Calcite数据库原理及应用教程，SQL大数据技术原理及应用，帮助你解决数据源管理难题。
电子书
编辑推荐
数字时代的CDO生存手册，国际数据管理协会（DAMA）推荐读物。
内容简介
首席数据官（Chief Data Officer，CDO）是数字时代的产物，它在数字化转型的过程中，以及在转型成功后的数字经济中，都会起到关键作用。
本书旨在建立一套相对完整的关于首席数据官的知识体系，帮助读者更好地参与数字时代的发展。
章节目录
- 版权信息
- 版 权
- 内 容 提 要
- 编写组成员
- 序
- 资源与支持
- 第一篇 CDO概论
- 第1章 CDO是数字时代的产物
- 1.1 CDO的定义
- 1.1.1 首席数字官
- 1.1.2 首席数据官
- 1.2 CDO产生的背景
- 1.2.1 《领导者数据宣言》
- 1.2.2 数据是生产要素
- 1.2.3 数据是数字经济的基础
- 1.2.4 数据管理是数字化转型的前提
- 1.2.5 数据必须从IT中分离出来
- 1.2.6 谁来管理数据
- 1.3 国外CDO发展的状况
- 1.3.1 国外CDO概念的历史由来
- 1.3.2 国外与CDO相关的组织
- 1.3.3 国外与CDO相关的研究和著作
- 1.4 国内CDO发展的状况
- 1.4.1 广东省
- 1.4.2 浙江省
- 1.4.3 江苏省
- 1.4.4 山东省
- 1.4.5 上海市
- 1.4.6 北京市
- 1.4.7 四川省
- 1.4.8 工业和信息化部
- 1.4.9 关于CDO的一些城市级政策
- 1.5 CDO发展的趋势
- 1.5.1 全球CDO调研
- 1.5.2 CDO在我国的发展趋势
- 1.5.3 中美CDO的比较：谁在推动数据管理工作
- 1.6 本章小结
- 第2章 CDO的主要职责和组织架构
- 2.1 概述
- 2.2 关于首席数据官职责的一些观点
- 2.2.1 美国联邦政府首席数据官委员会的观点
- 2.2.2 isCDO的观点
- 2.2.3 CDOIQ的观点
- 2.2.4 EDMC的观点
- 2.2.5 DAMA的观点
- 2.3 一个示例：美国俄勒冈州交通部CDO招聘
- 2.3.1 职位介绍
- 2.3.2 通用职责/领导职责
- 2.3.3 具体的职责和职务
- 2.3.4 成功的度量指标
- 2.3.5 背景要求和最低资格要求
- 2.4 首席数据官的主要工作职责
- 2.4.1 管好数据
- 2.4.2 做好转型
- 2.4.3 建好团队
- 2.4.4 CDO职责架构图
- 2.5 首席数据官的汇报路径和组织架构
- 2.5.1 CDO与其他CXO的关系
- 2.5.2 CDO和数字化转型委员会的关系
- 2.5.3 CDO和数据所有者的关系
- 2.5.4 CDO和数据管理专员的关系
- 2.6 本章小结
- 第3章 CDO的必备技能和个人特质
- 3.1 概述
- 3.2 首席数据官面临的挑战
- 3.3 首席数据官可能担当的角色
- 3.4 CDO的必备技能（美国联邦政府首席数据官委员会的观点）
- 3.5 CDO的数据能力：数据素养
- 3.6 CDO的业务能力
- 3.7 CDO的技术能力
- 3.8 CDO的团队能力
- 3.9 CDO的战略规划能力
- 3.10 CDO的沟通交流能力
- 3.11 CDO的性格特征
- 3.12 本章小结
- 第4章 CDO的行动指南
- 4.1 概述
- 4.2 国外关于CDO行动计划的一些观点
- 4.2.1 isCDO关于CDO的90天行动计划
- 4.2.2 Gartner关于CDO的100天行动计划
- 4.2.3 CDOIQ关于CDO的90天行动计划
- 4.3 DAMA的CDO行动路线图
- 4.3.1 获得支持并确定具体目标
- 4.3.2 了解组织的数据和技术现状
- 4.3.3 评估组织数据管理能力成熟度
- 4.3.4 制定路线图并设置合理的KPI
- 4.4 本章小结
- 第二篇 管好数据
- 第5章 数据战略
- 5.1 概述
- 5.1.1 战略是企业的生死大计
- 5.1.2 数据赋予企业的机遇和挑战
- 5.1.3 企业需要有数据战略
- 5.1.4 部分国家或地区的数据战略
