首席數據官知識體系指南

上海市静安区国际数据管理协会是国际数据管理协会的中国分会，是数据管理和业务专业志愿人士组成的非营利协会，致力于数据管理的研究和实践，以及为数据管理从业人员提供交流平台。

第 一篇 CDO概論

第 1章 CDO是數字時代的產物 2

1.1 CDO的定義 2

1.1.1 首席數字官 2

1.1.2 首席數據官 2

1.2 CDO產生的背景 2

1.2.1 《領導者數據宣言》 3

1.2.2 數據是生產要素 3

1.2.3 數據是數字經濟的基礎 4

1.2.4 數據管理是數字化轉型的前提 5

1.2.5 數據必須從IT中分離出來 6

1.2.6 誰來管理數據 6

1.3 國外CDO發展的狀況 7

1.3.1 國外CDO概念的歷史由來 7

1.3.2 國外與CDO相關的組織 7

1.3.3 國外與CDO相關的研究和著作 10

1.4 國內CDO發展的狀況 11

1.4.1 廣東省 11

1.4.2 浙江省 11

1.4.3 江蘇省 12

1.4.4 山東省 12

1.4.5 上海市 12

1.4.6 北京市 12

1.4.7 四川省 13

1.4.8 工業和信息化部 13

1.4.9 關於CDO的一些城市級政策 13

1.5 CDO發展的趨勢 14

1.5.1 全球CDO調研 14

1.5.2 CDO在我國的發展趨勢 15

1.5.3 中美CDO的比較：誰在推動數據管理工作 15

1.6 本章小結 16

第 2章 CDO的主要職責和組織架構 17

2.1 概述 17

2.2 關於首席數據官職責的一些觀點 17

2.2.1 美國聯邦政府首席數據官委員會的觀點 17

2.2.2 isCDO的觀點 18

2.2.3 CDOIQ的觀點 19

2.2.4 EDMC的觀點 20

2.2.5 DAMA的觀點 20

2.3 一個示例：美國俄勒岡州交通部CDO招聘 20

2.3.1 職位介紹 21

2.3.2 通用職責/領導職責 21

2.3.3 具體的職責和職務 21

2.3.4 成功的度量指標 24

2.3.5 背景要求和最低資格要求 24

2.4 首席數據官的主要工作職責 24

2.4.1 管好數據 24

2.4.2 做好轉型 25

2.4.3 建好團隊 26

2.4.4 CDO職責架構圖 26

2.5 首席數據官的匯報路徑和組織架構 26

2.5.1 CDO與其他CXO的關系 26

2.5.2 CDO和數字化轉型委員會的關系 28

2.5.3 CDO和數據所有者的關系 29

2.5.4 CDO和數據管理專員的關系 29

2.6 本章小結 30

第3章 CDO的必備技能和個人特質 31

3.1 概述 31

3.2 首席數據官面臨的挑戰 31

3.3 首席數據官可能擔當的角色 32

3.4 CDO的必備技能（美國聯邦政府首席數據官委員會的觀點） 34

3.5 CDO的數據能力：數據素養 34

3.6 CDO的業務能力 34

3.7 CDO的技術能力 35

3.8 CDO的團隊能力 35

3.9 CDO的戰略規劃能力 36

3.10 CDO的溝通交流能力 36

3.11 CDO的性格特徵 36

3.12 本章小結 36

第4章 CDO的行動指南 37

4.1 概述 37

4.2 國外關於CDO行動計劃的一些觀點 37

4.2.1 isCDO關於CDO的90天行動計劃 37

4.2.2 Gartner關於CDO的100天行動計劃 38

4.2.3 CDOIQ關於CDO的90天行動計劃 38

4.3 DAMA的CDO行動路線圖 40

4.3.1 獲得支持並確定具體目標 40

4.3.2 瞭解組織的數據和技術現狀 41

4.3.3 評估組織數據管理能力成熟度 42

4.3.4 制定路線圖並設置合理的KPI 44

4.4 本章小結 44

第二篇 管好數據

第5章 數據戰略 46

5.1 概述 46

5.1.1 戰略是企業的生死大計 46

5.1.2 數據賦予企業的機遇和挑戰 46

5.1.3 企業需要有數據戰略 47

5.1.4 部分國家或地區的數據戰略 48

5.1.5 數據戰略的三個必答題 48

5.2 數據戰略七要素 48

5.2.1 願景：企業要成為一家怎樣的數據驅動型公司 49

5.2.2 數據文化：將數據思維植入組織文化 50

5.2.3 數據組織：構建業務負責制的數據管理組織 51

5.2.4 業務場景：讓數據戰略對齊業務戰略 51

5.2.5 數據能力：提供製度和流程支撐 52

