封面
前折页
书名页
版权
序
译者序
致谢
名人书评
贡献者
前言
第1篇 可信数据治理的路径设计
 第1章 深刻理解数据治理的内涵
  1.1 阅读本书的主要收获
  1.2 数据治理需求的激增
  1.3 数据治理的基本概念
   1.3.1 数据治理是什么
   1.3.2 数据治理的误区
   1.3.3 数据治理的目的
  1.4 数据治理的组成部分
   1.4.1 政策与标准
   1.4.2 角色与职责
   1.4.3 数据治理论坛
   1.4.4 数据治理报告
   1.4.5 价值共创团队
  1.5 数据治理的价值定义
   1.5.1 梳理利益相关者清单
   1.5.2 设计有力的愿景陈述
   1.5.3 施行定制化沟通策略
  1.6 数据治理的战略驱动
   1.6.1 数据治理部门的使命
   1.6.2 数据治理计划的使命
  1.7 专属商业论证的构建
  1.8 数据治理计划的启动
   1.8.1 立即启动的依据
   1.8.2 继续等待的信号
   1.8.3 构建交付时间表
  1.9 本章结论
  1.10 参考文献
 第2章 构建数据治理倡导者联盟
  2.1 建立有影响力的关系
   2.1.1 渐进式建立信任关系
   2.1.2 识别利益相关者群体
   2.1.3 构建利益相关者图谱
   2.1.4 建立数据信任的案例
  2.2 选定一位高层发起人
   2.2.1 高层发起人的识别
   2.2.2 量身定制商业论证
   2.2.3 业务成果转化说明
  2.3 建立常态化反馈循环
  2.4 助你成功的关键角色
  2.5 如何赢得广泛支持
  2.6 本章结论
  2.7 参考文献
 第3章 组建高绩效数据治理团队
  3.1 优化团队交付的成果
   3.1.1 常见的10种预期交付成果
   3.1.2 定义数据团队的核心职能
   3.1.3 将产品管理融入组织设计
  3.2 3个通用的组织模型
   3.2.1 建立首席数据官办公室
   3.2.2 利用轮辐式模型拆分执行权
   3.2.3 利用集中式模型推动一致性
   3.2.4 如何选择最合适的模型
  3.3 不可或缺的团队角色
   3.3.1 首席数据官与首席数据与分析官
   3.3.2 数据管理职能角色集
   3.3.3 数据解决方案负责人
   3.3.4 信息架构设计师
   3.3.5 数据工程负责人
   3.3.6 数据运营负责人
  3.4 人工智能技术的考量与应用
  3.5 数据分析团队的结构
  3.6 数据业务化运作机制
   3.6.1 企业数据委员会
   3.6.2 企业数据理事会
  3.7 关键的数据职能角色
   3.7.1 数据领域执行主管
   3.7.2 业务数据管理专员
   3.7.3 技术数据管理专员
  3.8 数据团队的人才培养
   3.8.1 专业人才招募
   3.8.2 专业人才储备
   3.8.3 专业人才培育
  3.9 本章结论
  3.10 参考文献
 第4章 建立数据管理成熟度基准
  4.1 数据管理成熟度
  4.2 数据管理成熟度评估过程
  4.3 为何你应该对数据管理成熟度进行基准评估
  4.4 执行数据管理成熟度评估
   4.4.1 第1步：定义评估范围
   4.4.2 第2步：组建利益相关者团队
   4.4.3 第3步：选择数据管理成熟度模型
   4.4.4 第4步：执行评估并收集数据
   4.4.5 第5步：分析评估数据
  4.5 对齐与共识达成
   4.5.1 第6步：沟通评估结果
   4.5.2 第7步：制定改进计划
   4.5.3 第8步：执行改进计划
   4.5.4 第9步：监控并报告进展
   4.5.5 第10步：重新评估数据管理成熟度
  4.6 衡量评估的成效
  4.7 本章结论
 第5章 定义成功标准并对齐成果
  5.1 能力与结果的区别
   5.1.1 能力的构成
   5.1.2 结果的构成
  5.2 业务成果与数据能力
  5.3 共同定义成功的标准
   5.3.1 价值的定义
   5.3.2 成功的定义
  5.4 成果对齐与计划落地
   5.4.1 步骤1：对齐整体业务成果
   5.4.2 步骤2：定义必需的数据能力
   5.4.3 步骤3：定义数据能力交付物
   5.4.4 步骤4：对齐价值衡量方式
   5.4.5 步骤5：迭代交付工作成果
   5.4.6 步骤6：迭代报告工作进展
   5.4.7 步骤7：通过数据成果衡量成功