- 5.1.5 数据战略的三个必答题
- 5.2 数据战略七要素
- 5.2.1 愿景：企业要成为一家怎样的数据驱动型公司
- 5.2.2 数据文化：将数据思维植入组织文化
- 5.2.3 数据组织：构建业务负责制的数据管理组织
- 5.2.4 业务场景：让数据战略对齐业务战略
- 5.2.5 数据能力：提供制度和流程支撑
- 5.2.6 数据底座：让数据可用、好用
- 5.2.7 行动路线图：数据战略实施路线图
- 5.3 数据战略实施的Y形路径
- 5.3.1 数据战略分析
- 5.3.2 数据战略制定
- 5.3.3 数据战略实施
- 5.3.4 数据战略评估
- 5.4 本章小结
- 第6章 数据治理
- 6.1 概述
- 6.1.1 数据治理的定义
- 6.1.2 数据治理和数据管理的关系
- 6.2 数据治理的驱动因素
- 6.2.1 法规遵从的要求
- 6.2.2 内部管控的要求
- 6.2.3 外部市场的需求
- 6.3 数据治理的核心内容
- 6.3.1 组织人事架构的调整和建设
- 6.3.2 各种规章制度的建设
- 6.3.3 数据管理流程的改造和建设
- 6.4 数据治理的实施指南
- 6.4.1 识别当前的数据管理参与者
- 6.4.2 识别数据治理指导委员会的参与者
- 6.4.3 识别和分析利益相关方
- 6.4.4 让利益相关方参与进来
- 6.5 本章小结
- 第7章 数据制度
- 7.1 概述
- 7.1.1 数据制度的分类
- 7.1.2 企业层面的数据制度分类法
- 7.1.3 企业级管理大纲
- 7.1.4 数据管理办法
- 7.1.5 数据管理维护细则
- 7.1.6 数据管理操作手册
- 7.2 数据制度的主要内容
- 7.2.1 数据制度的核心内容
- 7.2.2 数据要素基础制度
- 7.3 数据制度的修订时机、原则和步骤
- 7.4 本章小结
- 第8章 元数据和数据资源目录
- 8.1 概述
- 8.1.1 元数据和数据资源目录的定义
- 8.1.2 数据管理需要从元数据开始
- 8.2 元数据管理的驱动因素
- 8.3 元数据的核心内容
- 8.3.1 元数据的内容
- 8.3.2 元数据的来源
- 8.4 元数据和数据资源目录实施指南
- 8.5 元数据管理的关键事项
- 8.5.1 目录的完整性
- 8.5.2 元数据的质量
- 8.5.3 组织保障
- 8.5.4 标准和制度
- 8.5.5 反馈机制
- 8.5.6 元数据管理是一项长期工程
- 8.6 主动型元数据管理
- 8.6.1 什么是主动型元数据管理
- 8.6.2 主动型元数据管理的基本特征
- 8.7 本章小结
- 第9章 数据标准
- 9.1 概述
- 9.1.1 数据标准的定义
- 9.1.2 数据标准层级
- 9.2 数据标准的驱动因素
- 9.3 数据标准面临的困难
- 9.4 数据标准的核心内容
- 9.4.1 数据要素供给
- 9.4.2 数据要素流通
- 9.4.3 数据要素开发利用
- 9.4.4 数据要素安全
- 9.5 数据标准的实施指南
- 9.5.1 数据标准规划
- 9.5.2 数据标准制定
- 9.5.3 数据标准发布
- 9.5.4 数据标准执行
- 9.5.5 数据标准维护
- 9.6 数据标准化的评估
- 9.6.1 对数据标准建设的评估
- 9.6.2 对数据标准贯标的评估
- 9.6.3 对数据标准应用成效的评估
- 9.7 本章小结
- 第10章 数据架构
- 10.1 数据架构的定义
- 10.1.1 DAMA的观点
- 10.1.2 DCMM的观点
- 10.1.3 其他观点
- 10.2 数据架构的核心内容及其演变
- 10.2.1 数据架构的核心内容
- 10.2.2 数据架构的演变
- 10.3 数据架构的实施指南
- 10.3.1 数据架构面临的挑战
- 10.3.2 数据架构的设计原则
- 10.3.3 现状与需求分析
- 10.3.4 数据架构设计的两种模式
- 10.3.5 数据架构的常见误区
- 10.4 现代数据架构
- 10.4.1 现代数据架构介绍
- 10.4.2 数据架构的未来趋势
- 10.4.3 大数据技术
