欧洲亚洲日本-欧洲亚洲视频-欧洲亚洲一区-欧洲亚洲一区二区三区-国产精品第九页-国产精品第六页

《數據治理：工業企業數字化轉型》是一本全面關注工業企業數據治理方面的工具書，主要內容分為概述篇、體系篇、工具篇、實施篇及案例篇。

其中概述篇主要介紹工業企業數據治理的基礎概念、主流數據治理標準及框架、數據治理的發展趨勢等；

體系篇主要介紹數據管控、數據戰略、數據架構、主數據管理等的基本原理與管理體系；

工具篇主要介紹主數據管理工具、數據模型管理工具、數據資產運營工具等；

實施篇主要介紹具體實施策略及路徑選擇、頂層架構規劃與設計、數據資產運營實施等；

案例篇主要介紹電力、能源化工、鋼鐵、制造、戰略投資等行業的數據治理案例，為讀者提供專業、豐富、可信的數據治理實施范例。

《數據治理：工業企業數字化轉型》是工業大數據應用技術國家工程實驗室多年潛心研究的重要科研成果的總結和凝聚，既具有理論高度，也具備面向中國工業企業的可實操性。參與本書編著的作者均為國內各企業的數據治理專家，所有案例均來自這些企業的實踐。

對企業的基層管理者或初入職場的人士來說，本書是充分認識數據治理意義、組織進行數據治理的具體方案和工具手冊；對企業中層管理者來說，本書是一本配合企業數據治理的綱領性指南；對企業高層管理者來說，本書是一本推動企業數據治理的方法論。本書還適合作為高校的MBA、EMBA教材。

祝守宇

中國航天科工集團航天云網公司副總經理、工業大數據應用技術國家工程實驗室主任、教授級高級工程師。

曾獲1997年美國貝爾實驗室總裁金獎、美國電信管理協會（TMF）年度新產品大獎、北京市科技進步一等獎一次、北京市科技進步三等獎兩次。先后主持國家重大產業專項十余項，擁有美國和中國發明專利十余項。長期從事互聯網、大數據、復雜軟件系統、移動通信、網絡安全等領域的研究和產業化工作，是航天科工集團“五重大一專項”集團特聘專家。

蔡春久

DAMA中國理事會會員、大數據技術標準推進委員會數據資產專家、中國電子工業標準化技術協會數據管理應用推進分會副會長，數據工匠俱樂部創始人。

具有20余年的IT咨詢和數據治理行業經驗， 為中國石化、國家電投等80余家世界500強企業提供數據治理服務。

本書較好地滿足了讀者理解工業大數據治理框架的需要，系統地闡述了工業大數據治理的體系、工具、實施等諸方面，提出和分析了主要類別工業大數據治理的解決方案；通過對典型行業工業大數據治理實踐的考察，深入淺出地介紹了當今主流的工業大數據技術與平臺。本書具有可參照性、可操作性和可讀性，是工業大數據治理領域少見的參考書，值得一讀。

中國工程院院士、中國工業互聯網研究院技術專家委員會主任，高金吉

數據是企業的核心資產，要加大數據治理工作的力度，建立數據資產化管理體系，明確數據采集和管理職責，制定統一的數據標準，搭建集成、統一的數據管理平臺，實現數據的資產化、集中化、平臺化管理，確保數據的及時性、準確性和完整性，提高數據集成共享能力，充分挖掘數據資產價值，夯實數字化轉型基礎。本書結合工業大數據、區塊鏈、移動互聯、人工智能等前沿技術，在數據治理和數據共享交換等方面為企業提供相關的建議和技術指南，值得有志于數據治理技術研究與應用的企業和個人一讀。

中國工程院院士、中國科學院計算技術研究所研究員，倪光南

本書借助國內工業大數據領域的國家工程技術研究平臺——工業大數據應用技術國家工程實驗室在工業大數據、工業數據治理等方面的技術積累和研究能力，對工業企業數據治理體系進行了系統、深入的闡釋，展示了工業企業大數據治理、大數據應用、大數據管理的基礎理論和實踐體系，是一本值得工業界同仁認真研讀的專業性指導圖書。

