商品详情
书名：*数据官知识体系指南
定价：119.8
ISBN：9787115637734
作者：上海市静安区国际数据管理协会
版次：第1版
出版时间：2024-03
内容提要：
*数据官（Chief Data Officer，CDO）是数字时代的产物，它在数字化转型的过程中，以及在转型成功后的数字经济中，*会起到关键作用。本书旨在建立一套相对完整的关于*数据官的知识体系，帮助读者更好地参与数字时代的发展。 本书分为5篇。“*篇 CDO概论”介绍CDO产生的背景、发展趋势、主要职责、*技能和工作路径等。“*篇 管好数据”讲解CDO如何管理好数据，涉及数据战略、数据治理、数据制度、数据标准、数据架构、数据质量、数据*、数据合规、数据建模、数据集成、数据存储、数据分析和挖掘、数据伦理、数据开放与共享等。“第三篇 做好转型”讲解CDO如何做好数字化转型。“第四篇 建好团队”讲解CDO如何构建、领导和考核数据团队。“第五篇 新技术、新模式、新业态”介绍一些与数据及CDO相关的新技术、新模式和新业态。
作者简介：
上海市静安区国际数据管理协会是国际数据管理协会的中国分会，是数据管理和业务专业志愿人士组成的非营利协会，致力于数据管理的研究和实践，以及为数据管理从业人员提供交流平台。
目录：
第 一篇 CDO概论
第 1章 CDO是数字时代的产物 2
1.1 CDO的定义 2
1.1.1 *数字官 2
1.1.2 *数据官 2
1.2 CDO产生的背景 2
1.2.1 《*数据宣言》 3
1.2.2 数据是生产要素 3
1.2.3 数据是数字经济的基础 4
1.2.4 数据管理是数字化转型的前提 5
1.2.5 数据*须从IT中分离出来 6
1.2.6 谁来管理数据 6
1.3 国外CDO发展的状况 7
1.3.1 国外CDO概念的历史由来 7
1.3.2 国外与CDO相关的组织 7
1.3.3 国外与CDO相关的研究和* 10
1.4 国内CDO发展的状况 11
1.4.1 广东省 11
1.4.2 浙江省 11
1.4.3 江苏省 12
1.4.4 山东省 12
1.4.5 上海市 12
1.4.6 北京市 12
1.4.7 四川省 13
1.4.8 * 13
1.4.9 关于CDO的一些城市级政策 13
1.5 CDO发展的趋势 14
1.5.1 全球CDO调研 14
1.5.2 CDO在我国的发展趋势 15
1.5.3 中美CDO的比较：谁在推动数据管理工作 15
1.6 本章小结 16
第 2章 CDO的主要职责和组织架构 17
2.1 概述 17
2.2 关于*数据官职责的一些观点 17
2.2.1 美国联邦政府*数据官委员会的观点 17
2.2.2 isCDO的观点 18
2.2.3 CDOIQ的观点 19
2.2.4 EDMC的观点 20
2.2.5 DAMA的观点 20
2.3 一个示例：美国俄勒冈州交通部CDO招聘 20
2.3.1 职位介绍 21
2.3.2 通用职责/领导职责 21
2.3.3 具体的职责和职务 21
2.3.4 成功的度量指标 24
2.3.5 背景要求和*资格要求 24
2.4 *数据官的主要工作职责 24
2.4.1 管好数据 24
2.4.2 做好转型 25
2.4.3 建好团队 26
2.4.4 CDO职责架构图 26
2.5 *数据官的汇报路径和组织架构 26
2.5.1 CDO与其他CXO的关系 26
2.5.2 CDO和数字化转型委员会的关系 28
2.5.3 CDO和数据所有者的关系 29
2.5.4 CDO和数据管理专员的关系 29
2.6 本章小结 30
第3章 CDO的*技能和个人特质 31
3.1 概述 31
3.2 *数据官面临的挑战 31
3.3 *数据官可能担当的角色 32
3.4 CDO的*技能（美国联邦政府*数据官委员会的观点） 34
3.5 CDO的数据能力：数据素养 34
3.6 CDO的业务能力 34
3.7 CDO的技术能力 35
3.8 CDO的团队能力 35
3.9 CDO的战略规划能力 36
3.10 CDO的沟通交流能力 36
3.11 CDO的性格特征 36
3.12 本章小结 36
第4章 CDO的行动指南 37
4.1 概述 37
4.2 国外关于CDO行动计划的一些观点 37
4.2.1 isCDO关于CDO的90天行动计划 37
4.2.2 Gartner关于CDO的100天行动计划 38
4.2.3 CDOIQ关于CDO的90天行动计划 38
4.3 DAMA的CDO行动路线图 40
4.3.1 获得支持并确定具体目标 40
4.3.2 了解组织的数据和技术现状 41
4.3.3 评估组织数据管理能力成熟度 42
4.3.4 制定路线图并设置合理的KPI 44
4.4 本章小结 44
*篇 管好数据
第5章 数据战略 46
5.1 概述 46
5.1.1 战略是企业的生死大计 46
5.1.2 数据赋予企业的机遇和挑战 46
5.1.3 企业需要有数据战略 47
5.1.4 部分国家或地区的数据战略 48
5.1.5 数据战略的三个*答题 48
5.2 数据战略七要素 48
5.2.1 愿景：企业要成为一家怎样的数据驱动型公司 49
5.2.2 数据文化：将数据思维植入组织文化 50
5.2.3 数据组织：构建业务负责制的数据管理组织 51
5.2.4 业务场景：让数据战略对齐业务战略 51
5.2.5 数据能力：提供制度和流程支撑 52
5.2.6 数据底座：让数据可用、好用 52
5.2.7 行动路线图：数据战略实施路线图 52
5.3 数据战略实施的Y形路径 53
5.3.1 数据战略分析 53
5.3.2 数据战略制定 54
5.3.3 数据战略实施 54
5.3.4 数据战略评估 55
5.4 本章小结 56
第6章 数据治理 57
6.1 概述 57
6.1.1 数据治理的定义 57
6.1.2 数据治理和数据管理的关系 57
6.2 数据治理的驱动因素 58
6.2.1 法规遵从的要求 58
6.2.2 内部管控的要求 58
6.2.3 外部市场的需求 59
6.3 数据治理的核心内容 59
6.3.1 组织人事架构的调整和建设 59
6.3.2 各种规章制度的建设 65
6.3.3 数据管理流程的改造和建设 65
6.4 数据治理的实施指南 65
6.4.1 识别当前的数据管理参与者 65
6.4.2 识别数据治理指导委员会的参与者 66
6.4.3 识别和分析利益相关方 66
6.4.4 让利益相关方参与进来 67
6.5 本章小结 67
第7章 数据制度 68
7.1 概述 68
7.1.1 数据制度的分类 68
7.1.2 企业层面的数据制度分类法 69
7.1.3 企业级管理大纲 69
7.1.4 数据管理办法 70
7.1.5 数据管理维护细则 70
7.1.6 数据管理操作手册 71
7.2 数据制度的主要内容 71
7.2.1 数据制度的核心内容 71
7.2.2 数据要素基础制度 73
7.3 数据制度的修订时机、原则和步骤 74
7.4 本章小结 75
第8章 元数据和数据资源目录 76
8.1 概述 76
8.1.1 元数据和数据资源目录的定义 76
8.1.2 数据管理需要从元数据开始 76
8.2 元数据管理的驱动因素 77
8.3 元数据的核心内容 79
8.3.1 元数据的内容 79
8.3.2 元数据的来源 80
8.4 元数据和数据资源目录实施指南 81
8.5 元数据管理的关键事项 83
8.5.1 目录的完整性 83
8.5.2 元数据的质量 83
8.5.3 组织保障 83
8.5.4 标准和制度 84
8.5.5 反馈机制 84
8.5.6 元数据管理是一项长期工程 84
8.6 主动型元数据管理 84
8.6.1 什么是主动型元数据管理 84
8.6.2 主动型元数据管理的基本特征 85
8.7 本章小结 85
第9章 数据标准 86
9.1 概述 86
9.1.1 数据标准的定义 86
9.1.2 数据标准层级 86
