中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
買過本商品的人還買了
數據中臺建設:從方法論到落地實戰 版權信息
- ISBN：9787121417245
- 條形碼：9787121417245 ; 978-7-121-41724-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據中臺建設:從方法論到落地實戰 本書特色
適讀人群 ：本書適合科技企業和互聯網企業的創始人、中高層管理人員、數據戰略負責人、首席數據官、信息系統負責人，以及正處于轉型中的傳統企業管理者和政府相關部門的工作人員閱讀。數據中臺能幫助企業充分實現數據價值，且實現數據服務的復用，既可以有效地支持企業業務發展，又能提高企業的效能，降低企業重復建設的概率，但是很多企業仍對數據中臺存在誤解，不知道如何建設數據中臺。 1.本書厘清對數據中臺的認知。 2.系統化地介紹了數據中臺建設的方法論。該方法論包含企業自上而下制定的數據戰略、匹配的組織架構，以及實現數據高復用性、高可用性和高價值的一系列方法（覆蓋業務設計、模型設計、數據工具開發、平臺建設、數據服務和數據智能等核心模塊）。該方法論強調數據服務和數據智能，通過數據中臺的建設實現數據可用、易用、好用、可追溯、可復用和可管理。 3.以營銷中臺和風險管理中臺為實戰案例，手把手教會你如何建設數據中臺，如何使用數據中臺。
數據中臺建設:從方法論到落地實戰 內容簡介
數字化體系正在各個行業落地生根。本書首先介紹了工業、智慧農業、智慧服務業、智慧城市的數字化建設現狀和發展趨勢，讓讀者初步了解數字化發展。 數據中臺是企業數字化建設的基礎。本書重點介紹了數據中臺的定義、整體框架和建設的方法論。該方法論主要涉及企業數字化發展戰略、組織架構變革、數據的存儲和建模、數據平臺的建設、數據服務框架、數據產品化和數據智能化建設等多個方面的內容。 本書通過企業中兩個熱門場景的應用詳細介紹了數據中臺的落地實戰。**個是營銷場景。企業通過營銷中臺的建設，構建了智能化營銷體系，有效地提升了數據驅動營銷的效能。第二個是風險管理場景。企業通過風險管理中臺的建設，支持“事前—事中—事后”的智能風險管理，大幅提升了風險管理的效率和能力。 本書適合科技企業和互聯網企業的創始人、中高層管理人員、數據戰略負責人、首席數據官、信息系統負責人，以及正處于轉型中的傳統企業管理者和政府相關部門的工作人員閱讀。
數據中臺建設:從方法論到落地實戰 目錄
第1章 數字化轉型是大勢所趨
第2章 認知數據中臺
2.1 什么是數據中臺
2.2 建設數據中臺的價值
2.3 數據中臺的建設目標
2.4 數據中臺與上下游平臺的關系
2.5 數據中臺建設的9大誤區
2.6 行業對數據中臺的4個認知階段
2.7 數據中臺服務化發展階段
第3章 數據中臺建設方法論
3.1 數字化戰略
3.2 數據中臺的整體框架
3.2.1 統一數據基礎設施平臺
3.2.2 數據接入和匯聚平臺
3.2.3 統一數據模型平臺
3.2.4 統一ID和標簽平臺
3.2.5 數據開發和運維平臺
3.2.6 數據智能平臺
3.2.7 數據管理平臺
3.2.8 數據服務平臺
3.3 數據中臺的8大設計準則
3.3.1 有數能用
3.3.2 讓數據可用
3.3.3 讓數據好用
3.3.4 讓數據易用
3.3.5 讓數據放心用
3.3.6 讓數據更智能
3.3.7 讓數據服務化
3.3.8 讓數據可控
3.4 數據中臺行動攻略
3.4.1 “九看”方法論
3.4.2 數據中臺MVP建設路徑
3.5 數據中臺技術選型
第4章 統一數據模型：讓數據資產化
4.1 數據標準化體系的價值
4.2 數據資產管理體系介紹
4.3 高效數據建模，讓數據好用起來
4.3.1 統一數據模型的意義
