正版新书]数据中台 赋能企业实时经营与商业创新韩向东 编978711

第 1 章数据中台：是虚火还是趋势／001
1.1  数据中台是什么／002
1.2  为什么互联网巨头都在为数据中台背书／003
1.2.1   数字经济占经济的比重越来越大／003
1.2.2   数据中台助力互联网独角兽企业的发展／004
1.2.3   数据中台将支撑智能商业生态的数据应用／006
1.3  数字化转型中最亮的那颗星／006
1.3.1   数字化转型的成功实践／006
1.3.2   不是数据中台不行，是建设方法不对／008
1.3.3   数字化转型和数据中台建设面临的四大困局／009
1.4  建好数据中台的四个前提／012
1.4.1   具备业务、数据、技术相融合的新思维／012
1.4.2   找到高价值的业务场景／014
1.4.3   拥有高质量的数据／015
1.4.4   理解数据中台的能力／016
第2章看透数据中台架构／ 019
2.1  数据采集类似于商品进货／ 020
2.1.1   数据按结构分类／ 021
2.1.2   数据按时效性分类／ 021
2.1.3   理解数据中台的运作过程／ 022
2.2  数据存储类似于门店后仓／ 023
2.2.1   数据类型／ 023
2.2.2   数据来源／ 025
2.3  数据开发类似于商品补货和生鲜加工／ 025
2.3.1   离线开发／ 026
2.3.2   实时开发／ 026
2.4  数据治理类似于商品陈列与标识／ 027
2.4.1   按数据治理范围分类／ 028
2.4.2   数据中台中各环节的治理工作／ 029
2.5  数据标签类似于卖场销售经验／ 029
2.5.1   基础标签／ 030
2.5.2   衍生标签／ 030
2.6  数据安全类似于超市安保／ 031
2.7  数据服务类似于超市服务／ 032
2.7.1   直连式服务／ 033
2.7.2   间接式服务／ 033
2.8  平台运维类似于超市运营管理／ 034
2.8.1   数据采集运维与数据储存运维／ 034
2.8.2   平台安全运维／ 035
第 3 章数据中台建设：从方法论到实践／ 041
3.1  传统IT 规划转变为数据应用规划／ 042
3.1.1   企业IT 规划的三个阶段／ 042
3.1.2   信息化建设面临的问题／ 043
3.2  数据应用规划与传统IT 规划的比较／ 044
3.2.1   流程建设方面／ 044
3.2.2   结构化数据方面／ 045
3.2.3   半结构化数据和非结构化数据方面／ 046
3.2.4   数据应用规划方面／ 047
3.2.5   经验决策方面／ 048
3.3  数据应用规划的六大要点／ 050
3.3.1   高价值业务场景／ 050
3.3.2   管理对象的数字孪生／ 051
3.3.3   沉淀管理与业务信息／ 051
3.3.4   承载企业大数据的技术架构／ 052
3.3.5   数据质量管理与数据安全管理／ 052
3.3.6   采用混合交付实现信息化向数字化转型／ 054
3.4  七步成诗：元年科技数据中台建设方法／ 055
第4章数据中台：企业经营的全面“赋能官”／ 059
4.1  数字技术与管理需求／ 060
4.1.1   数据赋能一线人员／ 060
4.1.2   数据赋能经营管理／ 061
4.2  数据赋予业务经营超能力／ 063
4.2.1   经营方面／ 063
4.2.2   业务实施方面／ 064
4.3  数据赋能企业经营管理环节闭环／ 065
4.3.1   全面预算管理／ 066
4.3.2   成本管理／ 069
4.3.3   管理会计报告／ 072
4.4  数据赋能企业价值链／ 076
4.4.1   采购环节／ 077
4.4.2   生产环节／ 078
4.4.3   营销环节／ 079
4.5  数据赋能产业平台升级／ 081
4.5.1   工业互联网／ 082
4.5.2   农业／ 082
4.5.3   新零售／ 084
第 5 章数据架构：统一才是大势所趋／ 087
5.1  VUCA 时代的业务诉求与目标／ 088
5.1.1   时代变化节奏加快，企业的精准预测能力需提升／ 088
5.1.2   数据协同度不高，信息化建设需加强／ 089