9.2 数据标准的驱动因素 87
9.3 数据标准面临的困难 88
9.4 数据标准的核心内容 88
9.4.1 数据要素供给 88
9.4.2 数据要素流通 89
9.4.3 数据要素开发利用 89
9.4.4 数据要素* 89
9.5 数据标准的实施指南 89
9.5.1 数据标准规划 90
9.5.2 数据标准制定 91
9.5.3 数据标准发布 94
9.5.4 数据标准执行 94
9.5.5 数据标准维护 95
9.6 数据标准化的评估 95
9.6.1 对数据标准建设的评估 96
9.6.2 对数据标准贯标的评估 96
9.6.3 对数据标准应用成效的评估 97
9.7 本章小结 97
第 10章 数据架构 98
10.1 数据架构的定义 98
10.1.1 DAMA的观点 98
10.1.2 DCMM的观点 98
10.1.3 其他观点 99
10.2 数据架构的核心内容及其演变 99
10.2.1 数据架构的核心内容 99
10.2.2 数据架构的演变 102
10.3 数据架构的实施指南 107
10.3.1 数据架构面临的挑战 107
10.3.2 数据架构的设计原则 107
10.3.3 现状与需求分析 108
10.3.4 数据架构设计的两种 模式 109
10.3.5 数据架构的常见误区 109
10.4 现代数据架构 110
10.4.1 现代数据架构介绍 110
10.4.2 数据架构的未来趋势 110
10.4.3 大数据技术 111
10.5 数据架构评估 111
10.6 本章小结 111
第 11章 数据质量管理 112
11.1 概述 112
11.2 数据质量的概念 112
11.3 数据质量管理的几项原则 113
11.3.1 从关键数据入手 113
11.3.2 “自查”和从源头抓起 114
11.3.3 明确的认责体系是提升数据质量的根本保证 114
11.3.4 建立有效的数据质量指标 115
11.4 数据质量管理的具体工作 116
11.4.1 数据质量管理的大致内容和流程 116
11.4.2 根因分析 117
11.4.3 PDCA方法论 117
11.4.4 数据质量报告 118
11.5 数据质量管理实施的几个要点 119
11.5.1 导致数据质量问题的常见原因 119
11.5.2 数据全生命周期的管理 119
11.5.3 数据质量规则模板 120
11.6 如何评估数据质量管理的成效 121
11.7 本章小结 121
第 12章 数据*和隐私保护 122
12.1 概述 122
12.1.1 数据*的定义 122
12.1.2 隐私保护的定义 123
12.1.3 CDO要做好数据*和隐私保护 123
12.2 数据*的核心内容 123
12.2.1 数据分类分级 124
12.2.2 数据访问控制 125
12.2.3 应对外部威胁 125
12.2.4 18种数据*能力 126
12.3 数据隐私保护的核心内容 127
12.3.1 个人信息*影响评估 128
12.3.2 个人数据保留和删除 129
12.3.3 个人数据处理活动记录 129
12.3.4 个人信息主体权益 130
12.4 数据*和隐私保护的实施方法 131
12.4.1 数据*和隐私保护之组织建设 131
12.4.2 数据*和隐私保护之框架和制度建设 132
12.4.3 数据*和隐私保护之技术工具 134
12.4.4 数据*和隐私保护之人员能力培养 136
12.4.5 外包中的数据*保护 137
12.4.6 CRUD和RACI 137
12.5 数据*和隐私保护的事件处理 137
12.6 本章小结 139
第 13章 数据合规管理 140
13.1 概述 140
13.1.1 合规 140
13.1.2 合规管理 140
13.1.3 合规风险 140
13.2 合规管理的作用 142
13.3 数据合规义务和风险 143
13.3.1 数据合规义务 143
13.3.2 数据合规风险 143
13.4 合规管理的主要步骤 144
13.4.1 风险识别 144
13.4.2 风险评价 146
13.4.3 识别并排序合规责任人 148
13.4.4 风险控制 149
13.5 合规管理体系及认证 151
13.5.1 组织环境 151
13.5.2 领导作用 152
13.5.3 策划 152
13.5.4 支持 152
13.5.5 运行 153
13.5.6 绩效评价 153
13.5.7 改进 153
13.6 本章小结 153
第 14章 主数据管理 154
14.1 概述 154
14.2 主数据的定义和关键特性 154
14.3 主数据类型 155
14.4 什么是主数据管理 155
14.5 主数据管理面临的挑战 156
14.6 主数据管理的核心内容 156
14.6.1 主数据管理标准体系 157
14.6.2 主数据管理保障体系 158
14.6.3 主数据管理工具 160
14.7 主数据管理的价值 164
14.8 主数据管理的实施方法 164
14.8.1 实施方法及内容 165
14.8.2 实施要点 166
14.9 主数据管理的评价指标 169
14.10 本章小结 169
第 15章 指标数据 170
15.1 概述 170
15.2 指标数据的驱动因素 170
15.2.1 指标数据是组织健康持续发展的需要 170
15.2.2 指标数据是组织经营分析决策的依据 170
15.2.3 指标数据是组织需要管理的重要资产 171
15.3 指标数据的管理原则 171
15.4 指标数据的建设过程 171
15.4.1 编制指标体系框架 171
15.4.2 明确主题所属指标 172
15.4.3 优化完善指标数据 173
15.4.4 制定指标管理体系 174
15.4.5 强化使用指标数据 175
15.5 指标数据的实施指南 176
15.5.1 指标数据的常见问题 176
15.5.2 指标数据的关键管理因素 176
15.5.3 指标数据的度量指标 177
15.6 本章小结 177
第 16章 数据建模 178
16.1 概述 178
16.1.1 什么是数据模型 178
16.1.2 数据建模的一些基本概念 179
16.2 数据模型管理的驱动因素 181
16.2.1 监管合规要求形成有效的数据模型管理机制 181
16.2.2 企业中的数据模型需要长期积累 182
16.2.3 数据生产规范化需要模型开发过程遵循企业数据标准 182
16.3 数据模型的核心内容 182
16.3.1 企业架构与数据架构 182
16.3.2 数据模型驱动的数据治理 184
16.3.3 从数据模型到数据 185
16.3.4 数据模型与数据标准的关系 185
16.3.5 将数据标准应用于数据模型建设 186
16.4 数据模型的实施指南 186
16.4.1 数据模型规范化设计 187
16.4.2 数据模型评审 187
16.4.3 数据模型管理和协作 187
16.4.4 组织架构和流程 188
16.4.5 行业标准化数据模型 189
16.5 数据模型的评估指标 189
16.5.1 数据模型管理成熟度评估模型 190
16.5.2 能力域及能力项的设计 191
16.6 本章小结 191
第 17章 数据集成 192
17.1 概述 192
17.1.1 数据集成的基本概念 192
17.1.2 时延的基本概念 192
17.2 数据集成的过程 193
17.3 数据集成的核心内容 193
17.3.1 数据集成的类型 194
17.3.2 数据集成技术 197
17.3.3 数据集成的新内容 200
17.3.4 数据集成的常见误区 201
17.4 数据集成能力的评估 202
17.5 本章小结 203
第 18章 数据存储 204
18.1 概述 204
18.1.1 数据存储的概念 204
18.1.2 数据存储规划的目标 204
18.2 数据存储规划需要考虑的因素 204
