数据血缘分析原理与实践

作者简介

后记2 从ERP咨询到数据治理

后记1 数据血缘救赎之路

14.7.3 数据的价值测量问题

14.7.2 数据的经济特征问题

14.7.1 数据的确权问题

14.7 数据血缘与区块链的关系

14.6 数据血缘在智能决策中的应用

14.5 数据血缘在模型解释和模型可解释性中的应用

14.4 数据血缘在模型开发和模型审计中的应用

14.3 数据血缘在人工智能中的应用

14.2 数据血缘与数据隐私的平衡

14.1 数据血缘与数据智能的结合

第14章 未来展望

展望篇

13.2 西班牙快时尚零售商Zara

13.1 大型零售商沃尔玛

第13章 零售快消行业：全球知名企业的数据实践

12.2 “欧洲工业之母”西门子

12.1 百年企业通用电气

第12章 制造行业：全球知名企业的数据实践

11.4 叫车服务公司Uber

11.3 会员订阅制的流媒体播放平台Netflix

11.2 电子商务平台Amazon

11.1 民宿短租公寓预订平台Airbnb

第11章 服务行业：四大全球知名企业的数据实践

10.3 数据血缘的未来趋势

10.2.2 数据血缘的关键指标

10.2.1 数据血缘采集

10.2 数据血缘构建解析

10.1 数据血缘建设背景

第10章 互联网行业：字节跳动的数据血缘建设案例

案例篇

9.3 本章小结

9.2.5 持续优化迭代

9.2.4 开展项目验收

9.2.3 上线试运行

9.2.2 开发及测试

9.2.1 需求分析及调研

9.2 数据相关平台建设路径

9.1.5 数据管理驾驶舱

9.1.4 数据治理平台

9.1.3 数据仓库

9.1.2 主数据管理平台

9.1.1 元数据管理平台

9.1 数据血缘相关平台介绍

第9章 数据血缘的平台建设

8.4 本章小结

8.3.4 数据血缘在数据安全中的应用

8.3.3 数据血缘在数据建模和设计中的应用

8.3.2 数据血缘在数据架构中的应用

8.3.1 数据血缘在数据质量提升中的应用

8.3 数据血缘在数据治理中的应用

8.2 数据治理与数据血缘的关系

8.1.5 阿里的数据治理体系

8.1.4 华为的数据治理体系

8.1.3 DMM和DCMM

8.1.2 DAMA的数据治理体系

8.1.1 数据管理、数据治理与数据资产管理

8.1 数据治理体系简介

第8章 数据治理中的数据血缘应用

7.4 本章小结

7.3.3 Collibra数据平台

7.3.2 Alation数据平台

7.3.1 Informatica数据平台

7.3 其他数据血缘产品介绍

7.2.4 飞算SoData数据机器人

7.2.3 亿信元数据管理平台

7.2.2 FineBI数据可视化工具

7.2.1 马哈鱼数据血缘平台

7.2 国内主流数据血缘产品介绍

7.1.2 社交网站LinkedIn的数据平台

7.1.1 开源的Apache Atlas平台

7.1 国外主流数据血缘产品介绍

第7章 数据血缘产品

6.6 本章小结

6.5.4 大数据技术

6.5.3 人工智能技术

6.5.2 区块链技术

6.5.1 数据挖掘技术

6.5 其他相关技术

6.4.2 图形库和框架

6.4.1 数据可视化工具

6.4 数据可视化技术

6.3.3 物理建模

6.3.2 逻辑建模

6.3.1 概念建模

6.3 数据建模

6.2.2 SQL解析应用

6.2.1 ETL技术应用

6.2 数据采集技术

6.1 概述

第6章 数据血缘技术

5.4 本章小结

5.3 数据安全应用场景

5.2 数据资产应用场景

5.1 数据开发应用场景

第5章 数据血缘分析应用

技术篇

4.4 本章小结

4.3.6 实现数据血缘的可视化

4.3.5 完成数据血缘初始化

4.3.4 完成数据血缘收集

4.3.3 构建数据血缘系统

4.3.2 制定数据血缘需求范围

4.3.1 明确数据血缘目标

4.3 数据血缘建设步骤

4.2.2 建设方式注意事项

4.2.1 常见的3种建设方式的优劣势

4.2 数据血缘建设方式

4.1.3 数据血缘关系自动解析难

4.1.2 实施路径不清晰

4.1.1 血缘质量不高

4.1 数据血缘实施过程中的问题与难点

第4章 数据血缘实施路径

3.5 本章小结

