内容简介
  本书是一本关注工业企业数据治理方面的工具书,主要内容分为趋势篇、体系篇(上册),工具篇、实施篇及案例篇(下册)。其中趋势篇主要介绍工业企业数据治理的基本概念、主流数据治理标准及框架、数据治理的发展趋势等;体系篇主要介绍数据管控、数据战略、数据架构、主数据管理等的基本原理与管理体系;工具篇主要介绍数据资产运营工具、数据模型管理工具、主数据管理工具等;实施篇主要介绍数据治理实施策略和路径选择、数据治理顶层架构规划与设计、数据资产运营实施等;案例篇主要介绍电力、能源化工、制造、战略投资等行业的数据治理案例,为读者提供专业、丰富、可信的数据治理实施范例。
    本书是工业大数据应用技术国家工程实验室多年潜心研究的重要科研成果的总结和凝聚,既具有理论高度,也具备面向中国工业企业的可实操性。参与本书编著的作者均为国内各企业的数据治理专家,所有案例均来自这些企业的实践。
    对企业基层管理者或初入职场的人士来说,本书是充分认识数据治理意义、组织实施数据治理的具体方案和工具手册;对企业中层管理者来说,本书是一本配合企业数据治理的纲领性指南;对企业高层管理者来说,本书是一本推动企业数据治理的方法论。本书还适合作为高校的MBA、EMBA教材。
精彩书评
推荐语
 
 
 本书较好地满足了读者理解工业大数据治理框架的需要,系统地阐述了工业大数据治理的体系、工具、实施等,提出和分析了主要类别工业大数据治理的解决方案;通过对典型行业工业大数据治理实践的考察,深入浅出地介绍了当今主流的工业大数据技术与平台。本书具有可参照性、可操作性和可读性,是工业大数据治理领域少见的参考书,值得一读。
 中国工程院院士、中国工业互联网研究院技术专家委员会主任,高金吉
 
 数据是企业的核心资产,要加大数据治理工作的力度,建立数据资产化管理体系,明确数据采集和管理职责,制定统一的数据标准,搭建集成、统一的数据管理平台,实现数据的资产化、集中化、平台化管理,确保数据的及时性、准确性和完整性,提高数据集成共享能力,充分挖掘数据资产价值,夯实数字化转型基础。本书结合工业大数据、区块链、移动互联、人工智能等前沿技术,在数据治理和数据共享交换等方面为企业提供相关的建议和技术指南,值得有志于数据治理技术研究与应用的企业和个人一读。
 中国工程院院士、中国科学院计算技术研究所研究员,倪光南
 
 本书借助国内工业大数据领域的国家级工程技术研究平台——工业大数据应用技术国家工程实验室在工业大数据、工业数据治理等方面的技术积累和研究能力,对工业企业数据治理体系进行了系统、深入的阐释,展示了工业企业大数据治理、大数据应用、大数据管理的基础理论和实践体系,是一本值得工业界同仁认真研读的专业性指导图书。
 国家信息中心信息化和产业发展部主任、国家大数据发展专家咨询委员会秘书长,单志广
 随着信息化技术的演进,网络技术的进步和应用的普及,产生了海量的数据。这些海量数据的生成为智能化技术的发展奠定了基础,也为经济、社会的发展提供了新的契机,同时也带来了新的挑战,比如如何利用与开发数据?如何保护个人隐私?数据的所有权与数据共享的平衡点到底在哪里?数据作为资产如何确权?数据治理是一个难题也是一个迫切需要解决的问题。而当前工业互联网的发展方兴未艾。本书的出版就像一场及时雨,它系统地回答了人们关心的一些问题,比如工业企业数据治理的核心价值、概念,以及主要内容、标准和框架等,它是值得广大读者认真阅读和研究的图书。阅读本书可以给人以启发和思考,有利于指导我们的实际工作,有效提高工业企业数据治理的水平,促进工业互联网和智能制造产业的发展。
 中国互联网协会副理事长、国家计算机网络与信息安全管理中心原主任,黄澄清
 
 国际上的普遍共识是:数据是数字经济和第四次工业革命的新生产要素。智能制造、工业互联网、互联工业等各类名词,虽然阐述的角度有所不同,但其共同点都是数据驱动与传统行业机理、知识相结合而形成的智能化发展,而实现这一智能化转型的重要基石就是数据治理。从全球看,数据治理还处在起步的阶段,在技术、商业及法律等方面仍面临一系列的挑战,而工业数据的治理更是任重道远,亟须实现从理论到实践的突破。本书对工业企业的数据治理进行了系统阐述,几乎涵盖了数据治理的各个方面,既有理论层面的分析,也有实战经验的总结,可以指导工业企业建立健全工业数据治理体系,为更好地释放数据生产要素的价值,为实现数字化、智能化升级奠定坚实基础。
 中国信息通信研究院院长、工业互联网产业联盟秘书长,余晓晖
 