5.2.6 數據底座：讓數據可用、好用 52

5.2.7 行動路線圖：數據戰略實施路線圖 52

5.3 數據戰略實施的Y形路徑 53

5.3.1 數據戰略分析 53

5.3.2 數據戰略制定 54

5.3.3 數據戰略實施 54

5.3.4 數據戰略評估 55

5.4 本章小結 56

第6章 數據治理 57

6.1 概述 57

6.1.1 數據治理的定義 57

6.1.2 數據治理和數據管理的關系 57

6.2 數據治理的驅動因素 58

6.2.1 法規遵從的要求 58

6.2.2 內部管控的要求 58

6.2.3 外部市場的需求 59

6.3 數據治理的核心內容 59

6.3.1 組織人事架構的調整和建設 59

6.3.2 各種規章制度的建設 65

6.3.3 數據管理流程的改造和建設 65

6.4 數據治理的實施指南 65

6.4.1 識別當前的數據管理參與者 65

6.4.2 識別數據治理指導委員會的參與者 66

6.4.3 識別和分析利益相關方 66

6.4.4 讓利益相關方參與進來 67

6.5 本章小結 67

第7章 數據制度 68

7.1 概述 68

7.1.1 數據制度的分類 68

7.1.2 企業層面的數據制度分類法 69

7.1.3 企業級管理大綱 69

7.1.4 數據管理辦法 70

7.1.5 數據管理維護細則 70

7.1.6 數據管理操作手冊 71

7.2 數據制度的主要內容 71

7.2.1 數據制度的核心內容 71

7.2.2 數據要素基礎制度 73

7.3 數據制度的修訂時機、原則和步驟 74

7.4 本章小結 75

第8章 元數據和數據資源目錄 76

8.1 概述 76

8.1.1 元數據和數據資源目錄的定義 76

8.1.2 數據管理需要從元數據開始 76

8.2 元數據管理的驅動因素 77

8.3 元數據的核心內容 79

8.3.1 元數據的內容 79

8.3.2 元數據的來源 80

8.4 元數據和數據資源目錄實施指南 81

8.5 元數據管理的關鍵事項 83

8.5.1 目錄的完整性 83

8.5.2 元數據的質量 83

8.5.3 組織保障 83

8.5.4 標準和制度 84

8.5.5 反饋機制 84

8.5.6 元數據管理是一項長期工程 84

8.6 主動型元數據管理 84

8.6.1 什麽是主動型元數據管理 84

8.6.2 主動型元數據管理的基本特徵 85

8.7 本章小結 85

第9章 數據標準 86

9.1 概述 86

9.1.1 數據標準的定義 86

9.1.2 數據標準層級 86

9.2 數據標準的驅動因素 87

9.3 數據標準面臨的困難 88

9.4 數據標準的核心內容 88

9.4.1 數據要素供給 88

9.4.2 數據要素流通 89

9.4.3 數據要素開發利用 89

9.4.4 數據要素安全 89

9.5 數據標準的實施指南 89

9.5.1 數據標準規劃 90

9.5.2 數據標準制定 91

9.5.3 數據標準發布 94

9.5.4 數據標準執行 94

9.5.5 數據標準維護 95

9.6 數據標準化的評估 95

9.6.1 對數據標準建設的評估 96

9.6.2 對數據標準貫標的評估 96

9.6.3 對數據標準應用成效的評估 97

9.7 本章小結 97

第 10章 數據架構 98

10.1 數據架構的定義 98

10.1.1 DAMA的觀點 98

10.1.2 DCMM的觀點 98

10.1.3 其他觀點 99

10.2 數據架構的核心內容及其演變 99

10.2.1 數據架構的核心內容 99

10.2.2 數據架構的演變 102

10.3 數據架構的實施指南 107

10.3.1 數據架構面臨的挑戰 107

10.3.2 數據架構的設計原則 107

10.3.3 現狀與需求分析 108

10.3.4 數據架構設計的兩種 模式 109

10.3.5 數據架構的常見誤區 109

10.4 現代數據架構 110

10.4.1 現代數據架構介紹 110

10.4.2 數據架構的未來趨勢 110

10.4.3 大數據技術 111

10.5 數據架構評估 111

10.6 本章小結 111

第 11章 數據質量管理 112

11.1 概述 112

11.2 數據質量的概念 112

11.3 數據質量管理的幾項原則 113

11.3.1 從關鍵數據入手 113

11.3.2 “自查”和從源頭抓起 114

