.4 建设成效
第16章 鞍钢集团数据治理管理案例
16.1 建设背景
16.2 建设目标
16.3 实施方法
16.4 建设成效
第17章 神东煤炭数据治理管理案例
17.1 建设背景
17.2 建设目标
17.3 实施方法
17.4 建设成效
17.5 总结与展望
第18章 汽车行业数据治理管理案例
18.1 建设背景
18.2 建设目标
18.3 实施方法
18.4 建设成效
18.5 总结与展望
第19章 常州排水数字化转型案例
19.1 建设背景
19.2 建设目标
19.3 实施方法
19.4 建设成效
19.5 总结与展望
第20章 国家管网集团主数据治理助力智慧供应链运营案例
20.1 建设背景
20.2 建设目标
20.3 实施方法
20.4 建设成效
20.5 总结与展望
第21章 青岛水务集团数据资产建设案例
21.1 建设背景
21.2建设目标
21.3 实施方法
21.4 建设成效
21.5 总结与展望
参考文献
书单推荐