國家信息中心信息化和產業發展部主任、國家大數據發展專家咨詢委員會秘書長，單志廣

隨著信息化技術的演進，網絡技術的進步和應用的普及，產生了海量的數據。這些海量數據的生成為智能化技術的發展奠定了基礎，也是經濟、社會發展的新的契機，同時也帶來了新的挑戰，比如如何利用與開發數據？如何保護個人隱私？數據的所有權與數據共享的平衡點到底在哪里？數據作為資產如何確權？數據治理是一個難題也是一個迫切需要解決的問題。而當前工業互聯網發展方興未艾。本書的出版就像一場及時雨，它系統地回答了人們關心的一些問題，比如工業企業數據治理的核心價值、概念，以及主要內容、標準和框架等，是值得認真閱讀和研究的圖書。閱讀本書可以給人以啟發和思考，有利于指導我們的實際工作，有效提高工業企業數據治理的水平，促進工業互聯網和智能制造產業的發展。

中國互聯網協會副理事長、國家計算機網絡與信息安全管理中心原主任，黃澄清

國際上的普遍共識是：數據是數字經濟和第四次工業革命的新生產要素。智能制造、工業互聯網、互聯工業等各類名詞，雖然闡述的角度有所不同，但共同點都是數據驅動與傳統行業機理、知識相結合而形成的智能化發展，而實現這一智能化轉型的重要基石是數據治理。從全球看，數據治理還處在起步的階段，從技術、商業到法律都還面臨一系列的挑戰，而工業數據的治理更是任重道遠，亟需實現從理論到實踐的突破。本書對工業企業的數據治理進行了系統闡述，幾乎涵蓋了數據治理的各個方面，既有理論層面的分析，也有實戰經驗的總結，可以指導工業企業建立健全工業數據治理體系，為更好釋放數據生產要素的價值，實現數字化、智能化升級奠定堅實基礎。

中國信息通信研究院副院長、工業互聯網產業聯盟秘書長，余曉暉

數據不僅是新生產要素，也是新生產力——數據生產力。數據生產力是在用“數據+算力+算法”定義世界，是知識創造者借助智能工具，基于能源、資源及數據這一新生產要素，構建的一種認識、適應和改造自然的新能力。今天人們對數據的價值創造、運行規律和本質特征的認知才剛剛開始。本書是對工業數據治理的理念、路徑、方法進行的一次全面系統的探索和研究，有很多獨到的見解，對數字化工作者具有非要重要的啟示意義。

阿里研究院副院長、數字化企業研習社副理事長、中國信息化百人會執行委員，安筱鵬

本書對工業數據治理的對象、主題、框架和方式等進行分析，使讀者認識到數字經濟時代數據流動的重要性和巨大意義。從國內、國際標準、工具、最佳實踐等多方面進行闡述，詳細介紹工業數據治理的方式、方法及數據治理策略，通過典型的實際案例，分析驗證工業數據治理體系，使得該書具有較大的理論意義和應用推廣價值。

中國科學技術大學計算機科學與技術學院院長、IEEE Fellow、
ACM Fellow、ACM杰出科學家，李向陽

本書以國際視角對數據治理的發展、演變及工業領域的實際應用進行闡述，涵蓋了數據治理的方方面面，可以指導工業企業從無到有地建立健全工業數據治理體系，全面支撐高質量的工業數據分析與應用。本書對企業數據治理具有指導作用。

美國密歇根州立大學計算機系系主任及
大學基金講席教授、IEEE Fellow、ACM Fellow，劉云浩

工業互聯網是 5G 最主要的應用領域之一，它將開創一個萬物互聯的時代，物均流量將是消費互聯網人均流量的幾百倍，連接數量也會從50億發展到千億級水平。數據量的爆增將會帶來云計算、大數據技術架構的新一輪轉變，同時現有的數據治理模式也會受到嚴重挑戰。本書從體系架構到治理工具，從實施路徑到具體案例，給我們提供了不可多得的經驗分享與專家意見。希望讀者能夠從中得到啟發，制定出適合工業企業數據治理的發展規劃。