11.3.3 明確的認責體系是提升數據質量的根本保證 114

11.3.4 建立有效的數據質量指標 115

11.4 數據質量管理的具體工作 116

11.4.1 數據質量管理的大致內容和流程 116

11.4.2 根因分析 117

11.4.3 PDCA方法論 117

11.4.4 數據質量報告 118

11.5 數據質量管理實施的幾個要點 119

11.5.1 導致數據質量問題的常見原因 119

11.5.2 數據全生命周期的管理 119

11.5.3 數據質量規則模板 120

11.6 如何評估數據質量管理的成效 121

11.7 本章小結 121

第 12章 數據安全和隱私保護 122

12.1 概述 122

12.1.1 數據安全的定義 122

12.1.2 隱私保護的定義 123

12.1.3 CDO要做好數據安全和隱私保護 123

12.2 數據安全的核心內容 123

12.2.1 數據分類分級 124

12.2.2 數據訪問控制 125

12.2.3 應對外部威脅 125

12.2.4 18種數據安全能力 126

12.3 數據隱私保護的核心內容 127

12.3.1 個人信息安全影響評估 128

12.3.2 個人數據保留和刪除 129

12.3.3 個人數據處理活動記錄 129

12.3.4 個人信息主體權益 130

12.4 數據安全和隱私保護的實施方法 131

12.4.1 數據安全和隱私保護之組織建設 131

12.4.2 數據安全和隱私保護之框架和制度建設 132

12.4.3 數據安全和隱私保護之技術工具 134

12.4.4 數據安全和隱私保護之人員能力培養 136

12.4.5 外包中的數據安全保護 137

12.4.6 CRUD和RACI 137

12.5 數據安全和隱私保護的事件處理 137

12.6 本章小結 139

第 13章 數據合規管理 140

13.1 概述 140

13.1.1 合規 140

13.1.2 合規管理 140

13.1.3 合規風險 140

13.2 合規管理的作用 142

13.3 數據合規義務和風險 143

13.3.1 數據合規義務 143

13.3.2 數據合規風險 143

13.4 合規管理的主要步驟 144

13.4.1 風險識別 144

13.4.2 風險評價 146

13.4.3 識別並排序合規責任人 148

13.4.4 風險控制 149

13.5 合規管理體系及認證 151

13.5.1 組織環境 151

13.5.2 領導作用 152

13.5.3 策劃 152

13.5.4 支持 152

13.5.5 運行 153

13.5.6 績效評價 153

13.5.7 改進 153

13.6 本章小結 153

第 14章 主數據管理 154

14.1 概述 154

14.2 主數據的定義和關鍵特性 154

14.3 主數據類型 155

14.4 什麽是主數據管理 155

14.5 主數據管理面臨的挑戰 156

14.6 主數據管理的核心內容 156

14.6.1 主數據管理標準體系 157

14.6.2 主數據管理保障體系 158

14.6.3 主數據管理工具 160

14.7 主數據管理的價值 164

14.8 主數據管理的實施方法 164

14.8.1 實施方法及內容 165

14.8.2 實施要點 166

14.9 主數據管理的評價指標 169

14.10 本章小結 169

第 15章 指標數據 170

15.1 概述 170

15.2 指標數據的驅動因素 170

15.2.1 指標數據是組織健康持續發展的需要 170

15.2.2 指標數據是組織經營分析決策的依據 170

15.2.3 指標數據是組織需要管理的重要資產 171

15.3 指標數據的管理原則 171

15.4 指標數據的建設過程 171

15.4.1 編制指標體系框架 171

15.4.2 明確主題所屬指標 172

15.4.3 優化完善指標數據 173

15.4.4 制定指標管理體系 174

15.4.5 強化使用指標數據 175

15.5 指標數據的實施指南 176

15.5.1 指標數據的常見問題 176

15.5.2 指標數據的關鍵管理因素 176

15.5.3 指標數據的度量指標 177

15.6 本章小結 177

第 16章 數據建模 178

16.1 概述 178

16.1.1 什麽是數據模型 178

