编辑点评:华为数据之道pdf
本书是对华为数据治理和数字化转型成功经验的总结。由华为数据管理部编写,华为质量与流程IT、华为云、华为大学联合出品。很受欢迎的新书,有需要请下载
简介
·华为首次正式对外公开其数据治理和数字化转型方法论,是中国企业数字化转型的标杆。
·本书由华为董事、质量与流程IT总裁、CIO陶景文等华为高管推荐。
·由华为企业数据管理部撰写,华为质量与流程IT、华为云、华为大学联合出品。
·华为的数据库已经能够支持华为在全球170多个国家/地区的多格式、差异化数字化运营。
·本书出版前,已在华为内部发行14000余册,获得了良好的反响和口碑。
本书从技术、流程、管理等多个维度,系统阐述了华为的数据治理和数字化转型。华为是一家超大型企业。华为的数据库和数据治理方法支持华为在全球170多个国家/地区的多业务发展。
差异化操作。本书收录了大量数据治理和数字化转型的宝贵经验、方法论、规范、模型、解决方案和案例,不仅可以让读者学习和使用,还可以让读者了解华为数字化建设的过程。
本书共10章,逻辑上分为四个部分。
第 1 部分(第 1~3 章)
第一章从非数字原生企业在数字化转型中面临的挑战开始,介绍了华为数据治理和数字化转型的目标、愿景、蓝图和框架;第 2 章着眼于企业政策和架构协同的视角,
引入企业级综合数据治理体系,理顺数据与转型、运营、IT的协同关系,明确数据管理责任主体在业务;第 3 章详细阐述了不同类型数据的管理。管理方法及要点。
第二部分(第 4~6 章)
详细阐述了数据治理工作中的三个关键任务:信息架构、数据库和数据服务。第4章介绍了信息架构的四个组成部分,给出了构建原理和核心要素,并介绍了业务对象、流程、
规则的三个数字化构建方向;第五章提出了数据库建设的总体框架,从两个层面介绍了数据湖和数据主题连接的建设实践;第6章以自助、高效、重用为数据服务为目的,提出了一种对数据进行搜索、处理和分析的消费流程管理方案。
第三部分(第 7~9 章)
系统概括了数据治理的三大关键能力:全数据感知、全面质量提升、可控共享。第7章,针对数字孪生的全感知和非接触感知,介绍了数据的硬感知和软感知两种能力;
第8章介绍基于PDCA框架的企业业务数据异常综合监控;第9章介绍了如何构建基于元数据的数据安全和隐私保护框架,以及如何建立动态和静态相结合的数据保护和授权管理方案。
第四部分(第 10 章)
基于对“机器识别世界”的理解,我们提出了对数据治理未来的思考,设想了人工智能治理、数据主权和数据生态建设。未来已来,让我们共同努力,将数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。
相关内容部分预览
关于作者
华为企业数据管理部
华为数据管理部作为集团层面的数据管理机构,主要负责以下工作:
公司数据工作的战略规划、路线图举措和实施;
开发和实施从生成到消费的数据生命周期管理的治理框架、流程规范、方法和 IT 工具;
公司级信息架构设计及数据资产治理与维护;
主持集团级数据相关项目,推动以数据为中心的数字化转型;
设计公司数据质量测量模型,进行数据质量监控,披露重大数据问题;
组织跨业务、跨BG的信息架构整合和数据问题解决;
负责提升公司数据管理能力,推动企业数据文化的建立和传播。
目录
第 1 节
第 2 节
第 3 节
前言
第一章数据驱动的企业数字化转型
1.1 非数字化原生企业的数字化转型挑战2
1.1.1业态特征:产业链长,多种业态并存3
1.1.2 运行环境:数据交互和共享的高风险 4
1.1.3 IT建设过程:数据复杂,历史包袱4
1.1.4 数据质量:对数据可靠性和一致性的高要求5
1.2 华为数字化转型与数据治理 6
1.2.1 华为数字化转型总体目标6
1.2.2 华为数字化转型蓝图及数据治理要求7
1.3 华为数据治理实践9
1.3.1 华为数据治理历史10
1.3.2 华为数据工作的愿景与目标 12
1.3.3 华为数据工作建设总体思路与框架12
1.4 章节总结 15
第二章建立完善的企业级数据治理体系
2.1 制定公司范围的数据治理政策 18
2.1.1 华为数据管理总纲18
2.1.2 信息架构管理政策 20
2.1.3 数据源管理政策 21
2.1.4 数据质量管理政策 22
2.2 整合变更、运营和 IT24 的数据治理
2.2.1 建立管理数据流24
2.2.2 管理数据流程和管理变更项目、管理质量和运营之间的关系 26
2.2.3 通过改变系统和操作系统进行决策 26
2.2.4 将数据治理集成到 IT 实施中 27
2.2.5 通过内部控制系统实现数据治理 27
2.3 建立数据管理责任制与业务责任制28
2.3.1 任命数据所有者和数据管理员 28
2.3.2 建立公司级数据管理机构29
2.4 章节总结 33
第三章差异化企业数据分类管理框架
3.1 基于数据特征的分类管理框架35