中國聯通大數據首席科學家，范濟安

在數字化工業中，如果說數據是原油，那么數據治理則是輸油管、煉油廠、儲油庫。數據治理實現了數據服務的互通、互信、互惠，使數據真正發揮價值。本書從工業企業數字化轉型的戰略和需求出發，系統地闡述了工業數據治理的要素、體系、工具和實施，通過大量案例介紹實戰經驗。本書視野寬廣、立足前沿、內容翔實、深入淺出，是工業企業數字化轉型的決策者、實施者和研究者難得的參考書。

哈爾濱工業大學人工智能研究院院長、
IEEE Fellow、ACM杰出科學家，劉劼

本書融合了國內外數據治理的權威理論和技術體系，涵蓋了工業企業數字化轉型過程中所需要的數據治理技術架構、實施路徑和參考案例，可以有效指導工業企業全方位開展高質量的數據治理，是企業培訓、員工培養的必備圖書。

華中科技大學電子信息與通信學院院長、IEEE Fellow，邱才明

本書是《DAMA數據管理知識體系指南（原書第2版）》在泛工業企業領域實踐落地的典范圖書，具有很強的實操性和指導性，是數據管理從業人員的必備圖書。

國際數據管理協會（DAMA）中國分會主席，汪廣盛

第1篇 概述篇

第1章 工業企業需要數據治理 2
1.1 工業革命的演變與發展趨勢 2
1.2 工業大數據是第四次工業革命的核心基礎 4
1.3 各國的工業大數據戰略 6
1.4 工業企業數據的核心價值 7
1.5 我國各行業數據治理現狀 10
1.6 數據治理是工業大數據的基礎 12
1.7 工業企業數據治理面臨的挑戰 12
本章精要 14

第2章 工業企業數據治理概述 15
2.1 數據治理的相關概念和定義 15
2.2 數據的分類 17
2.3 數據治理的頂層架構 20
2.4 數據治理的核心內容 21
本章精要 22

第3章 主流數據治理標準及框架介紹 23
3.1 國際標準 23
3.2 國內標準及模型 24
3.3 專業組織 26
3.4 國內外數據治理體系的對比分析 28
本章精要 30

第4章 數據治理的發展趨勢 31
4.1 國內外數據治理的演變與發展 31
4.2 數據隱私保護政策 32
4.3 區塊鏈與數據共享 33
4.4 5G技術與數據安全 38
4.5 數據文化與倫理道德 39
4.6 新技術與數據治理 40
4.7 工業企業數據的運營 41
本章精要 43

第5章 本書閱讀導引 44
5.1 數據治理是一個系統工程 44
5.2 工具是數據治理的保障 45
5.3 實施數據治理有路線可循 45
5.4 數據治理已在諸多行業成功實施 46
參考資料 47

第2篇 體系篇

第6章 數據管控 51
6.1 數據管控概述 51
6.2 組織架構 53
6.2.1 數據治理組織架構 53
6.2.2 數據治理組織模式 55
6.2.3 數據治理職責分工 58
6.3 制度規范 61
6.3.1 數據治理制度框架 61
6.3.2 數據治理制度修訂 64
6.4 執行流程 65
6.4.1 數據治理總體流程框架 65
6.4.2 數據治理典型場景的流程 67
6.5 設計機制 70
6.6 績效體系 72
6.7 標準體系 74
本章精要 76

第7章 數據戰略 77
7.1 數據戰略概述 77
7.2 數據戰略規劃 77
7.2.1 愿景和目標 78
7.2.2 基本原則 79
7.2.3 戰略舉措選擇 80
7.2.4 模型工具 81
7.3 數據戰略實施 82
7.3.1 實施策略 83
7.3.2 實施路徑 83
7.3.3 實施步驟 83
本章精要 87