18.2.1 数据的结构特征 204
18.2.2 数据的处理模式 205
18.2.3 数据的全生命周期 206
18.2.4 数据访问的热度 206
18.2.5 数据的存储地点 207
18.2.6 整体性因素 209
18.3 选择数据库系统需要考虑的因素 210
18.3.1 数据库的CAP特性 210
18.3.2 数据库的扩展性 210
18.3.3 不同数据库适用的数据处理场景 213
18.3.4 全能但昂贵的选择——内存数据库 217
18.3.5 面向特定行业的数据库 218
18.4 数据存储的发展趋势 219
18.5 本章小结 219
第 19章 数据管理能力成熟度评估 220
19.1 数据管理能力成熟度评估模型 220
19.1.1 CMMI-DMM模型 220
19.1.2 IBM数据治理能力成熟度模型 222
19.1.3 DCAM 2.0 223
19.1.4 DCMM 224
19.1.5 数据管理能力成熟度评估模型对比分析 225
19.1.6 CDMC 226
19.2 如何开展数据管理能力成熟度评估 226
19.2.1 数据管理能力成熟度评估的实施步骤 227
19.2.2 未来趋势和展望 230
19.3 本章小结 230
第 20章 数据生命周期管理 231
20.1 概述 231
20.1.1 数据生命周期的定义 231
20.1.2 数据生命周期管理的定义 231
20.1.3 常见的数据生命周期管理模型 231
20.2 数据生命周期管理的目标及意义 233
20.3 数据生命周期管理的阶段 233
20.3.1 数据规划 233
20.3.2 数据创建 234
20.3.3 数据传输 234
20.3.4 数据存储 235
20.3.5 数据加工 235
20.3.6 数据使用 236
20.3.7 数据提高 236
20.3.8 数据归档或销毁 236
20.4 数据生命周期管理的评估 237
20.4.1 对数据生成与收集的评估要求 238
20.4.2 对数据加工与处理的评估要求 238
20.4.3 对数据存储与管理的评估要求 238
20.4.4 对数据利用与共享的评估要求 238
20.5 本章小结 238
第 21章 非结构化数据管理 239
21.1 概述 239
21.1.1 概念 239
21.1.2 发展历程 239
21.1.3 现状 240
21.1.4 未来趋势 240
21.2 非结构化数据管理的意义 241
21.2.1 *合规 241
21.2.2 提效降本 241
21.2.3 业务连续性 241
21.2.4 决策支持 242
21.2.5 洞察创新 242
21.2.6 权益保障 242
21.2.7 资产增值 242
21.2.8 记忆（历史）留存 242
21.3 非结构化数据管理的核心内容 242
21.3.1 文档管理 243
21.3.2 工作流 244
21.3.3 协作 244
21.3.4 影像管理 244
21.3.5 门户 244
21.3.6 知识管理 245
21.3.7 数字资产管理 245
21.3.8 网页内容管理 245
21.4 非结构化数据管理的建设方法 246
21.5 本章小结 247
第 22章 数据分析和挖掘 248
22.1 概述 248
22.2 数据分析与数据挖掘的异同 248
22.3 数据分析的核心内容 249
22.3.1 数据分析理论和方法 249
22.3.2 数据分析工具 249
22.3.3 数据分析应用 250
22.4 数据挖掘的核心内容 251
22.4.1 传统意义上的数据挖掘 252
22.4.2 大数据背景下的数据探索 254
22.4.3 数据挖掘工具 256
22.4.4 数据挖掘应用 256
22.5 数据分析和挖掘的应用场景 258
22.5.1 客户管理 258
22.5.2 产品管理 259
22.5.3 营销管理 259
22.5.4 绩效管理 259
22.5.5 风险管理 260
22.5.6 财务管理 260
22.6 数据分析和挖掘的实施方法 261
22.6.1 数据分析的实施方法 261
22.6.2 数据挖掘的实施方法 262
22.7 本章小结 263
第 23章 数据伦理 264
23.1 概述 264
23.1.1 遵守伦理是企业开展业务活动的底线 264
23.1.2 企业需要遵守数据伦理 264
23.2 数据伦理面临的问题及典型案例 265
23.2.1 数据伦理面临的问题 265
23.2.2 数据伦理问题的典型案例：Facebook定向广告推送事件 268
23.3 数据伦理治理的核心内容 268
23.3.1 国内外数据伦理与隐私保护实践 268
23.3.2 数据伦理的基本准则 269
23.3.3 数据伦理治理的基本方法 270
23.4 本章小结 272
第 24章 数据开放与共享 273
24.1 概述 273
24.1.1 基本概念 273
24.1.2 数据开放与共享的历史回顾 273
24.1.3 数据开放与共享的价值路径 276
24.2 数据开放与共享的建设意义 276
24.3 数据开放的核心内容 277
24.3.1 什么是数据开放 277
24.3.2 数据开放的关键 278
24.4 数据共享的核心内容 280
24.4.1 什么是数据共享 280
24.4.2 数据共享的关键 281
24.5 数据开放与共享的实施方法 281
24.5.1 数据开放与共享的资源体系 282
24.5.2 数据开放与共享的建设路径 282
24.5.3 数据开放与共享的运行机制 283
24.6 本章小结 284
第三篇 做好转型
第 25章 数字化转型与数字文化 286
25.1 概述 286
25.1.1 数字化和数字化转型 286
25.1.2 数字化与信息化的区别 287
25.1.3 数字文化和数据素养 287
25.2 数字化转型的驱动因素 288
25.2.1 外部驱动因素 288
25.2.2 内部驱动因素 288
25.3 数字文化的核心内容 289
25.3.1 数据思维 289
25.3.2 与客户共创 289
25.3.3 协同开放 290
25.3.4 创新包容 290
25.3.5 持续学习 290
25.3.6 崇尚科技 290
25.4 数字化转型的实施指南 291
25.4.1 树立紧迫感 291
25.4.2 沟通和设计愿景 291
25.4.3 建立数据型组织 291
25.4.4 积累短期，驱动长期 291
25.4.5 成果融入文化 291
25.4.6 动态调整，时刻检视 292
25.5 数字文化建设的评估指标 292
25.5.1 企业数字文化建设成果的评估指标 292
25.5.2 企业数字文化建设能力的评估指标 293
25.6 本章小结 293
第 26章 数据要素 294
26.1 概述 294
26.1.1 背景 294
26.1.2 定义 295
26.2 数据要素识别 296
26.3 数据确权 296
26.4 数据要素价值评估 297
26.4.1 数据权属确定 297
26.4.2 数据资产边界确定 297
26.4.3 数据资产成本计量评估 297
26.4.4 数据要素价值评估 299
26.4.5 探索资本服务 299
26.5 数据交易 299
26.5.1 交易标的物 299
26.5.2 参与主体 300
26.5.3 定价 300
26.5.4 风险提示 300
26.6 数据入表 300
26.7 本章小结 301
第 27章 公共数据授权运营 302
27.1 概述 302
27.1.1 政策背景 302
27.1.2 现状与实践 302
27.1.3 问题与挑战 305
27.2 授权运营方式 306
27.3 授权运营的实现路径 307
27.3.1 建立主体机制（组织框架搭建） 307
27.3.2 规范行为制度（政策文件支持） 307