5.1.3   积极进行企业的数字化转型／ 089
5.2  数据架构／ 090
5.2.1   什么是数据架构／ 090
5.2.2   数据架构在企业架构中的地位／ 093
5.2.3   数据架构的特点／ 094
5.3  数据架构是业务的黏合剂／ 095
5.3.1   数据架构是完成数字化转型的关键因素／ 095
5.3.2   数据架构对企业内部经营管理的重要作用／ 095
5.3.3   数据架构助力企业内、外部协同合作／ 097
5.4  数据架构落地的五个关键点／ 097
5.4.1   数据架构规划／ 098
5.4.2   数据架构设计／ 099
5.4.3   组织保障／ 100
5.4.4   制度流程制定／ 101
5.4.5   数据架构相关软件选择／ 101
第６章数据治理是一座高质量的金矿／ 103
6.1  数据清洗后才能用／ 104
6.1.1   数据治理的发展／ 104
6.1.2   未清洗的数据可能存在的问题／ 105
6.1.3   企业进行数据治理的目标／ 106
6.2  数据治理都治什么／ 106
6.2.1   理解数据治理的相关概念／ 106
6.2.2   数据治理的概念／ 107
6.2.3   数据治理的详细分类／ 108
6.3  数据治理解放了谁的时间／ 110
6.3.1   高效展开跨部门协同作业／ 110
6.3.2   精准实施客户营销／ 111
6.3.3   提升数据加工效率／ 112
6.3.4   增强各级人员洞察业务的能力／ 113
6.3.5   增强多级穿透和业务追溯的信服力／ 113
6.4  数据治理和数据中台的关联／ 114
6.4.1   数据采集与数据架构／ 115
6.4.2   数据开发／ 116
6.4.3   确保数据被合法合规使用／ 117
6.5  一步到位的数据治理体系／ 118
6.5.1   数据治理体系咨询的总体方法／ 118
6.5.2   第一阶段工作：数据治理的现状评估／ 120
6.5.3   第二阶段工作：组织架构与制度流程的搭建，责任体系与数据质量、数据标准规划与设计／ 122
6.5.4   第三阶段工作：系统规划与推广／ 124
6.6  别做无用功／ 125
6.6.1   数据治理效果的评估模型、数据战略评估、数据治理评估／ 125
6.6.2   数据架构、数据应用、数据安全的评估／ 128
6.6.3   数据质量、数据标准、数据生命周期的评估／ 130
第 7 章源源不断的数据之泉／ 133
7.1  无死角的数据采集／ 134
7.1.1   数据采集的高质量要求／ 134
7.1.2   量化决策能力的提升／ 135
7.2  数据采集：数字时代的掘金者／ 137
7.2.1   数据的分类／ 137
7.2.2   数据库分类／ 138
7.3  企业价值链中的数据采集／ 141
7.3.1   内部价值链／ 141
7.3.2   外部价值链／ 144
7.4  数据采集是数据中台的运输队／ 144
7.5  数据采集的具体方法／ 145
7.5.1   数据源链接的建立与埋点设计／ 145
7.5.2   数据采集同步／ 146
7.5.3   数据采集同步策略／ 147
7.5.4   运营与监测／ 149
7.6  评价所采集数据的质量／ 149
第８章从0 到1 的数据开发／ 151
8.1  人找数，还是数找人／ 152
8.1.1   数据开发的现状与瓶颈／ 152
8.1.2   数据开发的目标／ 153
8.2  数据开发到底是什么／ 154
8.2.1   数仓分层／ 154
8.2.2   事实、维度、模型／ 154
8.2.3   数据开发类型／ 155
8.3  跃然“网”上的业务信息流／ 157
8.3.1   优化业务流程、权责界面和管控点／ 157
8.3.2   整合和加工各类数据／ 158
8.3.3   提升企业各方面的能力／ 158
8.3.4   实时经营管控技术／ 159
8.4  数据开发为数据中台挖掘有价值的数据／ 161
8.4.1   生产有价值的数据／ 161
8.4.2   数据价值的体现 ／ 161
8.5  遵循数据架构规范的数据开发／ 162
8.5.1   规划与设计／ 162
8.5.2   开发与实施／ 163
