本书对企业数据化建设的目标、内容及定位做了相对完整的论述，详细地阐述了数据中台的定义、内容及如何支撑企业数据化整体建设，同时也介绍了数据中台在企业中的落地步骤、丰富的数据应用场景与实际效果。本书是企业数据化建设的实用参考书。 本书的内容完全基于笔者团队的实践经验。笔者团队曾经帮助十几个行业头部企业的数据中台项目成功落地，这些项目验证了本书中阐述的方法论体系的可行性。希望本书能够对国内数据化工作者提供一定的帮助。


袋鼠云合伙人、高级副总裁；阿里云MVP；原用友集团应用集成业务部总经理、主数据管理专家及业务带头人。技术发烧友：拥有多项技术及算法专利，OsChina社区开源技术工具“丁丁主数据查重引擎”作者，曾获用友技术创新大赛二等奖；方案专家、业务带头人：企业应用集成解决方案专家，企业主数据管理解决方案专家，企业数据中台解决方案专家，“七天学会主数据”系列培训视频作者，曾因营销业绩出众评选为十佳用友人交付达人：常年奔波在国内各大城市的项目现场，成功主导过中国葛洲坝集团、中国建筑总公司第五工程局，国药集团、上海医药集团、碧桂园、万科、茅台集团、李宁、飞鹤乳业、全友家私、隆平高科等众多国内大型知名企业的数据化相关项目。