第8章 數據架構 88
8.1 數據架構概述 89
8.2 框架設計 90
8.2.1 數據分布 90
8.2.2 數據主題域 92
8.2.3 數據關聯關系 93
8.3 數據建模 98
8.3.1 概念數據模型 99
8.3.2 邏輯數據模型 100
8.3.3 物理數據模型 101
8.3.4 數據模型開發方法 102
本章精要 105

第9章 主數據管理 106
9.1 主數據和主數據管理 106
9.1.1 主數據的特征 106
9.1.2 主數據管理的基本概念 107
9.2 主數據標準管理 108
9.3 主數據全生命周期管理 109
9.4 主數據應用管理 110
9.5 企業常用的幾類主數據 112
9.5.1 物料主數據 112
9.5.2 設備主數據 113
9.5.3 資產主數據 114
9.5.4 財務主數據 115
9.5.5 組織機構和員工主數據 116
本章精要 116

第10章 元數據管理 117
10.1 元數據的定義 117
10.2 元數據分類 117
10.2.1 業務元數據 118
10.2.2 技術元數據 119
10.2.3 操作元數據 120
10.3 元數據核心能力 120
10.4 元數據的價值 123
本章精要 124
第11章 數據指標管理 125
11.1 數據指標管理概述 125
11.1.1 數據指標應用和管理中的挑戰 125
11.1.2 設計目的 126
11.1.3 設計思路 126
11.2 體系框架 128
11.2.1 典型的數據指標定義框架 128
11.2.2 指標選取原則及方法 129
11.2.3 指標體系層級設計 130
11.2.4 指標體系評價方法 131
11.3 找指標 132
11.4 理指標 134
11.5 管指標 136
11.6 用指標 137
本章精要 137

第12章 時序數據管理 138
12.1 時序數據管理概述 138
12.2 時序數據的特點 139
12.3 時序數據的應用 141
12.3.1 技術挑戰 141
12.3.2 典型的技術架構及特點 142
12.3.3 系統核心功能 143
本章精要 143

第13章 數據質量管理 144
13.1 數據質量需求 144
13.2 數據質量檢查 145
13.3 數據質量分析 146
13.4 數據質量提升 147
13.5 數據質量評估 149
13.5.1 數據質量問題的起因 150
13.5.2 數據質量管理技術指標 151
13.5.3 數據質量管理業務指標 152
本章精要 153

第14章 數據安全管理 155
14.1 數據安全管理概述 155
14.2 數據安全體系框架 156
14.3 數據安全防護策略 159
14.4 數據安全審計 161
14.5 數據安全風險評估 162
14.6 數據應急保障 164
本章精要 165

第15章 數據交換與服務 166
15.1 數據交換與服務的意義 167
15.2 數據交換與服務技術演進 168
15.2.1 文件共享技術 168
15.2.2 數據庫中間表技術 168
15.2.3 點對點接口技術 168
15.2.4 消息隊列技術 170
15.2.5 企業服務總線交換技術 171
15.2.6 ETL 數據交換技術 173
15.2.7 物聯網數據采集交換
技術 173
15.3 工業企業數據交換與服務標準體系架構 175
15.3.1 CPS信息交換模型 176
15.3.2 設備互聯總線 177
15.3.3 應用互聯總線 178
15.3.4 數據總線 179
15.3.5 開放互聯API網關 181
本章精要 182

第16章 數據共享與開放 183
16.1 共享與開放概述 183
16.2 數據資源目錄 185
16.3 數據資源準備 186
16.3.1 數據采集 186
16.3.2 數據加工 187
16.3.3 數據保密 187
16.3.4 數據裝載 189
16.3.5 數據發布 189
16.4 數據服務 190
16.5 共享與開放評價 190
本章精要 191