3.4.5 血缘应用层

3.4.4 血缘接口层

3.4.3 血缘存储层

3.4.2 血缘处理层

3.4.1 血缘采集层

3.4 5个层级：构建基础平台，支撑数据血缘分析

3.3.5 业务血缘

3.3.4 操作血缘

3.3.3 时间血缘

3.3.2 物理血缘

3.3.1 逻辑血缘

3.3 5个类型：数据血缘分类

3.2.3 字段血缘

3.2.2 数据表血缘

3.2.1 数据库血缘

3.2 3种实体：数据血缘实体结构

3.1 1个周期：数据全生命周期管理

第3章 数据血缘分析框架模型

建设篇

2.5 本章小结

2.4.2 指标数据的数据血缘特征

2.4.1 指标数据的概念

2.4 提供分析决策的重要成果——指标数据

2.3.2 业务数据的数据血缘特征

2.3.1 业务数据的概念

2.3 记录业务动态发生的数据——业务数据

2.2.2 主数据的数据血缘特征

2.2.1 主数据的概念

2.2 确定血缘关系的黄金数据——主数据

2.1.2 元数据的数据血缘特征

2.1.1 元数据的概念

2.1 溯源血缘关系的重要依据——元数据

第2章 数据血缘中的数据组成部分

1.4 本章小结

1.3.4 为数据滥用加上一把“道德”之锁

1.3.3 数据资产价值评估度量工具

1.3.2 数据变更影响范围快速评估

1.3.1 破除数据质疑

1.3 数据血缘分析是解决数据问题的灵丹妙药

1.2.6 与数据血缘相关的概念

1.2.5 数据血缘的特征

1.2.4 什么是数据血缘可视化

1.2.3 什么是数据血缘分析

1.2.2 什么是数据血缘

1.2.1 什么是数据和数据管理

1.2 揭开数据血缘的面纱

1.1.6 从问题和挑战中找解决方案

1.1.5 建筑行业：大数据治理能力亟须提升

1.1.4 零售行业：数据分析势在必行

1.1.3 装备制造行业：产品数据采集难

1.1.2 能源化工行业：数据共享互通能力待加强

1.1.1 互联网行业：数据安全面临严峻挑战

1.1 企业目前面临的问题与挑战

第1章 走进数据血缘

概念篇

致谢

前言

“数据之力技术丛书”编委会

内容简介

版权信息

封面

封面

版权信息

内容简介

“数据之力技术丛书”编委会

前言

致谢

概念篇

第1章 走进数据血缘

1.1 企业目前面临的问题与挑战

1.1.1 互联网行业：数据安全面临严峻挑战

1.1.2 能源化工行业：数据共享互通能力待加强

1.1.3 装备制造行业：产品数据采集难

1.1.4 零售行业：数据分析势在必行

1.1.5 建筑行业：大数据治理能力亟须提升

1.1.6 从问题和挑战中找解决方案

1.2 揭开数据血缘的面纱

1.2.1 什么是数据和数据管理

1.2.2 什么是数据血缘

1.2.3 什么是数据血缘分析

1.2.4 什么是数据血缘可视化

1.2.5 数据血缘的特征

1.2.6 与数据血缘相关的概念

1.3 数据血缘分析是解决数据问题的灵丹妙药

1.3.1 破除数据质疑

1.3.2 数据变更影响范围快速评估

1.3.3 数据资产价值评估度量工具

1.3.4 为数据滥用加上一把“道德”之锁

1.4 本章小结

第2章 数据血缘中的数据组成部分

2.1 溯源血缘关系的重要依据——元数据

2.1.1 元数据的概念

2.1.2 元数据的数据血缘特征

2.2 确定血缘关系的黄金数据——主数据

2.2.1 主数据的概念

2.2.2 主数据的数据血缘特征

2.3 记录业务动态发生的数据——业务数据

2.3.1 业务数据的概念

2.3.2 业务数据的数据血缘特征

2.4 提供分析决策的重要成果——指标数据

2.4.1 指标数据的概念

2.4.2 指标数据的数据血缘特征

2.5 本章小结

建设篇

第3章 数据血缘分析框架模型

3.1 1个周期：数据全生命周期管理

3.2 3种实体：数据血缘实体结构

3.2.1 数据库血缘

3.2.2 数据表血缘

3.2.3 字段血缘

3.3 5个类型：数据血缘分类

3.3.1 逻辑血缘

3.3.2 物理血缘

3.3.3 时间血缘

3.3.4 操作血缘

3.3.5 业务血缘

3.4 5个层级：构建基础平台，支撑数据血缘分析

3.4.1 血缘采集层

3.4.2 血缘处理层

3.4.3 血缘存储层

3.4.4 血缘接口层

