华为数据之道 读书笔记

这是一篇关于华为数据之道 读书笔记的思维导图

华为数据之道 读书笔记

• 一、 数据驱动的 企业数字化转型
  • 非数字原生企业的数字化转型挑战
    • 业态特征：产业链条长、多业态并存
    • 运营环境：数据交互和共享风险高
    • IT建设过程：数据复杂、历史包袱重
    • 数据质量：数据可信和一致化的要求程度高
  • 华为数字化转型与数据治理
    • 华为数字化转型整体目标
    • 华为数字化转型蓝图及对数据治理的要求
  • 华为数据治理实践
    • 华为数据治理历程
    • 华为数据工作的愿景与目标
    • 华为数据工作建设的整体思路与框架
  • 第一章小结
• 二、 建立企业级 数据综合治理体系
  • 建立公司级的数据治理政策
    • 华为数据管理总纲
    • 信息架构管理政策
    • 数据源管理政策
    • 数据质量管理政策
  • 融入变革、运营与IT的数据治理
    • 建立管理数据流程
    • 管理数据流程与管理变革项目、管理质量与运营之间的关系
    • 通过变革体系和运营体系进行决策
    • 数据治理融入IT实施
    • 通过内控体系赋能数据治理
  • 建立业务负责制的数据管理责任体系
    • 任命数据Owner和数据专家
    • 建立公司层面的数据管理组织
  • 第二章小结
• 三、 差异化的企业 数据分类管理框架
  • 基于数据特性的分类管理框架
  • 以统一语言为核心的结构化数据管理
    • 基础数据治理
    • 主数据治理
    • 事务数据治理
    • 报告数据治理
    • 观测数据治理
    • 规则数据治理
  • 以特征提取为核心的非结构化数据管理
  • 以确保合规新人为核心的外部数据管理
  • 作用于数据价值流的元数据管理
    • 元数据治理面临的挑战
    • 元数据管理架构及策略
    • 元数据管理
  • 第三章小结
• 四、 面向”业务交易“的 信息架构建设
  • 信息架构的四个组件
    • 数据资产目录
    • 数据标准
    • 数据模型
    • 数据分布
  • 信息架构原则：建立企业层面的共同行为准则
  • 信息架构建设核心要素：基于业务对象进行设计和落地
    • 按业务对象进行架构设计
    • 按业务对象进行架构落地
  • 传统信息架构向业务数字化扩展：对象、过程、规则
  • 第四章小结
• 五、 面向“联接共享”的 数据底座建设
  • 支撑非数字原生企业数字化转型的数据底座建设框架
    • 数据底座的总体架构
    • 数据底座的建设策略
  • 数据湖：实现企业数据的“逻辑汇聚”
    • 华为数据湖的3个特点
    • 数据入湖的6个标准
    • 数据入湖方式
    • 结构化数据入湖
    • 非结构化数据入湖
  • 数据主题联接：将数据转换为“信息”
    • 5类数据主题联接的应用场景
    • 多维模型设计
    • 图模型设计
    • 标签设计
    • 指标设计
    • 算法模型设计
  • 第五章小结
• 六、 面向“自助消费”的 数据服务建设
  • 数据服务：实现数据自助、高效、复用
    • 什么是数据服务
    • 数据服务生命周期管理
    • 数据服务分类与建设规范
    • 打造数据供应的“三个1”
  • 构建以用户体验为核心的数据地图
    • 数据地图的核心价值
    • 数据地图的关键能力
  • 人人都是分析师
    • 从“保姆”模式到“服务+自助”模式
    • 打造业务自助分析的关键能力
  • 从结果管理到过程管理，从能“看”到能“管”
    • 数据赋能业务运营
    • 数据消费典型场景实践
    • 华为数据驱动数字化运营的历程和经验
  • 第六章小结
• 七、 打造“数字孪生”的 数据全量感知能力
  • “全量、无接触”的数据感知能力框架
    • 数据感知能力的需求起源：数字孪生
    • 数据感知能力架构
  • 基于物理世界的“硬感知”能力
    • “硬感知”能力的分类
    • “硬感知”能力在华为的实践
  • 基于数字世界的“软感知”能力
    • “软感知”能力的分类
    • “软感知”能力在华为的实践
  • 通过感知能力推进企业业务数字化
    • 感知数据在华为信息架构中的位置
    • 非数字原生企业数据感知能力的建设
  • 第七章小结
• 八、 打造“清洁数据”的 质量综合管理能力
  • 基于PDCA的数据质量管理框架
    • 什么是数据质量
    • 数据质量的管理范围
    • 数据质量的总体框架
  • 全面监控企业业务异常数据
    • 数据质量规则
    • 异常数据监控
  • 通过数据质量综合水平牵引质量提升
    • 数据质量度量运作机制
    • 设计质量度量
    • 执行质量度量
    • 质量改进
  • 第八章小结
• 九、 打造“安全合规”的 数据可控共享能力
  • 内外部安全形式，驱动数据安全治理发展
    • 数据安全成本国家竞争的新战场
    • 数字时代数据安全的新变化
  • 数字化转型下的数据安全共享
  • 构建以元数据为基础的安全隐私保护框架
    • 以元数据为基础的安全隐私治理
    • 数字安全隐私分层分级管控策略
    • 数据底座安全隐私分级管控方案
    • 分级标识数据安全隐私
  • “静”“动”结合的数据保护与授权管理
    • 静态控制：数据保护能力架构
    • 动态控制：数据授权与权限管理
  • 第九章小结
• 十、 未来已来，数据成为 企业核心竞争力
  • 数据：新的生产要素
    • 数据被列为生产要素：制度层面的肯定
    • 数据将进入企业的资产负债表
    • 数据资产的价值由市场决定
  • 大规模数据交互的企业数据生态
    • 数据生态离不开底层技术的支撑
    • 数据主权是数据安全交换的核心
    • 国际数据空间的目标与原则
    • 多方安全计算强化数据主权
  • 摆脱传统手段的数据管理方式
    • 智能数据管理是数据工作的未来
    • 内容分析能力提供资产全景图
    • 属性特征启发主外键智能联接
    • 质量缺陷预发现
    • 算法助力数据管理
    • 数字首先抵御算法歧视
  • 第四个世界：机器认知世界
    • 真实唯一的“物理世界”和五彩缤纷的“人类认知世界”
    • 映射“物理世界”的数字孪生--“数字世界”
    • “数字世界”中的智能认知--“机器认知世界”
  • 第十章小结
• 对数据治理未来的思考， 畅想了AI治理、数据主权和数据生态建 设。
• 介绍了数据治理的三项关键能力： 数据的全量感知、综合质量提升、可控共享。
• 分别从 非数字原生企业、企业管理、数据特性等角度， 解析企业数字化转型前提条件。
• 介绍了数据治理工作中的三项重点建设任 务： 信息架构、数据底座、数据服务。