4.3.2 統一數據模型具體做什么
4.3.3 如何建設統一數據模型
4.4 對維度建模進一步探索
4.5 統一建模的注意事項
第5章 數據計算平臺：讓數據“飛”起來
5.1 計算平臺的應用場景
5.2 應用場景一：批處理
5.3 應用場景二：實時計算
5.4 應用場景三：實時查詢
5.5 應用場景四：海量日志和信息檢索
5.6 應用場景五：多維分析
5.7 應用場景六：圖計算
5.8 應用場景七：人工智能計算
第6章 算法即服務：*大化實現數據價值
6.1 算法的價值
6.2 建模標準化流程
6.2.1 業務理解貫穿始終
6.2.2 數據準備
6.2.3 數據預處理
6.2.4 特征工程
6.2.5 模型構建
6.2.6 模型評估
6.2.7 模型部署，讓模型服務化
6.2.8 模型監控和迭代
6.3 算法即服務應用實踐
6.4 算法即服務須遵循的原則
6.4.1 算法即服務需要業務知識的輸入，業務理解貫穿建模始終
6.4.2 算法不是萬能的，有適用的場景
6.4.3 要合理地平衡算法的計算性能和效果
6.4.4 要優先選擇混合模型
6.4.5 要盡量實現建模全流程自動化
第7章 數據產品：讓數據應用更便捷
7.1 自助取數和自助分析
7.2 數據爬蟲
7.3 客戶畫像
7.4 標簽圈選
7.5 客戶分群
7.6 數據可視化工具
7.7 規則引擎
第8章 營銷中臺：讓營銷更精準、更及時
8.1 數字化營銷是大勢所趨
8.2 營銷體系升級
8.3 營銷中臺建設
8.3.1 營銷中臺框架圖
8.3.2 營銷中臺功能介紹
8.4 營銷中臺應用案例
8.4.1 電話營銷續保精準營銷
8.4.2 廣告精準投放獲客+線索轉化
8.4.3 保險智能銷售助手
第9章 風險管理中臺：360°的風險管家
9.1 風險管理中臺
9.1.1 主要風險管理節點示例
9.1.2 風險管理中臺框架圖
9.1.3 風險管理中臺功能介紹
9.1.4 風險管理的標準化流程
9.2 風險管理中臺的應用案例
9.2.1 反“薅羊毛”
9.2.2 語音質檢風險篩查
9.2.3 車險理賠反欺詐
9.2.4 團體保險風險管理體系
9.2.5 人身險風險管理建設
展開全部
數據中臺建設:從方法論到落地實戰 節選
3.3 數據中臺的8大設計準則 數據中臺對外部體現的是公共的數據服務能力，賦能業務快速、敏捷、智能響應客戶的需求。數據中臺對內體現的是工具化和模塊化的能力，提升數據工作者的效率。數據中臺的核心是實現數據價值*大化，始終圍繞著業務需要什么數據、業務需要什么能力、業務需要什么工具和平臺、業務需要什么服務等。筆者提煉了數據中臺的8大設計準則。 3.3.1 有數能用 有數能用重點解決數據的采集、獲取、接入等問題，解決“數據孤島”問題，讓數據來源更加豐富，更加穩定，為數據中臺源源不斷地提供數據資源。“有數能用”的標準是盡可能獲得更多的數據，支持對業務價值的挖掘。數據可以來自內部業務系統或外部平臺。有數能用需要遵循以下原則。 （1）采集和接入的數據字段的長度、精度、類型、編碼、格式等應符合要求。 （2）對采集和接入的數據應進行初步的數據檢驗，要保障數據質量，如空值率、數據重復情況、數據的完整情況、數據條數、亂碼情況校驗等。 （3）必須保留接入數據的元數據詳盡信息，如數據字典、數據來源、接入方式等。 （4）數據接入的接口符合接口規范，如數據安全、數據隱私、傳輸延時等。 （5）滿足接入數據及時性和穩定性的要求。 3.3.2 讓數據可用 讓數據可用著重解決的是數據標準化、數據清洗和規整，以及與數據質量相關的問題，統一數據標準，消除歧義，提高數據質量。在數據接入后，要做到讓數據可用，需要將異構、差異化的數據初步轉化為符合企業數據使用規范的數據，然后將其存儲在企業的數據平臺上。讓數據可用需要遵循以下原則。 （1）符合命名規范。 （2）符合企業對數據準確性、完整性、一致性、有效性、唯一性、及時性、穩定性等數據質量管理標準的要求。 （3）符合企業元數據管理規范的要求。 3.3.3 讓數據好用 讓數據好用解決的是數據模型抽象和數據平臺效率等問題，讓數據血緣關系清晰，支持離線和實時計算，讓數據成為資產，且讓數據能夠復用、好用、實時可用。讓數據好用主要涉及與數據模型相關的行為準則和規范，保障了數據模型清晰和好用。讓數據好用需要遵循以下原則。 （1）符合字段、表、程序等命名規范。 （2）符合企業對數據準確性、完整性、一致性、有效性、唯一性、及時性、穩定性等數據質量管理標準的要求。 （3）遵循數據清洗、轉化和數據校驗規則。比如，身份證號處理、字段合并、空值處理、臟數據處理、重復數據處理等。 （4）數據分層邏輯清晰，屏蔽底層復雜業務邏輯，避免直接操作底層的事實表。 （5）遵循隱私數據加密處理和數據授權管理規則。 （6）減少數據獲取時間，提高使用效率。 （7）提高數據倉庫的使用效率。 3.3.4 讓數據易用 讓數據易用重點解決的是數據操作工具化、可視化等問題，提供便捷的開發環境，讓數據更有穿透力、更直觀地呈現數據價值，讓數據很容易被人使用，降低數據使用門檻。讓數據易用需要遵循以下原則。 （1）配套的數據開發、運維、管理工具齊全和好用。 （2）數據可視化工具齊全、好用。比如，BI工具、自動取數工具、自助分析工具等。 （3）數據文檔清晰、完備、易用。 3.3.5 讓數據放心用 讓數據放心用解決的是數據安全、客戶隱私保護和數據合規等問題，讓數據合規、安全、可靠，用起來沒有后顧之憂，用起來安心、省心、放心。讓數據放心用需要遵循以下原則。 （1）數據來源合法合規。 （2）符合數據安全和隱私保護規則。 （3）數據接口安全、可靠。 3.3.6 讓數據更智能 讓數據更智能解決的是數據價值分析、挖掘、提煉和萃取等問題，讓業務更加智慧。讓數據更智能需要遵循以下原則。 （1）做好智能的抽象、分類和封裝，提高模型復用性。 （2）提高算法和模型的效率，降低延遲，提高使用效率。 （3）提高模型建設、評估、測試、應用、迭代流程的可視化能力和自動化水平。 3.3.7 讓數據服務化 讓數據服務化解決的是數據能力的抽象、封裝、共享和服務化問題，實現數據服務線上化、模塊化、產品化和共享化，支持基于客戶需求的解耦和洞察，自動化組裝數據服務來滿足客戶需求，實現從需求到響應的全流程自動化和智能化。讓數據服務化需要遵循以下原則。 （1）滿足數據服務接口規范。 （2）提高數據的抽象設計和聚合能力，增強數據服務的復用性。 （3）滿足數據服務的雙向性：主動推送和被調用。 （4）遵循數據服務高可用性和高穩定性原則。 3.3.8 讓數據可控 讓數據可控解決的是數據管理和數據監控體系的問題。數據是重要的資產。企業需要像對待其他虛擬資產一樣，做好數據資產的管理和監控，讓數據朝著高價值的方向流動。讓數據可控需要遵循以下規范。 （1）數據標準化規范。 （2）數據質量管理規范。 （3）數據生命周期管理規范。 （4）數據安全管理規范。
數據中臺建設:從方法論到落地實戰 作者簡介
彭勇，國家公派留法計算機博士，中關村管委會技術專家，中國保險學會特聘保險科技專家。彭勇從事大數據研究和應用相關工作約16年，負責大數據創新項目超過100個，在數據倉庫建設、數據中臺建設、保險產品定制和創新、精算定價、精準營銷、產品推薦、風險管理、智能理賠、人工智能、數字化轉型等方面經驗豐富。彭勇現就職于全球知名保險定制平臺——保準牛，擔任首席科學家。
書友推薦
- >
回憶愛瑪儂
- >
羅曼·羅蘭讀書隨筆-精裝
- >
莉莉和章魚
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
月亮虎
- >
苦雨齋序跋文-周作人自編集
- >
中國歷史的瞬間
- >
有舍有得是人生
本類暢銷