企业IT人员、数据化建设人员、企业业务管理人员。

1 信息认知和当前的信息化革命 / 1
1.1 信息工具的发展推动人类历史进步 / 2
1.1.1 信息的世界 / 2
1.1.2 信息工具 / 2
1.2 信息工具的进步与历史发展 / 5
1.3 当前的信息化革命 / 6
1.3.1 新的工具 / 6
1.3.2 新的特征 / 7
1.3.3 数据化——对数据的再应用 / 8
2 企业数据化 / 9
2.1 企业数据化认知 / 10
2.1.1 企业数据化的定义 / 10
2.1.2 数据分类 / 11
2.2 企业数据化与企业信息化及企业的关系 / 12
2.2.1 企业的本质 / 12
2.2.2 企业信息化 / 13
2.2.3 企业数据化 / 15
2.2.4 企业业务、企业信息化、企业数据化的关系 / 15
2.3 企业数据化建设的内容 / 18
2.3.1 企业数据化建设的一个核心目的 / 18
2.3.2 企业数据化建设的三个层次 / 22
2.3.3 企业数据化建设的五个部分 / 32
2.3.4 企业数据化建设的七种价值 / 37
2.4 企业数据化的现状与问题 / 43
2.4.1 数据意识 / 43
2.4.2 数据资源 / 43
2.4.3 数据资产 / 44
2.4.4 数据应用 / 45
2.4.5 数据质量 / 46
2.4.6 数据运营 / 47
2.4.7 数据技术与产品 / 47
2.4.8 企业数据化建设路径探索 / 48
3 数据中台概述 / 49
3.1 数据中台是什么 / 50
3.1.1 数据中台应该告诉企业全面数据化是什么样子的 / 50
3.1.2 数据中台应该汇聚全域数据 / 51
3.1.3 数据中台应该能够检验数据治理的成果 / 53
3.1.4 数据中台应该全面支持数据应用落地 / 54
3.1.5 数据中台可以包含企业数据化组织规划内容 / 55
3.2 数据中台的价值与建设的必要性 / 55
3.2.1 数据中台是数据化建设的基础 / 55
3.2.2 数据中台是企业数据化建设的引擎 / 56
3.2.3 数据中台将各个部分的数据工作有机串联 / 57
3.3 数据中台建设五步法 / 58
3.3.1 数据中台建设五步法概述 / 58
3.3.2 **步：数据资源的盘点与规划 / 59
3.3.3 第二步：数据应用规划与设计 / 60
3.3.4 第三步：数据资产建设 / 60
3.3.5 第四步：数据应用的详细设计与实现 / 62
3.3.6 第五步：数据化组织规划 / 63
4 数据资源盘点与规划 / 64
4.1 数据资源盘点 / 65
4.1.1 数据资源的分类 / 65
4.1.2 数据资源盘点流程 / 68
4.1.3 数据资源盘点的成果 / 70
4.2 数据资源规划 / 73
4.2.1 实体行为数据资源 / 74
4.2.2 外部数据服务规划 / 86
5 数据资产建设 / 90
5.1 数据资产建设概述 / 91
5.1.1 前期准备 / 91
5.1.2 数据资产建设方法论 / 92
5.1.3 数据资产建设的步骤 / 94
5.2 产品选型与技术方案设计 / 95
5.2.1 数据仓库选型 / 95
5.2.2 融合现有数据化建设成果 / 96
5.3 数据模型设计规范 / 97
5.3.1 基本设计思路 / 97
5.3.2 主题域设计 / 99
5.3.3 数据模型开发规范 / 101
5.3.4 数据表的命名规范 / 102
5.3.5 数据表的设计策略 / 103
5.4 数据开发规范及数据开发 / 104
5.4.1 数据开发规范 / 104
5.4.2 数据采集 / 110
5.4.3 数据开发 / 115
6 数据应用规划与建设 / 118
6.1 数据应用规划 / 119
6.1.1 企业业务架构梳理 / 120
6.1.2 数据应用场景规划 / 126
6.1.3 业务指标和实体标签体系的构建与管理 / 131
6.1.4 数据应用落地路径规划 / 137
6.2 数据应用建设 / 138
7 数据应用之*佳实践 / 142
7.1 房地产行业的数据应用方案 / 143
7.1.1 房地产行业的典型业务场景介绍 / 143
7.1.2 房地产行业的典型数据应用 / 146
7.2 鞋服行业的数据应用方案 / 154
7.2.1 鞋服行业的典型业务场景介绍 / 154
7.2.2 鞋服品牌商普遍的数据资源困局 / 156
7.2.3 围绕“店货匹配”构建数据应用蓝图 / 157
7.3 乳制品行业的数据应用方案 / 162
7.3.1 乳制品行业的典型业务场景介绍 / 162
7.3.2 以“消费者深度运营”为目标建设乳制品行业
数据应用 / 163
7.4 新零售营销的数据应用方案 / 166
7.4.1 新零售泛行业理解 / 166
7.4.2 新零售的典型数据应用 / 167
7.5 人力资源领域的数据应用方案 / 170
7.5.1 人力资源领域类业务场景 / 170
7.5.2 高潜力人员评估 / 172
7.5.3 人员离职预测 / 173
8 数据化组织规划 / 175
8.1 数据化组织规划的必要性 / 176
8.2 数据化组织的定位与职责 / 177
8.3 数据化组织的工作内容与边界 / 179
8.4 数据化组织的岗位设置 / 181
8.5 数据化组织的人数配置、预算资金与考核建议 / 182
9 数据中台与数据质量 / 184
9.1 数据质量的常见问题 / 185
9.2 数据模型规范提升数据质量 / 189
9.2.1 数据的定义 / 190
9.2.2 数据的分类 / 192
9.2.3 数据的颗粒度 / 194
9.2.4 数据的编码 / 196
9.3 数据管理提升数据质量 / 198
9.3.1 数据管理组织 / 199
9.3.2 数据管理流程 / 200
9.4 数据共享提升数据质量 / 201
9.4.1 业务数据如何传递 / 201
9.4.2 基础数据如何保持一致性 / 202
9.4.3 如何通过技术手段监督多版本数据的一致性 / 203
9.5 清洗历史数据提升数据质量 / 204
9.5.1 数据清洗的目的和策略 / 204
9.5.2 数据清洗的范围和组织 / 205
9.5.3 数据清洗工具 / 206
9.6 主数据管理提升基础数据质量 / 207
9.6.1 人员主数据管理 / 207
9.6.2 账户主数据管理 / 210
9.6.3 组织主数据管理 / 212
9.6.4 客商主数据管理 / 215
9.6.5 顾客主数据管理 / 219
9.6.6 产品主数据管理 / 223
9.6.7 项目主数据管理 / 227
9.6.8 资产主数据管理 / 231
9.6.9 物料主数据管理 / 233
10 数据中台建设 / 235
10.1 数据中台建设的特点 / 236
10.2 数据中台建设的策略选择 / 237
10.3 数据中台建设的整体流程 / 239
10.4 数据中台的建设风险及应对方法 / 245
10.4.1 数据中台的定位问题 / 245
10.4.2 数据中台的管理博弈 / 245
10.4.3 数据中台的业务价值方向选择 / 247
11 数据中台的软件支撑 / 248
11.1 平台的整体架构 / 250
11.2 计算引擎 / 252
11.2.1 大数据离线计算引擎 / 253
11.2.2 大数据实时计算引擎 / 254
11.3 离线/流计算开发套件 / 256
11.3.1 数据同步模块 / 257
11.3.2 数据开发平台 / 259
11.3.3 运维中心 / 262
11.3.4 发布管理 / 264
11.4 实时计算开发套件 / 265
11.4.1 FlinkStreamSQL / 265
11.4.2 数据开发 / 268
11.4.3 数据运维 / 270
11.4.4 实时采集 / 272
11.5 数据资产管理套件 / 275
11.5.1 数据地图 / 275
11.5.2 数据模型规范管理 / 277
11.6 数据质量管理套件 / 277
11.7 数据科学平台 / 279
11.7.1 算法数据资源管理 / 280
11.7.2 可视化实验开发 / 281
11.7.3 算法模型离线训练 / 281
11.7.4 模型在线部署和调用 / 282
11.8 分析引擎 / 282
11.9 数据API引擎 / 283
11.9.1 数据API引擎的常用数据源 / 285
11.9.2 API发布 / 285
11.9.3 API管理与授权 / 285
11.9.4 API申请与调用 / 286
11.9.5 API测试 / 287
11.9.6 API安全 / 287
11.10 标签引擎 / 288
11.10.1 实体管理 / 289
11.10.2 标签中心 / 290
11.10.3 群组分析 / 291
11.10.4 标签数据服务 / 291
11.11 数据应用规划工具 / 292
11.11.1 业务架构梳理工具 / 293
11.11.2 数据应用规划工具 / 293
11.11.3 指标与标签体系管理工具 / 293
11.11.4 数据资源盘点工具 / 294
11.11.5 数据应用规划看板 / 294