16.1.2 數據建模的一些基本概念 179

16.2 數據模型管理的驅動因素 181

16.2.1 監管合規要求形成有效的數據模型管理機制 181

16.2.2 企業中的數據模型需要長期積累 182

16.2.3 數據生產規範化需要模型開發過程遵循企業數據標準 182

16.3 數據模型的核心內容 182

16.3.1 企業架構與數據架構 182

16.3.2 數據模型驅動的數據治理 184

16.3.3 從數據模型到數據 185

16.3.4 數據模型與數據標準的關系 185

16.3.5 將數據標準應用於數據模型建設 186

16.4 數據模型的實施指南 186

16.4.1 數據模型規範化設計 187

16.4.2 數據模型評審 187

16.4.3 數據模型管理和協作 187

16.4.4 組織架構和流程 188

16.4.5 行業標準化數據模型 189

16.5 數據模型的評估指標 189

16.5.1 數據模型管理成熟度評估模型 190

16.5.2 能力域及能力項的設計 191

16.6 本章小結 191

第 17章 數據集成 192

17.1 概述 192

17.1.1 數據集成的基本概念 192

17.1.2 時延的基本概念 192

17.2 數據集成的過程 193

17.3 數據集成的核心內容 193

17.3.1 數據集成的類型 194

17.3.2 數據集成技術 197

17.3.3 數據集成的新內容 200

17.3.4 數據集成的常見誤區 201

17.4 數據集成能力的評估 202

17.5 本章小結 203

第 18章 數據存儲 204

18.1 概述 204

18.1.1 數據存儲的概念 204

18.1.2 數據存儲規劃的目標 204

18.2 數據存儲規劃需要考慮的因素 204

18.2.1 數據的結構特徵 204

18.2.2 數據的處理模式 205

18.2.3 數據的全生命周期 206

18.2.4 數據訪問的熱度 206

18.2.5 數據的存儲地點 207

18.2.6 整體性因素 209

18.3 選擇數據庫系統需要考慮的因素 210

18.3.1 數據庫的CAP特性 210

18.3.2 數據庫的擴展性 210

18.3.3 不同數據庫適用的數據處理場景 213

18.3.4 全能但昂貴的選擇——內存數據庫 217

18.3.5 面向特定行業的數據庫 218

18.4 數據存儲的發展趨勢 219

18.5 本章小結 219

第 19章 數據管理能力成熟度評估 220

19.1 數據管理能力成熟度評估模型 220

19.1.1 CMMI-DMM模型 220

19.1.2 IBM數據治理能力成熟度模型 222

19.1.3 DCAM 2.0 223

19.1.4 DCMM 224

19.1.5 數據管理能力成熟度評估模型對比分析 225

19.1.6 CDMC 226

19.2 如何開展數據管理能力成熟度評估 226

19.2.1 數據管理能力成熟度評估的實施步驟 227

19.2.2 未來趨勢和展望 230

19.3 本章小結 230

第 20章 數據生命周期管理 231

20.1 概述 231

20.1.1 數據生命周期的定義 231

20.1.2 數據生命周期管理的定義 231

20.1.3 常見的數據生命周期管理模型 231

20.2 數據生命周期管理的目標及意義 233

20.3 數據生命周期管理的階段 233

20.3.1 數據規劃 233

20.3.2 數據創建 234

20.3.3 數據傳輸 234

20.3.4 數據存儲 235

20.3.5 數據加工 235

20.3.6 數據使用 236

20.3.7 數據提高 236

20.3.8 數據歸檔或銷毀 236

20.4 數據生命周期管理的評估 237

20.4.1 對數據生成與收集的評估要求 238

20.4.2 對數據加工與處理的評估要求 238

20.4.3 對數據存儲與管理的評估要求 238

20.4.4 對數據利用與共享的評估要求 238

20.5 本章小結 238

第 21章 非結構化數據管理 239

21.1 概述 239

21.1.1 概念 239

21.1.2 發展歷程 239

21.1.3 現狀 240

21.1.4 未來趨勢 240

21.2 非結構化數據管理的意義 241

21.2.1 安全合規 241

21.2.2 提效降本 241

21.2.3 業務連續性 241