27.3.3 选择建设模式（确定授权主体和授权方式） 308
27.3.4 搭建授权运营平台 308
27.3.5 设计收益分配 309
27.3.6 形成授权运营生态 309
27.4 本章小结 310
第四篇 建好团队
第 28章 数据团队建设 312
28.1 数据团队的组织架构 312
28.2 组织架构建设的指导原则 313
28.3 建立数据团队认责机制 314
28.4 数据团队的构成 315
28.4.1 数据团队的5个职能 315
28.4.2 不同的数据角色 315
28.4.3 数据治理子团队的构成 316
28.4.4 数据分析和应用子团队的构成 317
28.4.5 数据平台开发子团队的构成 318
28.4.6 数据系统运维子团队的构成 318
28.4.7 数据要素运营子团队的构成 318
28.5 数据团队的人员构成 318
28.5.1 数字化人才的定义 319
28.5.2 数据库管理员 319
28.5.3 ETL工程师 319
28.5.4 数据架构师 320
28.5.5 数据分析师 321
28.5.6 数据建模师 321
28.5.7 元数据管理师 322
28.5.8 主数据管理师 322
28.5.9 数据质量专员 323
28.5.10 数据*管理师 323
28.5.11 数据合规师 324
28.5.12 大数据科学家 325
28.5.13 数据治理师 325
28.5.14 数据资产评估师 326
28.5.15 数据交易师 326
28.6 数据团队的建设方法 326
28.6.1 数据团队建设的一些考虑 326
28.6.2 数据团队人才建设的渠道 327
28.7 本章小结 328
第 29章 CDO及其数据团队的绩效考核 329
29.1 CDO绩效管理的独特性 329
29.2 CDO绩效考核及其目的 329
29.3 CDO绩效考核对象及其指标 330
29.3.1 CDO绩效考核对象 330
29.3.2 CDO绩效考核指标 330
29.3.3 KPI要素 332
29.4 考核频率 332
29.5 考核基准 333
29.5.1 开发类项目的考核基准 333
29.5.2 工程类项目的考核基准 333
29.5.3 已知需求类项目的考核基准 333
29.5.4 未知需求类项目的考核基准 333
29.6 考核方法 333
29.6.1 排序法 333
29.6.2 对比法 334
29.6.3 正态分布法 334
29.6.4 文献法 335
29.6.5 述职法 335
29.6.6 尺度评价法 335
29.6.7 有无考核法 336
29.6.8 内部结算法 336
29.6.9 个人绩效承诺法 336
29.6.10 综合绩效考核法 338
29.7 考核数据收集 339
29.7.1 权责发生制的数据收集 339
29.7.2 实际发生制的数据收集 339
29.7.3 绩效数据与项目实施过程融合 339
29.7.4 项目全生命周期数据收集 339
29.8 考核结果 339
29.8.1 数据管理价值评价 339
29.8.2 考核的“量化”神话 340
29.8.3 活力曲线 340
29.8.4 考核结果应用 340
29.9 绩效反馈 341
29.9.1 绩效反馈与沟通 341
29.9.2 绩效考核中的常见问题及应对措施 343
29.10 绩效考核体系建设 345
29.10.1 取得高层领导支持 345
29.10.2 开展全员宣贯 345
29.10.3 统筹规划三阶段 345
29.10.4 确定考核目标 345
29.10.5 设计KPI和权重 346
29.10.6 选择合适的考核方法 346
29.10.7 设计考核结果的活力区间 346
29.10.8 设计考核频率 346
29.10.9 设计考核结果应用 346
29.10.10 开展绩效反馈与辅导 346
29.11 本章小结 346
第30章 数据项目的管理 347
30.1 数据项目的定义 347
30.1.1 什么是数据项目 347
30.1.2 数据项目的独特性 347
30.2 项目管理及其发展 348
30.2.1 项目管理的发展历程 348
30.2.2 项目管理的九大知识领域 349
30.2.3 项目管理人才的技能要求 350
30.3 数据项目管理的原则 350
30.4 数据项目管理的内容 351
30.4.1 传统型数据项目 351
30.4.2 基于数据生命周期的传统型数据项目 352
30.4.3 与数据资产和数据要素相关的数据项目 353
30.4.4 数据外包项目的管理 354
30.5 数据驱动的项目管理 354
30.5.1 数据在项目管理中的作用 354
30.5.2 数据驱动的项目管理的实施流程 354
30.6 本章小结 355
第五篇 新技术、新模式、新业态
第31章 新型数据科技 358
31.1 战略性新型数据平台 358
31.2 现代数据架构 358
31.2.1 现代数据架构的特点 358
31.2.2 云上数据架构的兴起 359
31.2.3 主动型元数据管理 359
31.3 湖仓一体 360
31.3.1 数据仓库 360
31.3.2 数据湖 360
31.3.3 湖仓一体 361
31.3.4 数据中台 362
31.4 数据民主化 363
31.5 数据编织 363
31.6 数据网格 364
31.7 数据联邦 364
31.8 DataOps 364
31.8.1 定义 364
31.8.2 DataOps架构 365
31.8.3 数据中台与DataOps的关系 366
31.8.4 DataOps的主要技术 366
31.8.5 DataOps的价值 366
31.9 数据可视化 367
31.10 数字孪生 367
31.11 隐私计算 368
31.11.1 隐私计算的定义和相关的主要技术 369
31.11.2 隐私计算在数据要素流通中的应用 369
31.12 区块链 370
31.13 ChatGPT带来的革命性变革 370
31.14 “信创”及其对企业数据技术发展的影响 371
31.14.1 信创产业发展的背景 371
31.14.2 信创产业发展的成* 371
31.14.3 信创产业的发展趋势 372
31.15 开源 372
31.15.1 开源软件的条件 372
31.15.2 开源的优势及劣势 373
31.15.3 关于开源的一些问题 373
31.15.4 主要的软件基金会和平台 374
31.15.5 中国*对Apache*项目做出的贡献 375
31.15.6 开源项目的发展趋势 376
31.16 数据空间和国际数据空间 377
31.17 本章小结 378
第32章 基于数据的商业运营新模式 379
32.1 传统的运营模式 379
32.1.1 传统的业务驱动型运营模式 379
32.1.2 传统的技术驱动型运营模式 379
32.1.3 阿米巴运营模式 380
32.1.4 传统的流程驱动型运营模式 380
32.2 基于数据的新模式 381
32.2.1 数据驱动的新模式 381
32.2.2 以数据为中心的新模式 382
32.2.3 基于指标数据的新模式 383
32.3 与数据相关的其他新模式 383
32.3.1 数据交易的新模式 383
32.3.2 基于云端的数据管理模式 384
32.4 本章小结 384
第33章 基于数据的新业态 385
33.1 背景 385
33.2 数商新生态 385
33.3 数据信托 386
33.4 数据跨境流通 387
33.5 数据标注 388
33.6 Web 3.0和元宇宙 388
33.7 NFT 389
33.8 ESG 389
33.9 碳达峰与碳中和 389
33.10 ESG与“双碳”之间的联系与区别 389
33.11 本章小结 390
定价：119.8
ISBN：9787115637734
作者：上海市静安区国际数据管理协会