 数据不仅是新生产要素,也是新生产力——数据生产力。数据生产力用“数据+算力+算法”定义世界,是知识创造者借助智能工具,基于能源、资源及数据这一新生产要素,构建的一种认识、适应和改造自然的新能力。今天人们对数据的价值创造、运行规律和本质特征的认知才刚刚开始。本书是对工业数据治理的理念、路径、方法进行的一次全面系统的探索和研究,有很多独到的见解,对数字化工作者具有非要重要的启示意义。
 阿里研究院副院长、数字化企业研习社副理事长、中国信息化百人会执行委员,安筱鹏
 
 
 本书对工业数据治理的对象、主题、框架和方式等进行了分析,使读者认识到数字经济时代数据流动的重要性和巨大意义。从国内、国际标准、工具、最佳实践等多方面进行阐述,详细介绍了工业数据治理的方式、方法及数据治理策略,并通过典型的实际案例,分析验证工业数据治理体系,使得本书具有较大的理论意义和应用推广价值。
 中国科学技术大学计算机科学与技术学院院长、IEEE Fellow、
 ACM Fellow、ACM杰出科学家,李向阳
 
 本书以国际视角对数据治理的发展、演变及工业领域的实际应用进行阐述,涵盖了数据治理的方方面面,可以指导工业企业从无到有地建立健全工业数据治理体系,全面支撑高质量的工业数据分析与应用。本书对企业数据治理具有指导作用。
 美国密歇根州立大学计算机系系主任及
 大学基金讲席教授、IEEE Fellow、ACM Fellow,刘云浩
 
 工业互联网是 5G 
                                                    
目录
                                                        第1篇 趋势篇
 第1章 工业企业需要数据治理
 1.1 工业革命的演变与发展趋势
 1.2 工业数据是工业智能化的核心基础
 1.3 主要工业国家和地区的工业数据战略
 1.4 工业数据的核心价值
 1.5 我国各行业数据治理现状
 1.6 数据治理是实现工业数据价值的基础
 1.7 工业数据治理面临的困难与挑战
 本章精要
 第2章 工业企业数据治理概述
 2.1 相关术语的定义与内涵
 2.1.1 自动化、信息化、数字化、智能化与数智化
 2.1.2 数据资源、数据产品、数字资产、数据资产与数据要素
 2.1.3 数字治理与数据治理
 2.1.4 新一代数据治理
 2.1.5 大数据内涵及其8V特征
 2.1.6 工业互联网与工业数据
 2.1.7 数据管理、数据运营、数据应用、数据交易和数据流通
 2.2 工业数据的分类
 2.2.1 按照数据对象划分
 2.2.2 按照数据的存储形式划分
 2.2.3 按照工业企业数据库的类型划分
 2.2.4 按照权属类型划分
 2.2.5 国家数据局在相关文件中提到的数据类型划分
 2.2.6 人工智能训练和推理类应用中的数据类型划分
 2.3 五种视角下的数据治理体系框架
 2.3.1 数据治理“五域模型”:管理视角
 2.3.2 数据治理“黄金屋”:技术视角
 2.3.3 数据治理“全景图”:全生命周期视角
 2.3.4 数据治理“藏金阁”:安全视角
 ……
第2篇 体系篇
第3篇 工具篇
第4篇 实施篇
第5篇 案例篇
                                                    