- 10.5 数据架构评估
- 10.6 本章小结
- 第11章 数据质量管理
- 11.1 概述
- 11.2 数据质量的概念
- 11.3 数据质量管理的几项原则
- 11.3.1 从关键数据入手
- 11.3.2 “自查”和从源头抓起
- 11.3.3 明确的认责体系是提升数据质量的根本保证
- 11.3.4 建立有效的数据质量指标
- 11.4 数据质量管理的具体工作
- 11.4.1 数据质量管理的大致内容和流程
- 11.4.2 根因分析
- 11.4.3 PDCA方法论
- 11.4.4 数据质量报告
- 11.5 数据质量管理实施的几个要点
- 11.5.1 导致数据质量问题的常见原因
- 11.5.2 数据全生命周期的管理
- 11.5.3 数据质量规则模板
- 11.6 如何评估数据质量管理的成效
- 11.7 本章小结
- 第12章 数据安全和隐私保护
- 12.1 概述
- 12.1.1 数据安全的定义
- 12.1.2 隐私保护的定义
- 12.1.3 CDO要做好数据安全和隐私保护
- 12.2 数据安全的核心内容
- 12.2.1 数据分类分级
- 12.2.2 数据访问控制
- 12.2.3 应对外部威胁
- 12.2.4 18种数据安全能力
- 12.3 数据隐私保护的核心内容
- 12.3.1 个人信息安全影响评估
- 12.3.2 个人数据保留和删除
- 12.3.3 个人数据处理活动记录
- 12.3.4 个人信息主体权益
- 12.4 数据安全和隐私保护的实施方法
- 12.4.1 数据安全和隐私保护之组织建设
- 12.4.2 数据安全和隐私保护之框架和制度建设
- 12.4.3 数据安全和隐私保护之技术工具
- 12.4.4 数据安全和隐私保护之人员能力培养
- 12.4.5 外包中的数据安全保护
- 12.4.6 CRUD和RACI
- 12.5 数据安全和隐私保护的事件处理
- 12.6 本章小结
- 第13章 数据合规管理
- 13.1 概述
- 13.1.1 合规
- 13.1.2 合规管理
- 13.1.3 合规风险
- 13.2 合规管理的作用
- 13.3 数据合规义务和风险
- 13.3.1 数据合规义务
- 13.3.2 数据合规风险
- 13.4 合规管理的主要步骤
- 13.4.1 风险识别
- 13.4.2 风险评价
- 13.4.3 识别并排序合规责任人
- 13.4.4 风险控制
- 13.5 合规管理体系及认证
- 13.5.1 组织环境
- 13.5.2 领导作用
- 13.5.3 策划
- 13.5.4 支持
- 13.5.5 运行
- 13.5.6 绩效评价
- 13.5.7 改进
- 13.6 本章小结
- 第14章 主数据管理
- 14.1 概述
- 14.2 主数据的定义和关键特性
- 14.3 主数据类型
- 14.4 什么是主数据管理
- 14.5 主数据管理面临的挑战
- 14.6 主数据管理的核心内容
- 14.6.1 主数据管理标准体系
- 14.6.2 主数据管理保障体系
- 14.6.3 主数据管理工具
- 14.7 主数据管理的价值
- 14.8 主数据管理的实施方法
- 14.8.1 实施方法及内容
- 14.8.2 实施要点
- 14.9 主数据管理的评价指标
- 14.10 本章小结
- 第15章 指标数据
- 15.1 概述
- 15.2 指标数据的驱动因素
- 15.2.1 指标数据是组织健康持续发展的需要
- 15.2.2 指标数据是组织经营分析决策的依据
- 15.2.3 指标数据是组织需要管理的重要资产
- 15.3 指标数据的管理原则
- 15.4 指标数据的建设过程
- 15.4.1 编制指标体系框架
- 15.4.2 明确主题所属指标
- 15.4.3 优化完善指标数据
- 15.4.4 制定指标管理体系
- 15.4.5 强化使用指标数据
- 15.5 指标数据的实施指南
- 15.5.1 指标数据的常见问题
- 15.5.2 指标数据的关键管理因素
- 15.5.3 指标数据的度量指标
- 15.6 本章小结
- 第16章 数据建模
- 16.1 概述
- 16.1.1 什么是数据模型