版次：第1版
出版时间：2024-03
内容提要：
*数据官（Chief Data Officer，CDO）是数字时代的产物，它在数字化转型的过程中，以及在转型成功后的数字经济中，*会起到关键作用。本书旨在建立一套相对完整的关于*数据官的知识体系，帮助读者更好地参与数字时代的发展。 本书分为5篇。“*篇 CDO概论”介绍CDO产生的背景、发展趋势、主要职责、*技能和工作路径等。“*篇 管好数据”讲解CDO如何管理好数据，涉及数据战略、数据治理、数据制度、数据标准、数据架构、数据质量、数据*、数据合规、数据建模、数据集成、数据存储、数据分析和挖掘、数据伦理、数据开放与共享等。“第三篇 做好转型”讲解CDO如何做好数字化转型。“第四篇 建好团队”讲解CDO如何构建、领导和考核数据团队。“第五篇 新技术、新模式、新业态”介绍一些与数据及CDO相关的新技术、新模式和新业态。
作者简介：
上海市静安区国际数据管理协会是国际数据管理协会的中国分会，是数据管理和业务专业志愿人士组成的非营利协会，致力于数据管理的研究和实践，以及为数据管理从业人员提供交流平台。
目录：
第 一篇 CDO概论
第 1章 CDO是数字时代的产物 2
1.1 CDO的定义 2
1.1.1 *数字官 2
1.1.2 *数据官 2
1.2 CDO产生的背景 2
1.2.1 《*数据宣言》 3
1.2.2 数据是生产要素 3
1.2.3 数据是数字经济的基础 4
1.2.4 数据管理是数字化转型的前提 5
1.2.5 数据*须从IT中分离出来 6
1.2.6 谁来管理数据 6
1.3 国外CDO发展的状况 7
1.3.1 国外CDO概念的历史由来 7
1.3.2 国外与CDO相关的组织 7
1.3.3 国外与CDO相关的研究和* 10
1.4 国内CDO发展的状况 11
1.4.1 广东省 11
1.4.2 浙江省 11
1.4.3 江苏省 12
1.4.4 山东省 12
1.4.5 上海市 12
1.4.6 北京市 12
1.4.7 四川省 13
1.4.8 * 13
1.4.9 关于CDO的一些城市级政策 13
1.5 CDO发展的趋势 14
1.5.1 全球CDO调研 14
1.5.2 CDO在我国的发展趋势 15
1.5.3 中美CDO的比较：谁在推动数据管理工作 15
1.6 本章小结 16
第 2章 CDO的主要职责和组织架构 17
2.1 概述 17
2.2 关于*数据官职责的一些观点 17
2.2.1 美国联邦政府*数据官委员会的观点 17
2.2.2 isCDO的观点 18
2.2.3 CDOIQ的观点 19
2.2.4 EDMC的观点 20
2.2.5 DAMA的观点 20
2.3 一个示例：美国俄勒冈州交通部CDO招聘 20
2.3.1 职位介绍 21
2.3.2 通用职责/领导职责 21
2.3.3 具体的职责和职务 21
2.3.4 成功的度量指标 24
2.3.5 背景要求和*资格要求 24
2.4 *数据官的主要工作职责 24
2.4.1 管好数据 24
2.4.2 做好转型 25
2.4.3 建好团队 26
2.4.4 CDO职责架构图 26
2.5 *数据官的汇报路径和组织架构 26
2.5.1 CDO与其他CXO的关系 26
2.5.2 CDO和数字化转型委员会的关系 28
2.5.3 CDO和数据所有者的关系 29
2.5.4 CDO和数据管理专员的关系 29
2.6 本章小结 30
第3章 CDO的*技能和个人特质 31
3.1 概述 31
3.2 *数据官面临的挑战 31
3.3 *数据官可能担当的角色 32
3.4 CDO的*技能（美国联邦政府*数据官委员会的观点） 34
3.5 CDO的数据能力：数据素养 34
3.6 CDO的业务能力 34
3.7 CDO的技术能力 35
3.8 CDO的团队能力 35
3.9 CDO的战略规划能力 36
3.10 CDO的沟通交流能力 36
3.11 CDO的性格特征 36
3.12 本章小结 36
第4章 CDO的行动指南 37
4.1 概述 37
4.2 国外关于CDO行动计划的一些观点 37
4.2.1 isCDO关于CDO的90天行动计划 37
4.2.2 Gartner关于CDO的100天行动计划 38
4.2.3 CDOIQ关于CDO的90天行动计划 38
4.3 DAMA的CDO行动路线图 40
4.3.1 获得支持并确定具体目标 40
4.3.2 了解组织的数据和技术现状 41
4.3.3 评估组织数据管理能力成熟度 42
4.3.4 制定路线图并设置合理的KPI 44
4.4 本章小结 44
*篇 管好数据
第5章 数据战略 46
5.1 概述 46
5.1.1 战略是企业的生死大计 46
5.1.2 数据赋予企业的机遇和挑战 46
5.1.3 企业需要有数据战略 47
5.1.4 部分国家或地区的数据战略 48
5.1.5 数据战略的三个*答题 48
5.2 数据战略七要素 48
5.2.1 愿景：企业要成为一家怎样的数据驱动型公司 49
5.2.2 数据文化：将数据思维植入组织文化 50
5.2.3 数据组织：构建业务负责制的数据管理组织 51
5.2.4 业务场景：让数据战略对齐业务战略 51
5.2.5 数据能力：提供制度和流程支撑 52
5.2.6 数据底座：让数据可用、好用 52
5.2.7 行动路线图：数据战略实施路线图 52
5.3 数据战略实施的Y形路径 53
5.3.1 数据战略分析 53
5.3.2 数据战略制定 54
5.3.3 数据战略实施 54
5.3.4 数据战略评估 55
5.4 本章小结 56
第6章 数据治理 57
6.1 概述 57
6.1.1 数据治理的定义 57
6.1.2 数据治理和数据管理的关系 57
6.2 数据治理的驱动因素 58
6.2.1 法规遵从的要求 58
6.2.2 内部管控的要求 58
6.2.3 外部市场的需求 59
6.3 数据治理的核心内容 59
6.3.1 组织人事架构的调整和建设 59
6.3.2 各种规章制度的建设 65
6.3.3 数据管理流程的改造和建设 65
6.4 数据治理的实施指南 65
6.4.1 识别当前的数据管理参与者 65
6.4.2 识别数据治理指导委员会的参与者 66
6.4.3 识别和分析利益相关方 66
6.4.4 让利益相关方参与进来 67
6.5 本章小结 67
第7章 数据制度 68
7.1 概述 68
7.1.1 数据制度的分类 68
7.1.2 企业层面的数据制度分类法 69
7.1.3 企业级管理大纲 69
7.1.4 数据管理办法 70
7.1.5 数据管理维护细则 70
7.1.6 数据管理操作手册 71
7.2 数据制度的主要内容 71
7.2.1 数据制度的核心内容 71
7.2.2 数据要素基础制度 73
7.3 数据制度的修订时机、原则和步骤 74
7.4 本章小结 75
第8章 元数据和数据资源目录 76
8.1 概述 76
8.1.1 元数据和数据资源目录的定义 76
8.1.2 数据管理需要从元数据开始 76
8.2 元数据管理的驱动因素 77
8.3 元数据的核心内容 79
8.3.1 元数据的内容 79
8.3.2 元数据的来源 80
8.4 元数据和数据资源目录实施指南 81
8.5 元数据管理的关键事项 83
8.5.1 目录的完整性 83
8.5.2 元数据的质量 83
8.5.3 组织保障 83
8.5.4 标准和制度 84
8.5.5 反馈机制 84
8.5.6 元数据管理是一项长期工程 84
8.6 主动型元数据管理 84
8.6.1 什么是主动型元数据管理 84
8.6.2 主动型元数据管理的基本特征 85
8.7 本章小结 85
第9章 数据标准 86
9.1 概述 86
9.1.1 数据标准的定义 86
9.1.2 数据标准层级 86
9.2 数据标准的驱动因素 87
9.3 数据标准面临的困难 88
9.4 数据标准的核心内容 88
9.4.1 数据要素供给 88
