数据中台架构：企业数据化最佳实践（精装版）

1 信息认知和当前的信息化革命
1.1 信息工具的发展推动人类历史进步
1.2 信息工具的进步与历史发展
1.3 当前的信息化革命
2 企业数据化
2.1 企业数据化认知
2.2 企业数据化与企业信息化及企业的关系
2.3 企业数据化建设的内容
2.4 企业数据化的现状与问题
3 数据中台概述
3.1 数据中台是什么
3.2 数据中台的价值与建设的必要性
3.3 数据中台建设五步法
3.3.1 数据中台建设五步法概述
3.3.2 第一步：数据资源的盘点与规划
3.3.3 第二步：数据应用规划与设计
3.3.4 第三步：数据资产建设
3.3.5 第四步：数据应用的详细设计与实现
3.3.6 第五步：数据化组织规划
4 数据资源盘点与规划
4.1 数据资源盘点
4.2 数据资源规划
5 数据资产建设
5.1 数据资产建设概述
5.2 产品选型与技术方案设计
5.3 数据模型设计规范
5.4 数据开发规范及数据开发
6 数据应用规划与建设
6.1 数据应用规划
6.2 数据应用建设
7 数据应用之最佳实践
7.1 房地产行业的数据应用方案
7.2 鞋服行业的数据应用方案
7.3 乳制品行业的数据应用方案
7.4 新零售营销的数据应用方案
7.5 人力资源领域的数据应用方案
8 数据化组织规划
8.1 数据化组织规划的必要性
8.2 数据化组织的定位与职责
8.3 数据化组织的工作内容与边界
8.4 数据化组织的岗位设置
8.5 数据化组织的人数配置、预算资金与考核建议
9 数据中台与数据质量
9.1 数据质量的常见问题
9.2 数据模型规范提升数据质量
9.3 数据管理提升数据质量
9.4 数据共享提升数据质量
9.5 清洗历史数据提升数据质量
9.6 主数据管理提升基础数据质量
9.6.1 人员主数据管理
9.6.2 账户主数据管理
9.6.3 组织主数据管理
9.6.4 客商主数据管理
9.6.5 顾客主数据管理
9.6.6 产品主数据管理
9.6.7 项目主数据管理
9.6.8 资产主数据管理
9.6.9 物料主数据管理
10 数据中台建设
10.1 数据中台建设的特点
10.2 数据中台建设的策略选择
10.3 数据中台建设的整体流程
10.4 数据中台的建设风险及应对方法
10.4.1 数据中台的定位问题
10.4.2 数据中台的管理博弈
10.4.3 数据中台的业务价值方向选择
11 数据中台的软件支撑
11.1 平台的整体架构
11.2 计算引擎
11.3 离线/流计算开发套件
11.4 实时计算开发套件
11.4.1 FlinkStreamSQL
11.4.2 数据开发
11.4.3 数据运维
11.4.4 实时采集
11.5 数据资产管理套件
11.5.1 数据地图
11.5.2 数据模型规范管理
11.6 数据质量管理套件
11.7 数据科学平台
11.7.1 算法数据资源管理
11.7.2 可视化实验开发
11.7.3 算法模型离线训练
11.7.4 模型在线部署和调用
11.8 分析引擎
11.9 数据API引擎
11.9.1 数据API引擎的常用数据源
11.9.2 API发布
11.9.3 API管理与授权
11.9.4 API申请与调用
11.9.5 API测试
11.9.6 API安全
11.10 标签引擎
11.10.1 实体管理
11.10.2 标签中心
11.10.3 群组分析
11.10.4 标签数据服务
11.11 数据应用规划工具
11.11.1 业务架构梳理工具
11.11.2 数据应用规划工具
11.11.3 指标与标签体系管理工具
11.11.4 数据资源盘点工具
11.11.5 数据应用规划看板