3.4.5 血缘应用层

3.5 本章小结

第4章 数据血缘实施路径

4.1 数据血缘实施过程中的问题与难点

4.1.1 血缘质量不高

4.1.2 实施路径不清晰

4.1.3 数据血缘关系自动解析难

4.2 数据血缘建设方式

4.2.1 常见的3种建设方式的优劣势

4.2.2 建设方式注意事项

4.3 数据血缘建设步骤

4.3.1 明确数据血缘目标

4.3.2 制定数据血缘需求范围

4.3.3 构建数据血缘系统

4.3.4 完成数据血缘收集

4.3.5 完成数据血缘初始化

4.3.6 实现数据血缘的可视化

4.4 本章小结

技术篇

第5章 数据血缘分析应用

5.1 数据开发应用场景

5.2 数据资产应用场景

5.3 数据安全应用场景

5.4 本章小结

第6章 数据血缘技术

6.1 概述

6.2 数据采集技术

6.2.1 ETL技术应用

6.2.2 SQL解析应用

6.3 数据建模

6.3.1 概念建模

6.3.2 逻辑建模

6.3.3 物理建模

6.4 数据可视化技术

6.4.1 数据可视化工具

6.4.2 图形库和框架

6.5 其他相关技术

6.5.1 数据挖掘技术

6.5.2 区块链技术

6.5.3 人工智能技术

6.5.4 大数据技术

6.6 本章小结

第7章 数据血缘产品

7.1 国外主流数据血缘产品介绍

7.1.1 开源的Apache Atlas平台

7.1.2 社交网站LinkedIn的数据平台

7.2 国内主流数据血缘产品介绍

7.2.1 马哈鱼数据血缘平台

7.2.2 FineBI数据可视化工具

7.2.3 亿信元数据管理平台

7.2.4 飞算SoData数据机器人

7.3 其他数据血缘产品介绍

7.3.1 Informatica数据平台

7.3.2 Alation数据平台

7.3.3 Collibra数据平台

7.4 本章小结

第8章 数据治理中的数据血缘应用

8.1 数据治理体系简介

8.1.1 数据管理、数据治理与数据资产管理

8.1.2 DAMA的数据治理体系

8.1.3 DMM和DCMM

8.1.4 华为的数据治理体系

8.1.5 阿里的数据治理体系

8.2 数据治理与数据血缘的关系

8.3 数据血缘在数据治理中的应用

8.3.1 数据血缘在数据质量提升中的应用

8.3.2 数据血缘在数据架构中的应用

8.3.3 数据血缘在数据建模和设计中的应用

8.3.4 数据血缘在数据安全中的应用

8.4 本章小结

第9章 数据血缘的平台建设

9.1 数据血缘相关平台介绍

9.1.1 元数据管理平台

9.1.2 主数据管理平台

9.1.3 数据仓库

9.1.4 数据治理平台

9.1.5 数据管理驾驶舱

9.2 数据相关平台建设路径

9.2.1 需求分析及调研

9.2.2 开发及测试

9.2.3 上线试运行

9.2.4 开展项目验收

9.2.5 持续优化迭代

9.3 本章小结

案例篇

第10章 互联网行业：字节跳动的数据血缘建设案例

10.1 数据血缘建设背景

10.2 数据血缘构建解析

10.2.1 数据血缘采集

10.2.2 数据血缘的关键指标

10.3 数据血缘的未来趋势

第11章 服务行业：四大全球知名企业的数据实践

11.1 民宿短租公寓预订平台Airbnb

11.2 电子商务平台Amazon

11.3 会员订阅制的流媒体播放平台Netflix

11.4 叫车服务公司Uber

第12章 制造行业：全球知名企业的数据实践

12.1 百年企业通用电气

12.2 “欧洲工业之母”西门子

第13章 零售快消行业：全球知名企业的数据实践

13.1 大型零售商沃尔玛

13.2 西班牙快时尚零售商Zara

展望篇

第14章 未来展望

14.1 数据血缘与数据智能的结合

14.2 数据血缘与数据隐私的平衡

14.3 数据血缘在人工智能中的应用

14.4 数据血缘在模型开发和模型审计中的应用

14.5 数据血缘在模型解释和模型可解释性中的应用

14.6 数据血缘在智能决策中的应用

14.7 数据血缘与区块链的关系

14.7.1 数据的确权问题

14.7.2 数据的经济特征问题

14.7.3 数据的价值测量问题

后记1 数据血缘救赎之路

后记2 从ERP咨询到数据治理

作者简介