企業數據資產管理:五步打造業務增長新引擎

王紅亮 周瀟瀟

商品描述

在匯聚行業可覆制經驗的基礎上,本書凝練了作者對企業數據資產管理的系統性洞見與前瞻性創新;內容嚴謹、脈絡清晰,兼具落地“硬度”與思維“銳度”,助你在AI大模型時代激活“數據資產”,賦能企業創新式增長。<br />第1章介紹數據資產定義及其五層價值金字塔,從合規到業務創新,了解其價值全貌。第2章給出數據資產“畫像”,分析其分類、特性、價值釋放階段、管理原則、核心步驟、管理團隊組成及管理發展趨勢,提供全面的數據資產管理框架。第3章介紹從數據資產到數據要素的轉變,數據要素市場的生態、使命、意義、參與的註意事項,以及可信數據空間的概念、組成體系和運營模式。第4章講解主數據資產的定義、管理目標與成熟度模型、建模方法、類型、管理系統。第5章探討交易型數據資產的價值、管理流程、質量管理。第6章提供數據指標體系構建指南,包括場景挖掘、指標詳解、指標設計原則與方法、數據指標體系建設、指標血緣關聯及指標中臺建設等。第7章介紹決策模型的定義、使用方法和常見模型,學以致用。第8章介紹數據產品的開發與運營,涵蓋定義、分類、開發過程、DataOps產品架構、運營以及案例解析,提供全面的落地指導。<br />無論你是企業管理者、數據從業者還是數字化轉型推動者,都能從中獲得實用的方法論與可覆用的經驗。

作者簡介

王紅亮 金融數據資產公司合夥人,曾任職於亞信、中信科技、埃森哲、微軟等公司,擔任數據產品研發負責人、咨詢顧問等職務。在IT行業有20多年從業經驗,並在數據資產領域深耕多年,現為中國網絡安全審查技術與認證中心(CCRC)“首席數據官”認證培訓講師,專門為政府部門、企 培養首席數據官候選人才。他也是北京交通大學軟件學院 企業講師,著有《領域驅動設計:業務建模與架構實踐》《微軟軟件研發的奧秘》等著作。<br />周瀟瀟 現為某數據資產管理咨詢公司項目負責人,曾任職於三星電子、新浪微博、艾瑞咨詢,擔任過數據產品經理、洞察總監、數據資產管理咨詢顧問等職。在數據行業深耕多年,主持完成過西南某省公共數據資產管理與運營大型項目,負責過多家企業的數據資產運營、數據治理與數據產品開發的咨詢項目,她也是“三節課”數據資產管理與數據治理專題簽約講師。