   5.4.8 步骤8：通过业务成果衡量成功
   5.4.9 小结
  5.5 实现业务价值的障碍
  5.6 利益相关者价值图谱
  5.7 本章结论
第2篇 可信数据治理的能力剖析
 第6章 元数据管理
  6.1 元数据管理的定义
   6.1.1 元数据管理是什么
   6.1.2 元数据的典型示例
  6.2 元数据管理的价值
   6.2.1 元数据管理能力
   6.2.2 元数据的重要性
  6.3 元数据管理的核心能力
   6.3.1 元数据标准
   6.3.2 业务术语表
   6.3.3 数据目录
  6.4 构建卓越的元数据管理能力
   6.4.1 数据市场的基本概念
   6.4.2 数据市场的核心内容
   6.4.3 数据市场的重要作用
   6.4.4 衡量成果和投资回报
  6.5 为元数据管理奠定成功基础
  6.6 本章结论
  6.7 参考文献
 第7章 技术元数据与数据血缘
  7.1 技术元数据
   7.1.1 能力价值的体现
   7.1.2 能力价值的衡量
   7.1.3 能力成熟度衡量
   7.1.4 管理责任的归属
   7.1.5 能力成熟的特征
   7.1.6 实践与应用指南
  7.2 数据血缘
   7.2.1 能力价值的体现
   7.2.2 能力价值的衡量
   7.2.3 能力成熟度衡量
   7.2.4 管理责任的归属
   7.2.5 能力成熟的特征
   7.2.6 实践与应用指南
  7.3 构建卓越的数据血缘能力
  7.4 本章结论
 第8章 数据质量
  8.1 数据质量的定义
   8.1.1 数据质量战略
   8.1.2 数据质量赋能
  8.2 测量数据质量的价值
  8.3 数据质量的核心能力
   8.3.1 数据剖析
   8.3.2 数据清洗
   8.3.3 数据验证与标准化
   8.3.4 数据增强
   8.3.5 反馈循环、异常处理和问题修复
  8.4 构建卓越的数据质量能力
   8.4.1 建立数据认证机制
   8.4.2 保持并提升透明度
  8.5 为数据质量奠定成功基础
   8.5.1 响应实时请求
   8.5.2 数据集成评估
  8.6 本章结论
 第9章 数据架构
  9.1 数据架构的定义
  9.2 数据架构的价值
   9.2.1 总被忽视的原因
   9.2.2 衡量成功的标准
  9.3 数据架构的核心能力
   9.3.1 数据架构项目的设立
   9.3.2 现状与目标数据架构建模
  9.4 构建卓越的数据架构能力
   9.4.1 确立设计原则
   9.4.2 制定架构标准
   9.4.3 与业务和技术架构整合
   9.4.4 融入系统开发生命周期
  9.5 为数据架构奠定成功基础
  9.6 本章结论
 第10章 主数据管理
  10.1 主数据管理的定义
   10.1.1 参考数据
   10.1.2 主数据与参考数据
  10.2 典型的主数据类型
   10.2.1 客户主数据
   10.2.2 产品主数据
   10.2.3 供应商主数据
   10.2.4 联系人主数据
  10.3 构建卓越的主数据管理能力
   10.3.1 数据记录去重
   10.3.2 企业标准定义
   10.3.3 核心属性框定
   10.3.4 多重层级管理
   10.3.5 信任逻辑定义
   10.3.6 双向集成模式
   10.3.7 数据增强服务
   10.3.8 数据消费模型
  10.4 客户关系管理与主数据管理
   10.4.1 客户关系管理
   10.4.2 关键差异对比
  10.5 主数据管理的价值
   10.5.1 商业论证构建
   10.5.2 项目范围界定
   10.5.3 核心能力声明
   10.5.4 概念架构模型
   10.5.5 方向性目标与成功指标
   10.5.6 主数据管理的商业效益
  10.6 本章结论
  10.7 参考文献
 第11章 数据运营
  11.1 数据运营的定义
   11.1.1 数据运营与IT运维的对比
   11.1.2 数据运营与IT团队的协同
  11.2 数据运营的核心能力
  11.3 数据运营的价值
   11.3.1 幕后英雄面临的挑战
   11.3.2 提高数据运营可见度
  11.4 为数据运营奠定成功基础
  11.5 本章结论
第3篇 可信数据治理的工程实践
 第12章 数据治理计划的强势启动
  12.1 启动组织变革准备度评估