9.4.2 数据要素流通 89
9.4.3 数据要素开发利用 89
9.4.4 数据要素* 89
9.5 数据标准的实施指南 89
9.5.1 数据标准规划 90
9.5.2 数据标准制定 91
9.5.3 数据标准发布 94
9.5.4 数据标准执行 94
9.5.5 数据标准维护 95
9.6 数据标准化的评估 95
9.6.1 对数据标准建设的评估 96
9.6.2 对数据标准贯标的评估 96
9.6.3 对数据标准应用成效的评估 97
9.7 本章小结 97
第 10章 数据架构 98
10.1 数据架构的定义 98
10.1.1 DAMA的观点 98
10.1.2 DCMM的观点 98
10.1.3 其他观点 99
10.2 数据架构的核心内容及其演变 99
10.2.1 数据架构的核心内容 99
10.2.2 数据架构的演变 102
10.3 数据架构的实施指南 107
10.3.1 数据架构面临的挑战 107
10.3.2 数据架构的设计原则 107
10.3.3 现状与需求分析 108
10.3.4 数据架构设计的两种 模式 109
10.3.5 数据架构的常见误区 109
10.4 现代数据架构 110
10.4.1 现代数据架构介绍 110
10.4.2 数据架构的未来趋势 110
10.4.3 大数据技术 111
10.5 数据架构评估 111
10.6 本章小结 111
第 11章 数据质量管理 112
11.1 概述 112
11.2 数据质量的概念 112
11.3 数据质量管理的几项原则 113
11.3.1 从关键数据入手 113
11.3.2 “自查”和从源头抓起 114
11.3.3 明确的认责体系是提升数据质量的根本保证 114
11.3.4 建立有效的数据质量指标 115
11.4 数据质量管理的具体工作 116
11.4.1 数据质量管理的大致内容和流程 116
11.4.2 根因分析 117
11.4.3 PDCA方法论 117
11.4.4 数据质量报告 118
11.5 数据质量管理实施的几个要点 119
11.5.1 导致数据质量问题的常见原因 119
11.5.2 数据全生命周期的管理 119
11.5.3 数据质量规则模板 120
11.6 如何评估数据质量管理的成效 121
11.7 本章小结 121
第 12章 数据*和隐私保护 122
12.1 概述 122
12.1.1 数据*的定义 122
12.1.2 隐私保护的定义 123
12.1.3 CDO要做好数据*和隐私保护 123
12.2 数据*的核心内容 123
12.2.1 数据分类分级 124
12.2.2 数据访问控制 125
12.2.3 应对外部威胁 125
12.2.4 18种数据*能力 126
12.3 数据隐私保护的核心内容 127
12.3.1 个人信息*影响评估 128
12.3.2 个人数据保留和删除 129
12.3.3 个人数据处理活动记录 129
12.3.4 个人信息主体权益 130
12.4 数据*和隐私保护的实施方法 131
12.4.1 数据*和隐私保护之组织建设 131
12.4.2 数据*和隐私保护之框架和制度建设 132
12.4.3 数据*和隐私保护之技术工具 134
12.4.4 数据*和隐私保护之人员能力培养 136
12.4.5 外包中的数据*保护 137
12.4.6 CRUD和RACI 137
12.5 数据*和隐私保护的事件处理 137
12.6 本章小结 139
第 13章 数据合规管理 140
13.1 概述 140
13.1.1 合规 140
13.1.2 合规管理 140
13.1.3 合规风险 140
13.2 合规管理的作用 142
13.3 数据合规义务和风险 143
13.3.1 数据合规义务 143
13.3.2 数据合规风险 143
13.4 合规管理的主要步骤 144
13.4.1 风险识别 144
13.4.2 风险评价 146
13.4.3 识别并排序合规责任人 148
13.4.4 风险控制 149
13.5 合规管理体系及认证 151
13.5.1 组织环境 151
13.5.2 领导作用 152
13.5.3 策划 152
13.5.4 支持 152
13.5.5 运行 153
13.5.6 绩效评价 153
13.5.7 改进 153
13.6 本章小结 153
第 14章 主数据管理 154
14.1 概述 154
14.2 主数据的定义和关键特性 154
14.3 主数据类型 155
14.4 什么是主数据管理 155
14.5 主数据管理面临的挑战 156
14.6 主数据管理的核心内容 156
14.6.1 主数据管理标准体系 157
14.6.2 主数据管理保障体系 158
14.6.3 主数据管理工具 160
14.7 主数据管理的价值 164
14.8 主数据管理的实施方法 164
14.8.1 实施方法及内容 165
14.8.2 实施要点 166
14.9 主数据管理的评价指标 169
14.10 本章小结 169
第 15章 指标数据 170
15.1 概述 170
15.2 指标数据的驱动因素 170
15.2.1 指标数据是组织健康持续发展的需要 170
15.2.2 指标数据是组织经营分析决策的依据 170
15.2.3 指标数据是组织需要管理的重要资产 171
15.3 指标数据的管理原则 171
15.4 指标数据的建设过程 171
15.4.1 编制指标体系框架 171
15.4.2 明确主题所属指标 172
15.4.3 优化完善指标数据 173
15.4.4 制定指标管理体系 174
15.4.5 强化使用指标数据 175
15.5 指标数据的实施指南 176
15.5.1 指标数据的常见问题 176
15.5.2 指标数据的关键管理因素 176
15.5.3 指标数据的度量指标 177
15.6 本章小结 177
第 16章 数据建模 178
16.1 概述 178
16.1.1 什么是数据模型 178
16.1.2 数据建模的一些基本概念 179
16.2 数据模型管理的驱动因素 181
16.2.1 监管合规要求形成有效的数据模型管理机制 181
16.2.2 企业中的数据模型需要长期积累 182
16.2.3 数据生产规范化需要模型开发过程遵循企业数据标准 182
16.3 数据模型的核心内容 182
16.3.1 企业架构与数据架构 182
16.3.2 数据模型驱动的数据治理 184
16.3.3 从数据模型到数据 185
16.3.4 数据模型与数据标准的关系 185
16.3.5 将数据标准应用于数据模型建设 186
16.4 数据模型的实施指南 186
16.4.1 数据模型规范化设计 187
16.4.2 数据模型评审 187
16.4.3 数据模型管理和协作 187
16.4.4 组织架构和流程 188
16.4.5 行业标准化数据模型 189
16.5 数据模型的评估指标 189
16.5.1 数据模型管理成熟度评估模型 190
16.5.2 能力域及能力项的设计 191
16.6 本章小结 191
第 17章 数据集成 192
17.1 概述 192
17.1.1 数据集成的基本概念 192
17.1.2 时延的基本概念 192
17.2 数据集成的过程 193
17.3 数据集成的核心内容 193
17.3.1 数据集成的类型 194
17.3.2 数据集成技术 197
17.3.3 数据集成的新内容 200
17.3.4 数据集成的常见误区 201
17.4 数据集成能力的评估 202
17.5 本章小结 203
第 18章 数据存储 204
18.1 概述 204
18.1.1 数据存储的概念 204
18.1.2 数据存储规划的目标 204
18.2 数据存储规划需要考虑的因素 204
18.2.1 数据的结构特征 204
18.2.2 数据的处理模式 205
18.2.3 数据的全生命周期 206