3.2 以统一语言为核心的结构化数据管理 36
3.2.1 基本数据治理 39
3.2.2 主数据治理 40
3.2.3 事务数据治理 46
3.2.4 报告数据治理 46
3.2.5 观察性数据治理 48
3.2.6 规则数据治理 50
3.3 以特征提取为核心的非结构化数据管理52
3.4 以确保合规为重点的外部数据管理54
3.5 数据价值流的元数据管理 56
3.5.1 元数据治理的挑战 56
3.5.2 元数据管理架构和策略 59
3.5.3 元数据管理 60
3.6 章节总结 71
第四章“业务交易”的信息架构构建
4.1 信息架构的四个组成部分 74
4.1.1 数据资产目录 75
4.1.2 数据标准 77
4.1.3 数据模型 80
4.1.4 数据分布 80
4.2 信息架构原则:在企业级建立通用行为准则 81
4.3 信息架构建设核心要素:基于业务对象的设计与实现84
4.3.1 Business Objects 84 的架构设计
4.3.2 实现基于业务对象的架构87
4.4 将传统信息架构扩展到业务数字化:对象、流程、规则 90
4.5 章节总结 95
第五章:“连接共享”的数据库建设
5.1 支持非数字化原生企业数字化转型的数据库建设框架98
5.1.1 98数据库整体架构
5.1.2 数据库建设策略100
5.2 数据湖:实现企业数据的“逻辑聚合”101
5.2.1 华为Data Lake 101的3个特点
5.2.2 6 数据进入 Lake 103 的标准
5.2.3 数据进入106湖
5.2.4 结构化数据入湖 109
5.2.5 非结构化数据入湖 113
5.3 数据主体连接:将数据转换为“信息”117
5.3.1 5种数据主体连接的应用场景117
5.3.2 多维模型设计 120
5.3.3 图形模型设计 125
5.3.4 标签设计 130
5.3.5 指标设计 132
5.3.6 算法模型设计135
5.4 章节总结 139
第六章:“自助消费”的数据服务构建
6.1 数据服务:实现数据自助、高效、复用142
6.1.1 什么是数据服务 144
6.1.2 数据服务生命周期管理 149
6.1.3 数据服务分类及构建规范156
6.1.4 创建数据供应162的“三个1”
6.2 构建以用户体验为中心的数据地图 167
6.2.1 数据图167的核心价值
6.2.2 数据映射 171 的关键能力
6.3 人人都是分析师 175
6.3.1 从“保姆”模式到“服务自助”模式175
6.3.2 构建业务自助分析的关键能力 179
6.4 从结果管理到过程管理,从“看到”到“管理” 187
6.4.1 数据赋能业务运营 187
6.4.2 数据消费典型场景实践190
6.4.3 华为数据驱动数字化运营的历史与经验 195
6.5 章节总结 199
第 7 章:创建具有完整数据感知能力的“数字孪生”
7.1“全无接触”数据感知能力框架202
7.1.1 数据感知需求的起源:数字孪生 202
7.1.2 数据感知能力架构 205
7.2 基于物理世界的“硬感知”能力 207
7.2.1 “硬感知”能力207的分类
7.2.2 “硬感知”能力在华为213中的实践
7.3 基于数字世界的“软感知”能力215
7.3.1 “软感知”能力的分类 215
7.3.2 “软感知”能力在华为218中的实践
7.4 通过感知能力推动企业业务数字化 220
7.4.1 感知数据在华为信息架构220中的位置
7.4.2 非数字原生企业的数据感知能力建设 224
7.5 章节总结 226
第8章构建“清洁数据”质量综合管理能力
8.1 基于 PDCA 的数据质量管理框架 228
8.1.1 什么是数据质量 228
8.1.2 数据质量管理范围 229
8.1.3 数据质量总体框架 229
8.2 全面监控企业业务异常数据231
8.2.1 数据质量规则 231
8.2.2 异常数据监控237
8.3 通过数据质量综合水平提升牵引质量 243
8.3.1 数据质量测量机制 243
8.3.2 设计质量指标 245
8.3.3 执行质量指标 248
8.3.4 质量改进 253
8.4 章节总结 256
第 9 章:打造“安全合规”的数据可控共享能力
9.1 内外部安全形势,驱动数据安全治理发展258
9.1.1 数据安全成为全国性竞争
解读华为的数据方式
华为的数据流程属于二级流程,位于一级流程MBT&IT流程之下。它目前包括三个子流程:数据架构、数据质量和数据分析。
流程中的相关关键角色,包括信息架构师、数据治理工程师(数据质量工程师)、数据平台工程师、数据分析师、数据科学家。
过程中的活动点,华为的数据方式,没有列出来,每个企业可以根据自己的建设来定制。
这整个部分写起来比较简单。根据在其他公司的工作经验,作者给出了一个大致的数据构建流程和相关角色。
暂无评论内容