第17章 數據管理成熟度評估 192
17.1 數據管理成熟度評估模型 192
17.2 數據管理成熟度等級定義 195
17.3 開展數據管理成熟度評估 198
17.4 數據管理成熟度評估實施 199
本章精要 200
參考資料 200

第3篇 工具篇

第18章 數據治理工具概述 203

第19章 數據資產運營工具 207
19.1 數據資產目錄 207
19.1.1 總體概述 208
19.1.2 數據資產目錄系統構建 208
19.1.3 數據資產目錄能力評估模型 210
19.2 數據資產價值評估 213
19.2.1 總體概述 213
19.2.2 數據資產價值評估模型 214
19.2.3 數據資產價值評估工具 223
本章精要 224

第20章 數據模型管理工具 225
20.1 數據模型管理工具概述 225
20.2 企業級數據模型管控 226
20.3 數據標準管控 228
20.3.1 標準的發布和工具訪問 228
20.3.2 模型設計中的應用數據
標準 228
20.3.3 數據標準應用情況的自動檢核 229
20.3.4 自定義標準的發布管理 229
20.4 數據字典的質量檢核 230
本章精要 230

第21章 數據指標管理工具 231
21.1 指標庫管理 231
21.2 指標體系管理 232
21.3 指標評價管理 233
21.4 指標應用管理 234
本章精要 235

第22章 主數據管理工具 236
22.1 主數據提取與整合 236
22.2 主數據模型管理 237
22.3 主數據清洗管理 238
22.3.1 主數據清洗的內容 239
22.3.2 主數據清洗的一般過程 239
22.4 主數據全周期管理 242
22.5 主數據質量管理 244
22.6 主數據發布與共享 246
本章精要 248

第23章 元數據管理工具 249
23.1 元數據管理工具概述 249
23.2 元數據在數據架構管理中的應用 250
23.3 元數據在數據資產目錄中的應用 251
23.4 元數據在主數據管理中的應用 251
23.5 元數據在數據交換和共享中的應用 251
23.6 元數據在大數據平臺中的應用 252
本章精要 253

第24章 時序數據處理工具 254
24.1 通用大數據處理工具的不足 254
24.2 時序數據處理工具應具備的功能和特點 255
24.3 時序數據的采集 257
24.4 時序數據處理工具 258
本章精要 260

第25章 數據質量管理工具 261
25.1 數據質量管理工具概述 261
25.2 數據質量稽核規則設置 262
25.3 數據質量任務管理 263
25.4 數據質量報告 264
本章精要 264

第26章 數據交換與服務工具 265
26.1 數據交換與服務工具概述 265
26.2 數據采集 266
26.3 數據交換 268
26.3.1 前置交換子系統 268
26.3.2 交換傳輸子系統 269
26.3.3 交換管理子系統 269
26.4 數據加工服務 269
26.5 數據共享服務 271
26.6 工業大數據技術平臺 272
26.6.1 工業大數據的采集 272
26.6.2 工業大數據的交換 274
26.6.3 工業大數據的處理 275
本章精要 277

第27章 數據安全管理工具 278
27.1 數據安全管理工具概述 278
27.2 數據采集安全管理工具 279
27.2.1 數據分類與分級工具 279
27.2.2 采集內容及策略 279
27.2.3 數據采集人員管理工具 280
27.2.4 數據源鑒別及記錄 280
27.3 數據傳輸安全管理工具 280
27.3.1 加密算法 281
27.3.2 對稱加密 281
27.3.3 非對稱加密 282
27.4 數據存儲安全管理工具 282
27.4.1 數據存儲介質管理 283
27.4.2 數據存儲安全 283
27.4.3 數據備份和恢復 283
27.4.4 等級劃分 284
27.5 數據處理安全管理工具 285
27.6 數據交換安全管理工具 286
27.6.1 數據導入/導出的安全保障 287
27.6.2 數據交換安全 287
27.6.3 數據銷毀安全管理 288
27.7 統一的身份認證系統 289
本章精要 290