- 16.1.2 数据建模的一些基本概念
- 16.2 数据模型管理的驱动因素
- 16.2.1 监管合规要求形成有效的数据模型管理机制
- 16.2.2 企业中的数据模型需要长期积累
- 16.2.3 数据生产规范化需要模型开发过程遵循企业数据标准
- 16.3 数据模型的核心内容
- 16.3.1 企业架构与数据架构
- 16.3.2 数据模型驱动的数据治理
- 16.3.3 从数据模型到数据
- 16.3.4 数据模型与数据标准的关系
- 16.3.5 将数据标准应用于数据模型建设
- 16.4 数据模型的实施指南
- 16.4.1 数据模型规范化设计
- 16.4.2 数据模型评审
- 16.4.3 数据模型管理和协作
- 16.4.4 组织架构和流程
- 16.4.5 行业标准化数据模型
- 16.5 数据模型的评估指标
- 16.5.1 数据模型管理成熟度评估模型
- 16.5.2 能力域及能力项的设计
- 16.6 本章小结
- 第17章 数据集成
- 17.1 概述
- 17.1.1 数据集成的基本概念
- 17.1.2 时延的基本概念
- 17.2 数据集成的过程
- 17.3 数据集成的核心内容
- 17.3.1 数据集成的类型
- 17.3.2 数据集成技术
- 17.3.3 数据集成的新内容
- 17.3.4 数据集成的常见误区
- 17.4 数据集成能力的评估
- 17.5 本章小结
- 第18章 数据存储
- 18.1 概述
- 18.1.1 数据存储的概念
- 18.1.2 数据存储规划的目标
- 18.2 数据存储规划需要考虑的因素
- 18.2.1 数据的结构特征
- 18.2.2 数据的处理模式
- 18.2.3 数据的全生命周期
- 18.2.4 数据访问的热度
- 18.2.5 数据的存储地点
- 18.2.6 整体性因素
- 18.3 选择数据库系统需要考虑的因素
- 18.3.1 数据库的CAP特性
- 18.3.2 数据库的扩展性
- 18.3.3 不同数据库适用的数据处理场景
- 18.3.4 全能但昂贵的选择——内存数据库
- 18.3.5 面向特定行业的数据库
- 18.4 数据存储的发展趋势
- 18.5 本章小结
- 第19章 数据管理能力成熟度评估
- 19.1 数据管理能力成熟度评估模型
- 19.1.1 CMMI-DMM模型
- 19.1.2 IBM数据治理能力成熟度模型
- 19.1.3 DCAM 2.0
- 19.1.4 DCMM
- 19.1.5 数据管理能力成熟度评估模型对比分析
- 19.1.6 CDMC
- 19.2 如何开展数据管理能力成熟度评估
- 19.2.1 数据管理能力成熟度评估的实施步骤
- 19.2.2 未来趋势和展望
- 19.3 本章小结
- 第20章 数据生命周期管理
- 20.1 概述
- 20.1.1 数据生命周期的定义
- 20.1.2 数据生命周期管理的定义
- 20.1.3 常见的数据生命周期管理模型
- 20.2 数据生命周期管理的目标及意义
- 20.3 数据生命周期管理的阶段
- 20.3.1 数据规划
- 20.3.2 数据创建
- 20.3.3 数据传输
- 20.3.4 数据存储
- 20.3.5 数据加工
- 20.3.6 数据使用
- 20.3.7 数据提高
- 20.3.8 数据归档或销毁
- 20.4 数据生命周期管理的评估
- 20.4.1 对数据生成与收集的评估要求
- 20.4.2 对数据加工与处理的评估要求
- 20.4.3 对数据存储与管理的评估要求
- 20.4.4 对数据利用与共享的评估要求
- 20.5 本章小结
- 第21章 非结构化数据管理
- 21.1 概述
- 21.1.1 概念
- 21.1.2 发展历程
- 21.1.3 现状
- 21.1.4 未来趋势
- 21.2 非结构化数据管理的意义
- 21.2.1 安全合规
- 21.2.2 提效降本
- 21.2.3 业务连续性
- 21.2.4 决策支持
- 21.2.5 洞察创新
- 21.2.6 权益保障
- 21.2.7 资产增值
- 21.2.8 记忆（历史）留存
- 21.3 非结构化数据管理的核心内容
- 21.3.1 文档管理