21.2.4 決策支持 242

21.2.5 洞察創新 242

21.2.6 權益保障 242

21.2.7 資產增值 242

21.2.8 記憶（歷史）留存 242

21.3 非結構化數據管理的核心內容 242

21.3.1 文檔管理 243

21.3.2 工作流 244

21.3.3 協作 244

21.3.4 影像管理 244

21.3.5 門戶 244

21.3.6 知識管理 245

21.3.7 數字資產管理 245

21.3.8 網頁內容管理 245

21.4 非結構化數據管理的建設方法 246

21.5 本章小結 247

第 22章 數據分析和挖掘 248

22.1 概述 248

22.2 數據分析與數據挖掘的異同 248

22.3 數據分析的核心內容 249

22.3.1 數據分析理論和方法 249

22.3.2 數據分析工具 249

22.3.3 數據分析應用 250

22.4 數據挖掘的核心內容 251

22.4.1 傳統意義上的數據挖掘 252

22.4.2 大數據背景下的數據探索 254

22.4.3 數據挖掘工具 256

22.4.4 數據挖掘應用 256

22.5 數據分析和挖掘的應用場景 258

22.5.1 客戶管理 258

22.5.2 產品管理 259

22.5.3 營銷管理 259

22.5.4 績效管理 259

22.5.5 風險管理 260

22.5.6 財務管理 260

22.6 數據分析和挖掘的實施方法 261

22.6.1 數據分析的實施方法 261

22.6.2 數據挖掘的實施方法 262

22.7 本章小結 263

第 23章 數據倫理 264

23.1 概述 264

23.1.1 遵守倫理是企業開展業務活動的底線 264

23.1.2 企業需要遵守數據倫理 264

23.2 數據倫理面臨的問題及典型案例 265

23.2.1 數據倫理面臨的問題 265

23.2.2 數據倫理問題的典型案例：Facebook定向廣告推送事件 268

23.3 數據倫理治理的核心內容 268

23.3.1 國內外數據倫理與隱私保護實踐 268

23.3.2 數據倫理的基本準則 269

23.3.3 數據倫理治理的基本方法 270

23.4 本章小結 272

第 24章 數據開放與共享 273

24.1 概述 273

24.1.1 基本概念 273

24.1.2 數據開放與共享的歷史回顧 273

24.1.3 數據開放與共享的價值路徑 276

24.2 數據開放與共享的建設意義 276

24.3 數據開放的核心內容 277

24.3.1 什麽是數據開放 277

24.3.2 數據開放的關鍵 278

24.4 數據共享的核心內容 280

24.4.1 什麽是數據共享 280

24.4.2 數據共享的關鍵 281

24.5 數據開放與共享的實施方法 281

24.5.1 數據開放與共享的資源體系 282

24.5.2 數據開放與共享的建設路徑 282

24.5.3 數據開放與共享的運行機制 283

24.6 本章小結 284

第三篇 做好轉型

第 25章 數字化轉型與數字文化 286

25.1 概述 286

25.1.1 數字化和數字化轉型 286

25.1.2 數字化與信息化的區別 287

25.1.3 數字文化和數據素養 287

25.2 數字化轉型的驅動因素 288

25.2.1 外部驅動因素 288

25.2.2 內部驅動因素 288

25.3 數字文化的核心內容 289

25.3.1 數據思維 289

25.3.2 與客戶共創 289

25.3.3 協同開放 290

25.3.4 創新包容 290

25.3.5 持續學習 290

25.3.6 崇尚科技 290

25.4 數字化轉型的實施指南 291

25.4.1 樹立緊迫感 291

25.4.2 溝通和設計願景 291

25.4.3 建立數據型組織 291

25.4.4 積累短期，驅動長期 291

25.4.5 成果融入文化 291

25.4.6 動態調整，時刻檢視 292

25.5 數字文化建設的評估指標 292

25.5.1 企業數字文化建設成果的評估指標 292

25.5.2 企業數字文化建設能力的評估指標 293

25.6 本章小結 293

第 26章 數據要素 294

26.1 概述 294

26.1.1 背景 294

26.1.2 定義 295

26.2 數據要素識別 296