第28章 數據中臺 291
28.1 數據中臺的概念和定位 291
28.2 數據采集 293
28.2.1 數據采集方式 293
28.2.2 通用數據采集 293
28.2.3 流式數據采集 293
28.3 數據存儲 294
28.3.1 分布式數據存儲 294
28.3.2 NoSQL數據存儲 294
28.4 數據計算 294
28.4.1 分布式查詢 295
28.4.2 分布式計算 295
28.4.3 數據建模 295
28.4.4 數據分析 296
28.5 數據服務 296
28.5.1 API網關 297
28.5.2 API生成 298
28.5.3 API發布 298
28.5.4 API調用申請 298
28.5.5 API調用審核 298
28.5.6 API信息支持 298
28.5.7 API服務監控 299
28.6 從ETL向ELT轉變 299
本章精要 300
參考資料 300

第4篇 實施篇

第29章 數據治理實施策略和路徑選擇 303
29.1 實施內容 303
29.2 路徑選擇 304

第30章 數據治理頂層架構規劃與設計 307
30.1 實施內容 307
30.2 步驟和方法 309
30.2.1 頂層設計總體思路 309
30.2.2 數據治理頂層設計要點 311
30.3 成熟度評估 322
本章精要 324

第31章 數據資產運營實施 325
31.1 實施內容 325
31.2 步驟和方法 327
本章精要 328

第32章 主數據管理實施 329
32.1 實施內容 329
32.2 步驟和方法 329
32.2.1 實施步驟 329
32.2.2 實施方法 331
本章精要 336

第33章 元數據管理實施 337
33.1 實施內容 337
33.2 步驟和方法 337
本章精要 340

第34章 數據指標管理實施 341
34.1 實施內容 341
34.2 步驟和方法 342
34.3 模板 344
34.3.1 數據指標項定義 344
34.3.2 形成指標卡片及指標模板 345
34.3.3 數據需求規劃 346
本章精要 347

第35章 數據質量管理實施 348
35.1 實施內容 348
35.2 步驟和方法 349
35.2.1 數據剖析 349
35.2.2 數據質量診斷 350
35.2.3 數據處理規則 351
35.2.4 數據質量優化 351
35.2.5 數據質量監管 352
35.2.6 實施數據質量管理時需注意的問題 353
本章精要 354

第36章 數據安全管理實施 355
36.1 實施內容 355
36.2 實施步驟 355
36.3 實踐模式 358
36.3.1 數據安全管理的建設策略 358
36.3.2 數據安全管理的切入方式 359
36.3.3 工業互聯網云平臺的數據安全 359
本章精要 360
第37章 數據治理常見誤區 361
參考資料 363

第5篇 案例篇

第38章 電力行業：夯實數字化轉型基礎——南方電網數據資產管理行動實踐 365

第39章 電力行業：支撐集團產業數字化轉型——國家電投集團數據治理實踐 380

第40章 能源化工行業：數據治理助百年油企數字化轉型 398

第41章 鋼鐵行業：酒鋼集團數據治理實踐 413

第42章 汽車行業：數據驅動長安汽車數字化轉型 420
2

第43章 核工業：物料主數據治理助力核電智慧運營 433

第44章 航空行業：軍工企業的“三位一體”數據治理體系建設實踐 441

第45章 航空行業：面向航空裝備研制生產的數據治理研究與實踐 456

第46章 重型裝備制造行業：數據標準，裝備中國——中國一重的數據標準化管理項目 468

第47章 交通物流行業：主數據治理助力中國外運數字化轉型 477

第48章 建材行業：中國建材集團工業大數據應用實踐 490

第49章 制造行業：威孚集團基于斯歐應用互聯平臺建設數據通道 501

第50章 戰略投資行業：國投集團的數據標準化管理實踐 514

第51章 多元化集團：數據治理助力多元化企業集團管控 532

附錄A 工業英文縮寫術語表 545