- 21.3.2 工作流
- 21.3.3 协作
- 21.3.4 影像管理
- 21.3.5 门户
- 21.3.6 知识管理
- 21.3.7 数字资产管理
- 21.3.8 网页内容管理
- 21.4 非结构化数据管理的建设方法
- 21.5 本章小结
- 第22章 数据分析和挖掘
- 22.1 概述
- 22.2 数据分析与数据挖掘的异同
- 22.3 数据分析的核心内容
- 22.3.1 数据分析理论和方法
- 22.3.2 数据分析工具
- 22.3.3 数据分析应用
- 22.4 数据挖掘的核心内容
- 22.4.1 传统意义上的数据挖掘
- 22.4.2 大数据背景下的数据探索
- 22.4.3 数据挖掘工具
- 22.4.4 数据挖掘应用
- 22.5 数据分析和挖掘的应用场景
- 22.5.1 客户管理
- 22.5.2 产品管理
- 22.5.3 营销管理
- 22.5.4 绩效管理
- 22.5.5 风险管理
- 22.5.6 财务管理
- 22.6 数据分析和挖掘的实施方法
- 22.6.1 数据分析的实施方法
- 22.6.2 数据挖掘的实施方法
- 22.7 本章小结
- 第三篇 做好转型
- 第23章 数据伦理
- 23.1 概述
- 23.1.1 遵守伦理是企业开展业务活动的底线
- 23.1.2 企业需要遵守数据伦理
- 23.2 数据伦理面临的问题及典型案例
- 23.2.1 数据伦理面临的问题
- 23.2.2 数据伦理问题的典型案例：Facebook定向广告推送事件
- 23.3 数据伦理治理的核心内容
- 23.3.1 国内外数据伦理与隐私保护实践
- 23.3.2 数据伦理的基本准则
- 23.3.3 数据伦理治理的基本方法
- 23.4 本章小结
- 第24章 数据开放与共享
- 24.1 概述
- 24.1.1 基本概念
- 24.1.2 数据开放与共享的历史回顾
- 24.1.3 数据开放与共享的价值路径
- 24.2 数据开放与共享的建设意义
- 24.3 数据开放的核心内容
- 24.3.1 什么是数据开放
- 24.3.2 数据开放的关键
- 24.4 数据共享的核心内容
- 24.4.1 什么是数据共享
- 24.4.2 数据共享的关键
- 24.5 数据开放与共享的实施方法
- 24.5.1 数据开放与共享的资源体系
- 24.5.2 数据开放与共享的建设路径
- 24.5.3 数据开放与共享的运行机制
- 24.6 本章小结
- 第25章 数字化转型与数字文化
- 25.1 概述
- 25.1.1 数字化和数字化转型
- 25.1.2 数字化与信息化的区别
- 25.1.3 数字文化和数据素养
- 25.2 数字化转型的驱动因素
- 25.2.1 外部驱动因素
- 25.2.2 内部驱动因素
- 25.3 数字文化的核心内容
- 25.3.1 数据思维
- 25.3.2 与客户共创
- 25.3.3 协同开放
- 25.3.4 创新包容
- 25.3.5 持续学习
- 25.3.6 崇尚科技
- 25.4 数字化转型的实施指南
- 25.4.1 树立紧迫感
- 25.4.2 沟通和设计愿景
- 25.4.3 建立数据型组织
- 25.4.4 积累短期，驱动长期
- 25.4.5 成果融入文化
- 25.4.6 动态调整，时刻检视
- 25.5 数字文化建设的评估指标
- 25.5.1 企业数字文化建设成果的评估指标
- 25.5.2 企业数字文化建设能力的评估指标
- 25.6 本章小结
- 第26章 数据要素
- 26.1 概述
- 26.1.1 背景
- 26.1.2 定义
- 26.2 数据要素识别
- 26.3 数据确权
- 26.4 数据要素价值评估
- 26.4.1 数据权属确定
- 26.4.2 数据资产边界确定
- 26.4.3 数据资产成本计量评估
- 26.4.4 数据要素价值评估
- 26.4.5 探索资本服务
- 26.5 数据交易
- 26.5.1 交易标的物
- 26.5.2 参与主体
- 26.5.3 定价
- 26.5.4 风险提示
- 26.6 数据入表
- 26.7 本章小结
- 第27章 公共数据授权运营