26.3 數據確權 296

26.4 數據要素價值評估 297

26.4.1 數據權屬確定 297

26.4.2 數據資產邊界確定 297

26.4.3 數據資產成本計量評估 297

26.4.4 數據要素價值評估 299

26.4.5 探索資本服務 299

26.5 數據交易 299

26.5.1 交易標的物 299

26.5.2 參與主體 300

26.5.3 定價 300

26.5.4 風險提示 300

26.6 數據入表 300

26.7 本章小結 301

第 27章 公共數據授權運營 302

27.1 概述 302

27.1.1 政策背景 302

27.1.2 現狀與實踐 302

27.1.3 問題與挑戰 305

27.2 授權運營方式 306

27.3 授權運營的實現路徑 307

27.3.1 建立主體機制（組織框架搭建） 307

27.3.2 規範行為制度（政策文件支持） 307

27.3.3 選擇建設模式（確定授權主體和授權方式） 308

27.3.4 搭建授權運營平臺 308

27.3.5 設計收益分配 309

27.3.6 形成授權運營生態 309

27.4 本章小結 310

第四篇 建好團隊

第 28章 數據團隊建設 312

28.1 數據團隊的組織架構 312

28.2 組織架構建設的指導原則 313

28.3 建立數據團隊認責機制 314

28.4 數據團隊的構成 315

28.4.1 數據團隊的5個職能 315

28.4.2 不同的數據角色 315

28.4.3 數據治理子團隊的構成 316

28.4.4 數據分析和應用子團隊的構成 317

28.4.5 數據平臺開發子團隊的構成 318

28.4.6 數據系統運維子團隊的構成 318

28.4.7 數據要素運營子團隊的構成 318

28.5 數據團隊的人員構成 318

28.5.1 數字化人才的定義 319

28.5.2 數據庫管理員 319

28.5.3 ETL工程師 319

28.5.4 數據架構師 320

28.5.5 數據分析師 321

28.5.6 數據建模師 321

28.5.7 元數據管理師 322

28.5.8 主數據管理師 322

28.5.9 數據質量專員 323

28.5.10 數據安全管理師 323

28.5.11 數據合規師 324

28.5.12 大數據科學家 325

28.5.13 數據治理師 325

28.5.14 數據資產評估師 326

28.5.15 數據交易師 326

28.6 數據團隊的建設方法 326

28.6.1 數據團隊建設的一些考慮 326

28.6.2 數據團隊人才建設的渠道 327

28.7 本章小結 328

第 29章 CDO及其數據團隊的績效考核 329

29.1 CDO績效管理的獨特性 329

29.2 CDO績效考核及其目的 329

29.3 CDO績效考核對象及其指標 330

29.3.1 CDO績效考核對象 330

29.3.2 CDO績效考核指標 330

29.3.3 KPI要素 332

29.4 考核頻率 332

29.5 考核基準 333

29.5.1 開發類項目的考核基準 333

29.5.2 工程類項目的考核基準 333

29.5.3 已知需求類項目的考核基準 333

29.5.4 未知需求類項目的考核基準 333

29.6 考核方法 333

29.6.1 排序法 333

29.6.2 對比法 334

29.6.3 正態分佈法 334

29.6.4 文獻法 335

29.6.5 述職法 335

29.6.6 尺度評價法 335

29.6.7 有無考核法 336

29.6.8 內部結算法 336

29.6.9 個人績效承諾法 336

29.6.10 綜合績效考核法 338

29.7 考核數據收集 339

29.7.1 權責發生制的數據收集 339

29.7.2 實際發生制的數據收集 339

29.7.3 績效數據與項目實施過程融合 339

29.7.4 項目全生命周期數據收集 339

29.8 考核結果 339

29.8.1 數據管理價值評價 339

29.8.2 考核的“量化”神話 340

29.8.3 活力曲線 340

29.8.4 考核結果應用 340

29.9 績效反饋 341

29.9.1 績效反饋與溝通 341

29.9.2 績效考核中的常見問題及應對措施 343

29.10 績效考核體系建設 345

29.10.1 取得高層領導支持 345