18.2.4 数据访问的热度 206
18.2.5 数据的存储地点 207
18.2.6 整体性因素 209
18.3 选择数据库系统需要考虑的因素 210
18.3.1 数据库的CAP特性 210
18.3.2 数据库的扩展性 210
18.3.3 不同数据库适用的数据处理场景 213
18.3.4 全能但昂贵的选择——内存数据库 217
18.3.5 面向特定行业的数据库 218
18.4 数据存储的发展趋势 219
18.5 本章小结 219
第 19章 数据管理能力成熟度评估 220
19.1 数据管理能力成熟度评估模型 220
19.1.1 CMMI-DMM模型 220
19.1.2 IBM数据治理能力成熟度模型 222
19.1.3 DCAM 2.0 223
19.1.4 DCMM 224
19.1.5 数据管理能力成熟度评估模型对比分析 225
19.1.6 CDMC 226
19.2 如何开展数据管理能力成熟度评估 226
19.2.1 数据管理能力成熟度评估的实施步骤 227
19.2.2 未来趋势和展望 230
19.3 本章小结 230
第 20章 数据生命周期管理 231
20.1 概述 231
20.1.1 数据生命周期的定义 231
20.1.2 数据生命周期管理的定义 231
20.1.3 常见的数据生命周期管理模型 231
20.2 数据生命周期管理的目标及意义 233
20.3 数据生命周期管理的阶段 233
20.3.1 数据规划 233
20.3.2 数据创建 234
20.3.3 数据传输 234
20.3.4 数据存储 235
20.3.5 数据加工 235
20.3.6 数据使用 236
20.3.7 数据提高 236
20.3.8 数据归档或销毁 236
20.4 数据生命周期管理的评估 237
20.4.1 对数据生成与收集的评估要求 238
20.4.2 对数据加工与处理的评估要求 238
20.4.3 对数据存储与管理的评估要求 238
20.4.4 对数据利用与共享的评估要求 238
20.5 本章小结 238
第 21章 非结构化数据管理 239
21.1 概述 239
21.1.1 概念 239
21.1.2 发展历程 239
21.1.3 现状 240
21.1.4 未来趋势 240
21.2 非结构化数据管理的意义 241
21.2.1 *合规 241
21.2.2 提效降本 241
21.2.3 业务连续性 241
21.2.4 决策支持 242
21.2.5 洞察创新 242
21.2.6 权益保障 242
21.2.7 资产增值 242
21.2.8 记忆（历史）留存 242
21.3 非结构化数据管理的核心内容 242
21.3.1 文档管理 243
21.3.2 工作流 244
21.3.3 协作 244
21.3.4 影像管理 244
21.3.5 门户 244
21.3.6 知识管理 245
21.3.7 数字资产管理 245
21.3.8 网页内容管理 245
21.4 非结构化数据管理的建设方法 246
21.5 本章小结 247
第 22章 数据分析和挖掘 248
22.1 概述 248
22.2 数据分析与数据挖掘的异同 248
22.3 数据分析的核心内容 249
22.3.1 数据分析理论和方法 249
22.3.2 数据分析工具 249
22.3.3 数据分析应用 250
22.4 数据挖掘的核心内容 251
22.4.1 传统意义上的数据挖掘 252
22.4.2 大数据背景下的数据探索 254
22.4.3 数据挖掘工具 256
22.4.4 数据挖掘应用 256
22.5 数据分析和挖掘的应用场景 258
22.5.1 客户管理 258
22.5.2 产品管理 259
22.5.3 营销管理 259
22.5.4 绩效管理 259
22.5.5 风险管理 260
22.5.6 财务管理 260
22.6 数据分析和挖掘的实施方法 261
22.6.1 数据分析的实施方法 261
22.6.2 数据挖掘的实施方法 262
22.7 本章小结 263
第 23章 数据伦理 264
23.1 概述 264
23.1.1 遵守伦理是企业开展业务活动的底线 264
23.1.2 企业需要遵守数据伦理 264
23.2 数据伦理面临的问题及典型案例 265
23.2.1 数据伦理面临的问题 265
23.2.2 数据伦理问题的典型案例：Facebook定向广告推送事件 268
23.3 数据伦理治理的核心内容 268
23.3.1 国内外数据伦理与隐私保护实践 268
23.3.2 数据伦理的基本准则 269
23.3.3 数据伦理治理的基本方法 270
23.4 本章小结 272
第 24章 数据开放与共享 273
24.1 概述 273
24.1.1 基本概念 273
24.1.2 数据开放与共享的历史回顾 273
24.1.3 数据开放与共享的价值路径 276
24.2 数据开放与共享的建设意义 276
24.3 数据开放的核心内容 277
24.3.1 什么是数据开放 277
24.3.2 数据开放的关键 278
24.4 数据共享的核心内容 280
24.4.1 什么是数据共享 280
24.4.2 数据共享的关键 281
24.5 数据开放与共享的实施方法 281
24.5.1 数据开放与共享的资源体系 282
24.5.2 数据开放与共享的建设路径 282
24.5.3 数据开放与共享的运行机制 283
24.6 本章小结 284
第三篇 做好转型
第 25章 数字化转型与数字文化 286
25.1 概述 286
25.1.1 数字化和数字化转型 286
25.1.2 数字化与信息化的区别 287
25.1.3 数字文化和数据素养 287
25.2 数字化转型的驱动因素 288
25.2.1 外部驱动因素 288
25.2.2 内部驱动因素 288
25.3 数字文化的核心内容 289
25.3.1 数据思维 289
25.3.2 与客户共创 289
25.3.3 协同开放 290
25.3.4 创新包容 290
25.3.5 持续学习 290
25.3.6 崇尚科技 290
25.4 数字化转型的实施指南 291
25.4.1 树立紧迫感 291
25.4.2 沟通和设计愿景 291
25.4.3 建立数据型组织 291
25.4.4 积累短期，驱动长期 291
25.4.5 成果融入文化 291
25.4.6 动态调整，时刻检视 292
25.5 数字文化建设的评估指标 292
25.5.1 企业数字文化建设成果的评估指标 292
25.5.2 企业数字文化建设能力的评估指标 293
25.6 本章小结 293
第 26章 数据要素 294
26.1 概述 294
26.1.1 背景 294
26.1.2 定义 295
26.2 数据要素识别 296
26.3 数据确权 296
26.4 数据要素价值评估 297
26.4.1 数据权属确定 297
26.4.2 数据资产边界确定 297
26.4.3 数据资产成本计量评估 297
26.4.4 数据要素价值评估 299
26.4.5 探索资本服务 299
26.5 数据交易 299
26.5.1 交易标的物 299
26.5.2 参与主体 300
26.5.3 定价 300
26.5.4 风险提示 300
26.6 数据入表 300
26.7 本章小结 301
第 27章 公共数据授权运营 302
27.1 概述 302
27.1.1 政策背景 302
27.1.2 现状与实践 302
27.1.3 问题与挑战 305
27.2 授权运营方式 306
27.3 授权运营的实现路径 307
27.3.1 建立主体机制（组织框架搭建） 307
27.3.2 规范行为制度（政策文件支持） 307
27.3.3 选择建设模式（确定授权主体和授权方式） 308
27.3.4 搭建授权运营平台 308
27.3.5 设计收益分配 309