8.5.3   运营与运维／ 166
8.6  数据开发成果的评价指标／ 170
8.6.1   业务类指标／ 170
8.6.2   数据类指标／ 170
8.6.3   平台类指标／ 171
第 9 章让算法模型做经营决策的智慧大脑／ 173
9.1  用算法模型代替“四拍”／ 174
9.1.1   算法模型为何好／ 174
9.1.2   将数据价值逐步沉淀到数据平台／ 175
9.2  算法模型是客观世界的数学抽象／ 175
9.3  算法模型打造敏捷的决策支持体系／ 178
9.3.1   企业战略与决策／ 178
9.3.2   企业经营的各环节／ 180
9.3.3   全面优化企业的各项流程／ 182
9.4  算法模型是数据中台的首席服务官／ 182
9.4.1   不同业务场景下的服务能力／ 183
9.4.2   各模块调用算法模型层配合作业／ 183
9.5  构建算法模型的八个步骤／ 184
9.6  算法模型成果评价的五个维度／ 187
第１０ 章为数据打个标签／ 189
10.1  从业务数据到数据标签／ 190
10.1.1   面向业务主题分析的数据应用已经不能满足数字经济时代的数据应用需求／ 190
10.1.2   外部环境快速变化提高了对业务动态监控的要求／ 190
10.1.3   数字经济时代要求挖掘非结构化数据的价值／ 191
10.1.4   数字经济的发展要求新的数据汇总、展现方式／ 192
10.1.5   数字技术的发展要求新的数据加工与整合方式／ 192
10.2  摆脱数据负累的包袱／ 192
10.2.1   标签的分类／ 193
10.2.2   制定标签的标准／ 194
10.3  数据标签是数据中台的得力助手／ 194
10.3.1   生成精准化标签的依据／ 195
10.3.2   决定标签质量的因素／ 195
10.4  数据标签是业务分析与优化的有力抓手／ 196
10.4.1   数据标签在精准营销中的应用／ 196
10.4.2   数据标签在生产管理中的应用／ 196
10.4.3   数据标签在采购优化中的作用／ 197
10.4.4   数据标签在舆情监控中的作用／ 198
10.4.5   数据标签在资产管理中的作用／ 198
10.4.6   数据标签在审计中的应用／ 199

第 11 章在安全的数据世界里徜徉／ 201
11.1  数据泄露问题不可小觑／ 202
11.1.1   对国家层面的影响／ 202
11.1.2   对社会层面的影响／ 203
11.1.3   对个人层面影响／ 203
11.1.4   对企业层面的影响／ 203
11.2  数据安全定义及相关概念／ 204
11.2.1   数据安全的定义与目标／ 204
11.2.2   数据安全的相关概念／ 205
11.2.3   数据安全的类型／ 207
11.2.4   数据安全能力成熟度模型／ 209
11.3  数据安全是数据中台的数据安保官／ 210
11.3.1   利用数据安全技术可以监管数据采集过程是否合规／ 211
11.3.2   数据安全是数据存储、数据传输的推荐能力／ 211
11.3.3   数据安全是数据处理、数据销毁过程要考虑的基础要素／ 212
11.4  数据安全是企业业务增长的砝码／ 212
11.4.1   从企业风险的角度来看／ 212
11.4.2   从保障业务增长来看／ 213
11.5  实现数据安全的三部曲／ 213
11.5.1   数据安全实现的能力要求／ 213
11.5.2   数据安全管理的实现过程／ 214
11.5.3   数据安全实现度量指标／ 215

第12章别让迟滞的数据服务蒙住了眼／ 217
12.1  把数据变成一种服务能力／ 218
12.1.1   需要避免共享数据不一致的问题／ 218
12.1.2   快速响应能力需要加强／ 219
12.1.3   数据安全防护能力需要提升／ 219
12.1.4   数据服务能力助力全链条发挥价值／ 220
12.2  可视化、零代码的全周期数据服务／ 220
12.2.1   数据服务分类／ 220
12.2.2   数据服务的管理方式分类／ 221
12.3   利用数据服务破解冷链企业找不到货的难题／ 222
12.3.1   数据的可视化配置／ 222