目錄大綱

前言
第1章 數據資產與五層價值金字塔
1.1 數據何以成為資產
1.1.1 我們身邊的數據資產
1.1.2 數據資產定義
1.2 數據資產五層價值金字塔
1.2.1 第一層價值:守法合規、符合倫理
1.2.2 第二層價值:文化塑造、科學決策
1.2.3 第三層價值:增強控制、管理透明
1.2.4 第四層價值:風險控制、生態連接
1.2.5 第五層價值:業務創新、未來發展
1.3 本章小結
第2章 數據資產“畫像”
2.1 分類
2.1.1 基礎型數據資產
2.1.2 服務型數據資產
2.1.3 兩類數據資產的關系
2.2 三大特性
2.2.1 覆制無消耗性
2.2.2 形式多樣性
2.2.3 價值衍生性
2.3 價值釋放三階段
2.3.1 第一階段價值釋放:業務貫通
2.3.2 第二階段價值釋放:數據決策
2.3.3 第三階段價值釋放:產品賦能
2.4 管理五原則
2.4.1 夠用原則
2.4.2 甜區原則
2.4.3 互利原則
2.4.4 場景原則
2.4.5 流通原則
2.5 三大核心步驟
2.5.1 基礎型數據資產管理
2.5.2 服務型數據資產管理
2.5.3 數據產品的開發和運營
2.6 數據管理團隊組成
2.6.1 CDO
2.6.2 數據治理團隊
2.6.3 數據洞察團隊
2.6.4 數據產品開發團隊
2.7 管理發展趨勢
2.7.1 管理理念:從被動到主動
2.7.2 組織形態:團隊專業化
2.7.3 數據架構:DataOps
2.7.4 數據治理:面向AI
2.7.5 管理手段:智能化
2.7.6 運營模式:多元化
2.7.7 數據安全:統一規範化
2.8 本章小結
第3章 數據要素市場與可信數據空間
3.1 從數據資產到數據要素
3.2 數據要素市場的生態
3.3 數據要素市場的使命
3.3.1 推動制度建設,提供基礎保障
3.3.2 構建基礎設施,加速升級之路
3.3.3 服務AI,促進產業革命
3.3.4 推進數據財政,帶動經濟發展
3.3.5 沈澱場景案例,激發價值釋放
3.4 數據要素市場的意義
3.5 參與數據要素市場的註意事項
3.6 可信數據空間
3.6.1 什麼是可信數據空間
3.6.2 可信數據空間組成體系
3.6.3 可信數據空間運營模式
3.7 本章小結
第4章 盤活基本盤:主數據資產與管理
4.1 什麼是主數據資產
4.1.1 主數據資產定義
4.1.2 主數據與其他類型數據的比較
4.1.3 主數據資產的價值
4.2 主數據資產的管理目標與成熟度模型
4.2.1 主數據資產的管理目標
4.2.2 主數據資產管理的成熟度模型
4.3 主數據建模方法
4.3.1 概念建模
4.3.2 邏輯建模
4.3.3 物理建模
4.4 主數據資產類型
4.5 主數據管理系統
4.5.1 系統架構
4.5.2 構建的工作流程
4.5.3 架構模式
4.5.4 與相似系統的區別
4.6 本章小結
第5章 疏通水源:交易型數據資產與管理
5.1 交易型數據資產的價值
5.2 交易型數據資產管理流程
5.2.1 數據生成
5.2.2 數據抽取
5.2.3 數據預處理
5.2.4 數據存儲
5.2.5 數據分析
5.3 交易型數據資產質量管理
5.3.1 數據質量維度
5.3.2 數據質量問題成因分析
5.3.3 數據質量管理過程
5.3.4 數據質量管理常見誤區
5.3.5 交易型數據資產質量管理成熟度模型
5.4 本章小結
第6章 定海神針:數據指標體系建設
6.1 場景挖掘
6.1.1 價值驅動樹法
6.1.2 場景優先級
6.1.3 典型數據需求場景
6.2 指標的屬性、維度、分類、命名
6.2.1 指標的屬性
6.2.2 指標的維度
6.2.3 指標的分類
6.2.4 指標的命名
6.3 指標設計原則
6.3.1 原則1:指標應該衡量你關心的事物
6.3.2 原則2:指標應易於計算和理解
6.3.3 原則3:指標應保證一定的時效性
6.3.4 原則4:指標應該難以被操控
6.3.5 原則5:指標不應預設任意的閾值
6.3.6 原則6:用良好的指標提供上下文信息
6.3.7 原則7:指標需要明確的負責人
6.3.8 原則8:好的指標可最大限度地減少噪聲
6.3.9 原則9:標準指標應保持一致
6.4 指標設計方法
6.4.1 樹上結果:完成價值驅動樹
6.4.2 澄清問題、達成共識
6.4.3 確定決策模型
6.4.4 深入理解領域
6.4.5 構建數學模型
6.4.6 規劃指標維度
6.4.7 專用方法
6.5 數據指標體系建設
6.5.1 何為數據指標體系
6.5.2 數據指標體系建設中的問題
6.5.3 角色與權責
6.5.4 梳理價值驅動樹
6.5.5 “戶籍”與“身份證”
6.5.6 指標標準建設
6.5.7 規範應用場景
6.5.8 設計駕駛艙數據指標體系
6.6 指標血緣關聯
6.6.1 何為指標血緣
6.6.2 指標血緣的重要性和特點