27.3.6 形成授权运营生态 309
27.4 本章小结 310
第四篇 建好团队
第 28章 数据团队建设 312
28.1 数据团队的组织架构 312
28.2 组织架构建设的指导原则 313
28.3 建立数据团队认责机制 314
28.4 数据团队的构成 315
28.4.1 数据团队的5个职能 315
28.4.2 不同的数据角色 315
28.4.3 数据治理子团队的构成 316
28.4.4 数据分析和应用子团队的构成 317
28.4.5 数据平台开发子团队的构成 318
28.4.6 数据系统运维子团队的构成 318
28.4.7 数据要素运营子团队的构成 318
28.5 数据团队的人员构成 318
28.5.1 数字化人才的定义 319
28.5.2 数据库管理员 319
28.5.3 ETL工程师 319
28.5.4 数据架构师 320
28.5.5 数据分析师 321
28.5.6 数据建模师 321
28.5.7 元数据管理师 322
28.5.8 主数据管理师 322
28.5.9 数据质量专员 323
28.5.10 数据*管理师 323
28.5.11 数据合规师 324
28.5.12 大数据科学家 325
28.5.13 数据治理师 325
28.5.14 数据资产评估师 326
28.5.15 数据交易师 326
28.6 数据团队的建设方法 326
28.6.1 数据团队建设的一些考虑 326
28.6.2 数据团队人才建设的渠道 327
28.7 本章小结 328
第 29章 CDO及其数据团队的绩效考核 329
29.1 CDO绩效管理的独特性 329
29.2 CDO绩效考核及其目的 329
29.3 CDO绩效考核对象及其指标 330
29.3.1 CDO绩效考核对象 330
29.3.2 CDO绩效考核指标 330
29.3.3 KPI要素 332
29.4 考核频率 332
29.5 考核基准 333
29.5.1 开发类项目的考核基准 333
29.5.2 工程类项目的考核基准 333
29.5.3 已知需求类项目的考核基准 333
29.5.4 未知需求类项目的考核基准 333
29.6 考核方法 333
29.6.1 排序法 333
29.6.2 对比法 334
29.6.3 正态分布法 334
29.6.4 文献法 335
29.6.5 述职法 335
29.6.6 尺度评价法 335
29.6.7 有无考核法 336
29.6.8 内部结算法 336
29.6.9 个人绩效承诺法 336
29.6.10 综合绩效考核法 338
29.7 考核数据收集 339
29.7.1 权责发生制的数据收集 339
29.7.2 实际发生制的数据收集 339
29.7.3 绩效数据与项目实施过程融合 339
29.7.4 项目全生命周期数据收集 339
29.8 考核结果 339
29.8.1 数据管理价值评价 339
29.8.2 考核的“量化”神话 340
29.8.3 活力曲线 340
29.8.4 考核结果应用 340
29.9 绩效反馈 341
29.9.1 绩效反馈与沟通 341
29.9.2 绩效考核中的常见问题及应对措施 343
29.10 绩效考核体系建设 345
29.10.1 取得高层领导支持 345
29.10.2 开展全员宣贯 345
29.10.3 统筹规划三阶段 345
29.10.4 确定考核目标 345
29.10.5 设计KPI和权重 346
29.10.6 选择合适的考核方法 346
29.10.7 设计考核结果的活力区间 346
29.10.8 设计考核频率 346
29.10.9 设计考核结果应用 346
29.10.10 开展绩效反馈与辅导 346
29.11 本章小结 346
第30章 数据项目的管理 347
30.1 数据项目的定义 347
30.1.1 什么是数据项目 347
30.1.2 数据项目的独特性 347
30.2 项目管理及其发展 348
30.2.1 项目管理的发展历程 348
30.2.2 项目管理的九大知识领域 349
30.2.3 项目管理人才的技能要求 350
30.3 数据项目管理的原则 350
30.4 数据项目管理的内容 351
30.4.1 传统型数据项目 351
30.4.2 基于数据生命周期的传统型数据项目 352
30.4.3 与数据资产和数据要素相关的数据项目 353
30.4.4 数据外包项目的管理 354
30.5 数据驱动的项目管理 354
30.5.1 数据在项目管理中的作用 354
30.5.2 数据驱动的项目管理的实施流程 354
30.6 本章小结 355
第五篇 新技术、新模式、新业态
第31章 新型数据科技 358
31.1 战略性新型数据平台 358
31.2 现代数据架构 358
31.2.1 现代数据架构的特点 358
31.2.2 云上数据架构的兴起 359
31.2.3 主动型元数据管理 359
31.3 湖仓一体 360
31.3.1 数据仓库 360
31.3.2 数据湖 360
31.3.3 湖仓一体 361
31.3.4 数据中台 362
31.4 数据民主化 363
31.5 数据编织 363
31.6 数据网格 364
31.7 数据联邦 364
31.8 DataOps 364
31.8.1 定义 364
31.8.2 DataOps架构 365
31.8.3 数据中台与DataOps的关系 366
31.8.4 DataOps的主要技术 366
31.8.5 DataOps的价值 366
31.9 数据可视化 367
31.10 数字孪生 367
31.11 隐私计算 368
31.11.1 隐私计算的定义和相关的主要技术 369
31.11.2 隐私计算在数据要素流通中的应用 369
31.12 区块链 370
31.13 ChatGPT带来的革命性变革 370
31.14 “信创”及其对企业数据技术发展的影响 371
31.14.1 信创产业发展的背景 371
31.14.2 信创产业发展的成* 371
31.14.3 信创产业的发展趋势 372
31.15 开源 372
31.15.1 开源软件的条件 372
31.15.2 开源的优势及劣势 373
31.15.3 关于开源的一些问题 373
31.15.4 主要的软件基金会和平台 374
31.15.5 中国*对Apache*项目做出的贡献 375
31.15.6 开源项目的发展趋势 376
31.16 数据空间和国际数据空间 377
31.17 本章小结 378
第32章 基于数据的商业运营新模式 379
32.1 传统的运营模式 379
32.1.1 传统的业务驱动型运营模式 379
32.1.2 传统的技术驱动型运营模式 379
32.1.3 阿米巴运营模式 380
32.1.4 传统的流程驱动型运营模式 380
32.2 基于数据的新模式 381
32.2.1 数据驱动的新模式 381
32.2.2 以数据为中心的新模式 382
32.2.3 基于指标数据的新模式 383
32.3 与数据相关的其他新模式 383
32.3.1 数据交易的新模式 383
32.3.2 基于云端的数据管理模式 384
32.4 本章小结 384
第33章 基于数据的新业态 385
33.1 背景 385
33.2 数商新生态 385
33.3 数据信托 386
33.4 数据跨境流通 387
33.5 数据标注 388
33.6 Web 3.0和元宇宙 388
33.7 NFT 389
33.8 ESG 389
33.9 碳达峰与碳中和 389
33.10 ESG与“双碳”之间的联系与区别 389
33.11 本章小结 390
- 人民邮电出版社有限公司 （微信公众号认证）
- 人民邮电出版社微店，为您提供最全面，最专业的一站式购书服务
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