29.10.2 開展全員宣貫 345

29.10.3 統籌規劃三階段 345

29.10.4 確定考核目標 345

29.10.5 設計KPI和權重 346

29.10.6 選擇合適的考核方法 346

29.10.7 設計考核結果的活力區間 346

29.10.8 設計考核頻率 346

29.10.9 設計考核結果應用 346

29.10.10 開展績效反饋與輔導 346

29.11 本章小結 346

第30章 數據項目的管理 347

30.1 數據項目的定義 347

30.1.1 什麽是數據項目 347

30.1.2 數據項目的獨特性 347

30.2 項目管理及其發展 348

30.2.1 項目管理的發展歷程 348

30.2.2 項目管理的九大知識領域 349

30.2.3 項目管理人才的技能要求 350

30.3 數據項目管理的原則 350

30.4 數據項目管理的內容 351

30.4.1 傳統型數據項目 351

30.4.2 基於數據生命周期的傳統型數據項目 352

30.4.3 與數據資產和數據要素相關的數據項目 353

30.4.4 數據外包項目的管理 354

30.5 數據驅動的項目管理 354

30.5.1 數據在項目管理中的作用 354

30.5.2 數據驅動的項目管理的實施流程 354

30.6 本章小結 355

第五篇 新技術、新模式、新業態

第31章 新型數據科技 358

31.1 戰略性新型數據平臺 358

31.2 現代數據架構 358

31.2.1 現代數據架構的特點 358

31.2.2 雲上數據架構的興起 359

31.2.3 主動型元數據管理 359

31.3 湖倉一體 360

31.3.1 數據倉庫 360

31.3.2 數據湖 360

31.3.3 湖倉一體 361

31.3.4 數據中台 362

31.4 數據民主化 363

31.5 數據編織 363

31.6 數據網格 364

31.7 數據聯邦 364

31.8 DataOps 364

31.8.1 定義 364

31.8.2 DataOps架構 365

31.8.3 數據中台與DataOps的關系 366

31.8.4 DataOps的主要技術 366

31.8.5 DataOps的價值 366

31.9 數據可視化 367

31.10 數字孿生 367

31.11 隱私計算 368

31.11.1 隱私計算的定義和相關的主要技術 369

31.11.2 隱私計算在數據要素流通中的應用 369

31.12 區塊鏈 370

31.13 ChatGPT帶來的革命性變革 370

31.14 “信創”及其對企業數據技術發展的影響 371

31.14.1 信創產業發展的背景 371

31.14.2 信創產業發展的成就 371

31.14.3 信創產業的發展趨勢 372

31.15 開源 372

31.15.1 開源軟件的條件 372

31.15.2 開源的優勢及劣勢 373

31.15.3 關於開源的一些問題 373

31.15.4 主要的軟件基金會和平臺 374

31.15.5 中國開發者對Apache頂級項目做出的貢獻 375

31.15.6 開源項目的發展趨勢 376

31.16 數據空間和國際數據空間 377

31.17 本章小結 378

第32章 基於數據的商業運營新模式 379

32.1 傳統的運營模式 379

32.1.1 傳統的業務驅動型運營模式 379

32.1.2 傳統的技術驅動型運營模式 379

32.1.3 阿米巴運營模式 380

32.1.4 傳統的流程驅動型運營模式 380

32.2 基於數據的新模式 381

32.2.1 數據驅動的新模式 381

32.2.2 以數據為中心的新模式 382

32.2.3 基於指標數據的新模式 383

32.3 與數據相關的其他新模式 383

32.3.1 數據交易的新模式 383

32.3.2 基於雲端的數據管理模式 384

32.4 本章小結 384

第33章 基於數據的新業態 385

33.1 背景 385

33.2 數商新生態 385

33.3 數據信托 386

33.4 數據跨境流通 387

33.5 數據標註 388

33.6 Web 3.0和元宇宙 388

33.7 NFT 389

33.8 ESG 389

33.9 碳達峰與碳中和 389

33.10 ESG與“雙碳”之間的聯系與區別 389

33.11 本章小結 390