12.3.2   数据的实施推送／ 223
12.3.3   统一的数据服务窗口／ 224
12.3.4   安全与审计机制／ 224
12.4  数据服务模块是数据中台的外交官／ 225
12.4.1   数据服务模块的桥梁作用／ 225
12.4.2   各个模块如何为外交官助力／ 225
12.5  数据服务模块的建设之道／ 226
12.5.1   开发与实施／ 227
12.5.2   运营与运维／ 228
12.6  数据服务成果评价的三大指标／ 229
12.6.1   响应时间／ 229
12.6.2   安全性／ 229
12.6.3   便利性／ 230
第 13 章数据智能技术让数据“能推理、会决策”／ 231
13.1  数据智能技术已进入高光时刻／ 232
13.1.1   让数据智能化的技术／ 232
13.1.2   数据智能的历史回眸／ 234
13.1.3   数据智能什么时候取代人类／ 237
13.2  从计算智能、感知智能到认知智能／ 239
13.2.1   数据智能技术体系发展的现状／ 239
13.2.2   AI 在产业结构上的划分与应用／ 241
13.2.3   AI+BI：一种高效的数据智能模式／ 244
13.3  赢在数据智能技术／ 246
13.3.1   数据时代带来的挑战和机遇：焦虑和红利／ 246
13.3.2   数据价值率不高，亟待深度开发AI+BI ／ 247
13.3.3   人工智能技术如何帮助企业提炼数据价值／ 247
13.4  未来的数据智能技术／ 248
13.4.1   数据智能技术面临的难题／ 248
13.4.2   畅想数据智能的发展应用／ 249
13.4.3   技术在迭代，企业怎样才能不被落下／ 252
第14章智慧经营打破理想与现实之间的壁垒／ 255
14.1  当智慧经营照进企业现实／ 257
14.1.1   企业经营管理的技术现状／ 257
14.1.2   智慧经营中存在的问题／ 257
14.2  用“4+1”破解智慧经营迷雾／ 258
14.2.1   什么才算是智慧经营／ 258
14.2.2   数智运营中心支撑企业智慧经营／ 260
14.2.3   智慧经营的应用场景／ 261
14.3  没有数据中台，智慧经营无异于纸上谈兵／ 263
14.3.1   数据是智慧经营的基本生产要素／ 263
14.3.2   算法模型是智慧经营的核心生产力／ 265
14.3.3   智能应用是实现智慧经营的主要工具／ 266
14.3.4   人才是智慧经营的重要保障／ 267
14.4  智慧经营之路案例／ 268
14.4.1   智慧经营之路案例：T 公司的放手一搏／ 268
14.4.2   智慧经营之路案例：数据智能经营分析助手／ 270

韩向东
北京元年科技股份有限公司总裁、中国会计学会信息化专业委员会副主任委员、上海国家会计学院智能财务研究院联席院长、《管理会计研究》杂志特聘主编，并担任多所高校校外导师。
20多年来，韩向东主持和参与了多项部委专项课题，主持国务院国资委研究中心《大型国有企业全面预算管理模式创新与管理提升》、财政部《中国企业管理会计应用水平评价体系研究》、《国企央企电商化采购建设及应用调研》和《电商化采购主数据协同共享标准》等重大课题，参与财政部《关于全面推动我国管理会计体系建设的指导意见》的政策制定工作。同时，韩向东致力于推动国内企业数字化转型路径的探索与发展，指导撰写和发布报告《成就数据驱动型企业——中国企业数字化转型白皮书》，指导撰写《企业数字化转型：技术驱动业财融合的实践指南》、主编《智能管理会计:全面赋能业财融合的实战指南》等图书。
韩向东丰富的理论和实践经验能够帮助企业精准把握时代发展脉博，其对数字化转型发展趋势的敏锐洞察深受学术界和企业界的强烈关注，为更多企业探究数字化转型本质，选择合适的实施路径提供针对性的咨询规划。

1.语言通俗易懂，即使不懂得IT技术的人士阅读本书也不存在障碍。
2.书中应用大量的实例，大多来源于元年科技的咨询实践，真实范例，贴近中国企业数字化转型前沿。
3.以业务为导向，以管理会计闭环为抓手阐述数据中台如何提升企业决策质量。
4.本书编委会既包括元年科技高管，也包括具有丰富咨询经验的一线咨询顾问，既保证本书立意的高度，又可着眼于实践的细节。