   12.1.1 准备度评估的执行
   12.1.2 常见的准备度基准
  12.2 构建简洁有力的核心信息
   12.2.1 打造富有感染力的愿景
   12.2.2 当前状态与目标状态的对比
   12.2.3 按受众萃取清晰的信息
   12.2.4 撰写叙事型战略备忘录
   12.2.5 设计可交付的业务成果
  12.3 标准化流程实现高效沟通
  12.4 启动时建立反馈闭环机制
  12.5 设定并达成计划启动预期
  12.6 本章结论
 第13章 交付有影响力的速赢成果
  13.1 速赢项目的发现与实现
   13.1.1 需求领域的识别
   13.1.2 问题清单合理化
   13.1.3 问题优先级排序
   13.1.4 速赢与长期成效
   13.1.5 组织就绪度评估
   13.1.6 资金筹措的方式
   13.1.7 持续跟进与交付
   13.1.8 恰到好处的沟通
  13.2 政策标准与程序的价值
  13.3 数据所有权的作用发挥
  13.4 产品思维塑造数据能力
   13.4.1 数据产品的产品管理
   13.4.2 不宜过度追求产品化
  13.5 持续交付以产生飞轮效应
   13.5.1 持续交付模型
   13.5.2 坚持就是胜利
  13.6 本章结论
  13.7 参考文献
 第14章 数据自动化放大成果产出
  14.1 自动化的基本概念
  14.2 数据自动化的内涵
   14.2.1 数据自动化常见类型
   14.2.2 数据自动化能力进阶
  14.3 数据自动化的效益
   14.3.1 常见的效益
   14.3.2 效益的衡量
  14.4 数据自动化的实施
   14.4.1 第1步：明确自动化工作目标
   14.4.2 第2步：识别现有流程和痛点
   14.4.3 第3步：就问题陈述达成一致
   14.4.4 第4步：就方法和投资回报率达成一致
   14.4.5 第5步：方案的执行与调整
   14.4.6 第6步：结果的评估与报告
  14.5 第三方数据的补充
  14.6 数据自动化示例
   14.6.1 客户领域
   14.6.2 运营领域
  14.7 本章结论
 第15章 着力推动解决方案的采用
  15.1 推动采用的基本要点
   15.1.1 从阐明必要性入手
   15.1.2 优化方案及易用性
   15.1.3 文化因素不容忽视
   15.1.4 及时破除采用障碍
  15.2 低采用率的成本代价
   15.2.1 低采用率的定量成本
   15.2.2 低采用率的定性成本
  15.3 方案采用失败的原因
   15.3.1 解决方案设计问题
   15.3.2 企业的适配性问题
   15.3.3 数据领导个人问题
  15.4 如何推动高效的采用
  15.5 启动失败后的再出发
   15.5.1 揭示根本问题
   15.5.2 推动协作致胜
  15.6 部署之后的管理框架
   15.6.1 构建采用路线图
   15.6.2 监控与评估活动
   15.6.3 融入系统开发生命周期实践
  15.7 本章结论
 第16章 交付可信结果以兑现承诺
  16.1 利益相关方沟通策略
   16.1.1 聚焦业务价值与影响
   16.1.2 使用业务语言沟通
   16.1.3 消除疑虑并建立信任关系
   16.1.4 清晰有力的沟通方式
  16.2 沟通意外结果与承诺偏差
   16.2.1 提供清晰说明与背景信息
   16.2.2 聚焦解决方案及后续行动
   16.2.3 保持开放透明的沟通模式
  16.3 通过结果的交付建立信任关系
   16.3.1 优先考虑协作与沟通
   16.3.2 专业能力建设与展示
   16.3.3 培育开放与担当文化
  16.4 能力回顾
   16.4.1 数据治理
   16.4.2 元数据管理
   16.4.3 数据质量
   16.4.4 数据架构
   16.4.5 数据运营
  16.5 本章结论
第4篇 可信数据治理的案例研究
 第17章 高度受监管行业案例研究
  17.1 场景：高度受监管主体（银行）
  17.2 识别速赢机会并采取有力措施
   17.2.1 开展调研分析
   17.2.2 锁定关键问题
   17.2.3 实施速赢措施
  17.3 向高管团队报告长期解决方案
  17.4 向监管机构报告问题整改方案
  17.5 设计成效导向的迭代交付机制
  17.6 项目成果概览
  17.7 本章结论
后折页
封底