- 27.1 概述
- 27.1.1 政策背景
- 27.1.2 现状与实践
- 27.1.3 问题与挑战
- 27.2 授权运营方式
- 27.3 授权运营的实现路径
- 27.3.1 建立主体机制（组织框架搭建）
- 27.3.2 规范行为制度（政策文件支持）
- 27.3.3 选择建设模式（确定授权主体和授权方式）
- 27.3.4 搭建授权运营平台
- 27.3.5 设计收益分配
- 27.3.6 形成授权运营生态
- 27.4 本章小结
- 第四篇 建好团队
- 第28章 数据团队建设
- 28.1 数据团队的组织架构
- 28.2 组织架构建设的指导原则
- 28.3 建立数据团队认责机制
- 28.4 数据团队的构成
- 28.4.1 数据团队的5个职能
- 28.4.2 不同的数据角色
- 28.4.3 数据治理子团队的构成
- 28.4.4 数据分析和应用子团队的构成
- 28.4.5 数据平台开发子团队的构成
- 28.4.6 数据系统运维子团队的构成
- 28.4.7 数据要素运营子团队的构成
- 28.5 数据团队的人员构成
- 28.5.1 数字化人才的定义
- 28.5.2 数据库管理员
- 28.5.3 ETL工程师
- 28.5.4 数据架构师
- 28.5.5 数据分析师
- 28.5.6 数据建模师
- 28.5.7 元数据管理师
- 28.5.8 主数据管理师
- 28.5.9 数据质量专员
- 28.5.10 数据安全管理师
- 28.5.11 数据合规师
- 28.5.12 大数据科学家
- 28.5.13 数据治理师
- 28.5.14 数据资产评估师
- 28.5.15 数据交易师
- 28.6 数据团队的建设方法
- 28.6.1 数据团队建设的一些考虑
- 28.6.2 数据团队人才建设的渠道
- 28.7 本章小结
- 第29章 CDO及其数据团队的绩效考核
- 29.1 CDO绩效管理的独特性
- 29.2 CDO绩效考核及其目的
- 29.3 CDO绩效考核对象及其指标
- 29.3.1 CDO绩效考核对象
- 29.3.2 CDO绩效考核指标
- 29.3.3 KPI要素
- 29.4 考核频率
- 29.5 考核基准
- 29.5.1 开发类项目的考核基准
- 29.5.2 工程类项目的考核基准
- 29.5.3 已知需求类项目的考核基准
- 29.5.4 未知需求类项目的考核基准
- 29.6 考核方法
- 29.6.1 排序法
- 29.6.2 对比法
- 29.6.3 正态分布法
- 29.6.4 文献法
- 29.6.5 述职法
- 29.6.6 尺度评价法
- 29.6.7 有无考核法
- 29.6.8 内部结算法
- 29.6.9 个人绩效承诺法
- 29.6.10 综合绩效考核法
- 29.7 考核数据收集
- 29.7.1 权责发生制的数据收集
- 29.7.2 实际发生制的数据收集
- 29.7.3 绩效数据与项目实施过程融合
- 29.7.4 项目全生命周期数据收集
- 29.8 考核结果
- 29.8.1 数据管理价值评价
- 29.8.2 考核的“量化”神话
- 29.8.3 活力曲线
- 29.8.4 考核结果应用
- 29.9 绩效反馈
- 29.9.1 绩效反馈与沟通
- 29.9.2 绩效考核中的常见问题及应对措施
- 29.10 绩效考核体系建设
- 29.10.1 取得高层领导支持
- 29.10.2 开展全员宣贯
- 29.10.3 统筹规划三阶段
- 29.10.4 确定考核目标
- 29.10.5 设计KPI和权重
- 29.10.6 选择合适的考核方法
- 29.10.7 设计考核结果的活力区间
- 29.10.8 设计考核频率
- 29.10.9 设计考核结果应用
- 29.10.10 开展绩效反馈与辅导
- 29.11 本章小结
- 第30章 数据项目的管理
- 30.1 数据项目的定义
- 30.1.1 什么是数据项目
- 30.1.2 数据项目的独特性
- 30.2 项目管理及其发展
- 30.2.1 项目管理的发展历程
- 30.2.2 项目管理的九大知识领域
- 30.2.3 项目管理人才的技能要求