前言/序言
序
 70多年来,伴随着信息革命和信息化的飞速发展,数据量急剧增长,数据利用和管理的重要性与日俱增,数据在信息化这个大舞台上扮演着越来越重要的角色。
 早期,数据处理(data processing)解决的是利用计算机技术对数据进行采集、存储、加工、转换和传输等的技术问题,其目的在于,将原始的、看似无序的和非结构化的数据,通过格式化的方法,转换为结构化的数据,并存储于计算机系统之中,以便进行数据的高效检索、管理和利用。其后,随着数据的不断增加和其重要性的凸显,计算机中的数据管理(data management)和数据管治(data administration)成为焦点。前者解决的是对于计算机数据的存储、检索、控制的管理,包括文件和数据库的接入、数据处理系统的管理等;后者关注的则是一个组织机构的计算机系统中所存储的数据、信息作为组织机构的资源的管理,包括数据的分析、分类、维护、流动、应用等。
 进入21世纪以来,基于互联网的企业信息系统(企业内部网和外部网)的发展,企业数据的管理和管治更为复杂,其不仅包含了企业内部的各种产品设计、生产、管理数据,还包含了与企业外部运行环境和竞争环境相关的一切数据;数据不仅要支撑企业的运行和管理,更要为企业对环境的把握和决策服务。在这样的背景下,企业数据治理(data governance)的概念及其理论、方法和工具等应运而生,其目的在于,对企业所需数据的可获得性、相关性、可用性、整体性、安全性等,实现全面、有效的管理,将数据作为企业的战略资产加以重视和综合利用,为实现企业长期的发展战略和增长目标服务。
 不过,值得注意的是,数据治理是一个宽泛的概念,在国际、国家、地区、企事业单位,乃至个人等层面,都存在着内涵各不相同的数据治理问题。
 在数据时代来临之际,本书的适时推出,无论是对推动中国企业的数据管理和利用水平的提高,还是对推动工业大数据的应用发展,无疑都是一件非常有意义的大事。
 本书对于工业企业数据治理的讨论非常全面而系统。正如书中所介绍的,完整的数据治理包括战略、组织、制度、流程、绩效、标准、工具,以及数据价值、数据共享、数据变现等许多方面。全书既介绍了工业企业数据治理的概念和内涵、标准和框架(特别是主流数据治理的标准及框架);也从系统工程的角度,介绍了工业企业数据治理体系的各个关键环节,以及现有的、可获得的各种数据治理工具;而且,书中所给出的大量中国工业企业数据治理的实践和经验,非常具有启发性、实践性和可操作性。鉴于本书的编著者之一工作于中国工业大数据领域唯一的国家级工程技术研究平台,对于工业大数据的应用技术、工业大数据的管理和治理,有着长期、深入的研究和丰富的实践经验,因此,本书对于工业数据治理体系的顶层设计提出的一系列推进中国大数据应用和治理的建议,特别具有创新性和指导性,值得中国工业界相关领域的同行认真研究和讨论。
 数据治理是现代企业在信息化和全球化的大环境下,谋求竞争优势和向高端发展进程中难得的一个机遇,也是一个无可回避的挑战。对中国企业更是如此。根据国际数据公司(IDC)2018年年末的测算,2025年,中国将成为全球五个分区 中,最大的数据资源拥有地区(占比为28%,数据总量为49ZB),数据总量将是美国(排名第四,占比为18%)的1.56倍。实际上,2019年,中国的数据总量已经超过了美国。但是,本书的研究指出,中国工业企业的数据资源存量普遍不大,宝贵的数据资源由于缺乏科学的数据管理而随意流失;工业企业数据总量低下,与企业规模极不相称;半数以上的工业企业仍在使用纸质或更原始的方式进行数据的存储和管理;数据孤岛几乎是所有工业企业都面临的困境。此外,无论是数据管理还是数据治理,中国工业企业的状况也不容乐观。调查显示,仅有37.84%的大型工业企业、46.67%的中型工业企业、13.64%的小型工业企业开展了数据管理工作;大多数工业企业仍缺乏专门的数据管理部门,投入数据管理的人力和财务资源非常有限,更谈不上进行顶层规划和战略管理了。凡此种种都说明,中国工业企业的数据拥有量、数据管理和治理水平比较落后。这些,都从侧面证明了中国工业企业在数据管理和数据治理方面亟待迎头赶上。否则,中国制造业的转型升级将无从谈起。
 中国企业与发达国家的企业对标,其中所显露出来的差距并不可怕。正是这些差距,向我们揭示了大多数中国企业进一步发展和努力的方向,告诉我们中国企业数字化转型的方向和道路何在。“欲致鱼者先通水,欲致鸟者先树木”。中国企业的数字化转型,只有充分利用“大数据、人工智能、全联网、云计算”等新一代信息技术提供的条件,以新的形态实现企业业务活动的数字化和网络化,并且在这个过程中不断认识和强化企业的数据治理,向着智能化的方向进发,才有可能走上一条与时俱进的发展快车道,跨入现代企业的行列。
 衷心期盼本书的出版,能让中国工业界从中获益,有效推动工业企业数据治理的发展,并促使
                                                    
                      

                   


















