随着数字化的发展，数据逐渐融入生产、分配、流通、消费和社会服务管理等环节，为数据的拥有者或使用者带来经济效益，成为一种新型的生产要素，给生产方式、生活方式和社会治理方式带来了深刻的变革。 本书主要介绍数据要素化时代的数据治理。本书分为5篇。*篇“数据治理新趋势”介绍DataOps的发展及实践，产业级数据治理新趋势，数据治理的场景化、工程化和智能化，以及数据资产的*运营。*篇“新理论、新方法和新技术”介绍数业的逻辑及路径、数据治理的闭环管理方法、数据资产价值的呈现、数据治理的共治共享、精益数据治理，以及数据治理的“新四化”。第三篇“新型数据基础设施”详细介绍来自平安人寿、阿里巴巴和镜舟科技3家企业的数据中台产品的创新情况。第四篇“行业数据治理与数据*治理”*介绍高校是如何进行数据治理的，然后介绍数据的*运营和数据质量问题解决之道。第五篇“企业*实践”分享中国石化、中电金信和中国联通3家企业在数据要素化过程中积累的经验。 本书适合对数据管理、数据治理、数字化转型等相关主题感兴趣的读者阅读，尤其适合从事相关工作的读者参考借鉴。
目录
第 1 章 DataOps 的发展趋势及实践探索 3
1.1 DataOps 促进数字化转型 3
1.2 DataOps 的发展与特点 5
1.3 DataOps 的实践探索 7
1.4 未来展望 11
第 2 章 数据要素时代产业级数据治理新趋势 12
2.1 数据治理发展背景 12
2.2 数据治理分类定义 13
2.3 数据治理发展趋势与挑战 14
2.4 数据治理创新变革思路 14
2.5 产业级数据治理势在*行 15
2.6 产业级数据价值内涵 16
2.7 产业级数据治理的重要意义 18
第 3 章 数据治理进阶——场景化、工程化、智能化 20
3.1 数据治理现状：*过 90%的数据治理项目失败 20
3.2 场景化：数据治理行业痛点的对症* 21
3.3 工程化：数据治理流水线和标准化 22
3.4 智能化：数据治理自动化和去低端人工化 24
3.5 数据治理标杆项目实践分享 25
第 4 章 数据资产*运营和演进趋势 27
4.1 数据资产运营 27
4.2 数据*分类分级 32
4.3 业务架构与数据架构一体化 34
4.4 集团型企业数据治理的 3 种模式 36
*篇 新理论、新方法和新技术
第 5 章 数业的逻辑及路径 39
5.1 何为数业 39
5.2 何以数业 41
5.3 数业逻辑 42
5.4 数业之路 44
第 6 章 业务驱动的数据治理闭环管理方法 46
6.1 数据治理的现状与目标 46
6.2 数据治理的内容 47
6.3 数据治理的规划 47
6.4 业务驱动数据治理的落地 48
6.5 总结与展望 54
第 7 章 数据资产价值呈现之道 55
7.1 数字化转型带来的数据变革 55
7.2 数智时代的开启 57
7.3 数据实验室的构建 58
7.4 业务分析工具集的提供 59
7.5 AI 场景化能力的全流程覆盖 59
7.6 AI 自动化业务平台*须具备的能力 60
7.7 数据*底线保证 60
第 8 章 数据治理的共治共享 62
8.1 共治共享的定义 62
8.2 共治共享的*要性 63
8.3 共治共享的可行性 64
第 9 章 价值驱动的精益数据治理 67
9.1 数据治理是数字化转型的“德尔斐神谕” 67
9.2 数据治理项目的六大挑战 68
9.3 六大挑战的四大应对策略 69
9.4 精益数据方法打造价值驱动的数据治理 69
9.5 精益数据治理的六大新范式 71
9.6 精益数据治理工作坊实现业技融合的数据治理 72
第 10 章 数据治理的“新四化” 74
10.1 数据治理的现状和挑战 74
10.2 数据治理“新四化”实践探索 76
10.3 数据治理落地见效的行动建议 82
第三篇 新型数据基础设施
第 11 章 平安人寿数据中台建设实践 87
11.1 平安人寿数据中台的发展及全景规划 87
11.2 平安人寿数据中台的实施方案 90
11.3 平安人寿数据中台的建设成果 102
第 12 章 阿里巴巴数据治理平台建设实践 103
12.1 数据繁荣的红利与挑战 103
12.2 阿里巴巴数据治理平台建设的主要实践 108
12.3 阿里巴巴数据治理平台建设的总结与展望 143
第 13 章 后 Hadoop 时代的数据分析之道 146
13.1 从基础架构看数据治理的现状 146
13.2 从数据仓库到湖仓融合架构的演进 147
13.3 下一代数据分析引擎的建设方向 148
13.4 新一代极速湖仓分析引擎 149
13.5 客户案例分享 153
第四篇 行业数据治理与数据*治理
第 14 章 高校数据治理工程化探索与实践 157
14.1 高校数据工程建设背景 157
14.2 数据治理工程化指导思想 158
14.3 “388”数据治理工程管理体系 159
14.4 数据治理工程人员培养 161
14.5 数据治理工程化实施效果 164
14.6 数据治理工程化典型案例 165
14.7 下一步的思考与展望 167
第 15 章 场景化数据治理助推“智校”提升 169
15.1 高校数据治理体系的建设背景 169
15.2 高校数据治理体系的建设思路 170
15.3 高校场景化数据治理方案 176
第 16 章 数字化时代数据*运营的探索与实践 179
16.1 数字化时代数据安*临新挑战 179
16.2 数字化时代数据*运营体系建设的理念和架构 180
16.3 数据*运营体系建设的 7 项关键举措 182
16.4 数据*运营体系的建设过程与成效 184
第 17 章 数据质量问题解决之道 186
17.1 解决数据质量问题所面临的挑战 186
17.2 数据质量管理方法论 187
17.3 “四驾马车”赋能数据质量问题解决 191
17.4 全流程管控助力数据质量长效管理 194
第五篇 企业*实践
第 18 章 中国石化的数据治理框架、方法和效果 199
18.1 中国石化的数据治理概述 200
18.2 中国石化的数据治理总体框架 201
18.3 中国石化的数据治理效果 208
18.4 中国石化的数据治理工作展望 210
第 19 章 金融业数据资产化时代的数据治理新实践 212
19.1 金融业数据管理迈入数据资产化新时代 212
19.2 数据管理技术上云成为重要发展趋势 213
19.3 金融*户数据管理热点涌现 213
19.4 “1+2+3”数据治理体系框架 214
19.5 基于自主创新的“源启”数据资产平台全力推动企业数据资产化过程 216
19.6 数据治理的*实践 217
19.7 数据治理的后续发展方向 219
第 20 章 中国联通：深化落实数据战略，助力企业数字化转型 221
20.1 数字化转型是国家重要战略 222
20.2 企业数字化转型的重点问题与挑战 222
20.3 数据战略落地的十大关键步骤 223
20.4 中国联通数据战略实施的经验总结 229