- 30.3 数据项目管理的原则
- 30.4 数据项目管理的内容
- 30.4.1 传统型数据项目
- 30.4.2 基于数据生命周期的传统型数据项目
- 30.4.3 与数据资产和数据要素相关的数据项目
- 30.4.4 数据外包项目的管理
- 30.5 数据驱动的项目管理
- 30.5.1 数据在项目管理中的作用
- 30.5.2 数据驱动的项目管理的实施流程
- 30.6 本章小结
- 第五篇 新技术、新模式、新业态
- 第31章 新型数据科技
- 31.1 战略性新型数据平台
- 31.2 现代数据架构
- 31.2.1 现代数据架构的特点
- 31.2.2 云上数据架构的兴起
- 31.2.3 主动型元数据管理
- 31.3 湖仓一体
- 31.3.1 数据仓库
- 31.3.2 数据湖
- 31.3.3 湖仓一体
- 31.3.4 数据中台
- 31.4 数据民主化
- 31.5 数据编织
- 31.6 数据网格
- 31.7 数据联邦
- 31.8 DataOps
- 31.8.1 定义
- 31.8.2 DataOps架构
- 31.8.3 数据中台与DataOps的关系
- 31.8.4 DataOps的主要技术
- 31.8.5 DataOps的价值
- 31.9 数据可视化
- 31.10 数字孪生
- 31.11 隐私计算
- 31.11.1 隐私计算的定义和相关的主要技术
- 31.11.2 隐私计算在数据要素流通中的应用
- 31.12 区块链
- 31.13 ChatGPT带来的革命性变革
- 31.14 “信创”及其对企业数据技术发展的影响
- 31.14.1 信创产业发展的背景
- 31.14.2 信创产业发展的成就
- 31.14.3 信创产业的发展趋势
- 31.15 开源
- 31.15.1 开源软件的条件
- 31.15.2 开源的优势及劣势
- 31.15.3 关于开源的一些问题
- 31.15.4 主要的软件基金会和平台
- 31.15.5 中国开发者对Apache顶级项目做出的贡献
- 31.15.6 开源项目的发展趋势
- 31.16 数据空间和国际数据空间
- 31.17 本章小结
- 第32章 基于数据的商业运营新模式
- 32.1 传统的运营模式
- 32.1.1 传统的业务驱动型运营模式
- 32.1.2 传统的技术驱动型运营模式
- 32.1.3 阿米巴运营模式
- 32.1.4 传统的流程驱动型运营模式
- 32.2 基于数据的新模式
- 32.2.1 数据驱动的新模式
- 32.2.2 以数据为中心的新模式
- 32.2.3 基于指标数据的新模式
- 32.3 与数据相关的其他新模式
- 32.3.1 数据交易的新模式
- 32.3.2 基于云端的数据管理模式
- 32.4 本章小结
- 第33章 基于数据的新业态
- 33.1 背景
- 33.2 数商新生态
- 33.3 数据信托
- 33.4 数据跨境流通
- 33.5 数据标注
- 33.6 Web 3.0和元宇宙
- 33.7 NFT
- 33.8 ESG
- 33.9 碳达峰与碳中和
- 33.10 ESG与“双碳”之间的联系与区别
- 33.11 本章小结
展开全部
首席数据官知识体系指南是2023年由人民邮电出版社出版,作者上海市静安区国际数据管理协会 编著。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《首席数据官知识体系指南》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书结合大数据和数据库系统，从技术历史的角度介绍了数据管理系统的发展。
电子书
无须数学、统计学基础，轻松掌握大数据。
电子书
一本教你用Microsoft Power BI分析处理经营业务数据的教程。
电子书
本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。
电子书
从科技到人文，多角度探寻定量分析应用何去何从，解读数字时代的“定量陷阱”。
电子书
统地阐述大数据分析处理工作流程中的重要步骤。
电子书
系统介绍商业数据分析与可视化的主要内容及常用的分析方法。
