主數據是企業數據資產中的黃金部分，是大數據應用的核心推動力。本書涵蓋了主數據治理的關鍵主題：數據資產，數據治理治理框架，治理模型治理方法，治理過程治理產品，治理案例模型框架，數據集成數據質量，數據安全

●第一篇數據治理概念第1章數據治理概述1.1數據治理背景1.2數據資產和數據管理1.2.1數據資產的概念和重要性1.2.2數據資產的構成1.2.3數據管理的內容、現狀和問題1.3數據治理的目標和挑戰1.3.1數據治理的概念1.3.2數據治理的目標1.3.3數據治理的挑戰1.4數據治理的核心內容1.4.1數據治理的內容1.4.2數據治理的基本過程1.4.3數據治理的重點1.5數據治理的評估——成熟度模型1.5.1數據管理的成熟度模型1.5.2您的企業需要數據治理嗎第2章主數據和主數據管理2.1主數據的概念2.1.1主數據的定義2.1.2主數據的特征2.1.3主數據的範圍2.2主數據管理的概念2.2.1主數據管理的定義2.2.2主數據管理體繫2.2.3主數據管理繫統的功能2.3主數據管理的意義2.3.1主數據管理的必要性2.3.2主數據管理的意義第3章主數據驅動的數據治理3.1數據治理框架3.1.1國際標準化組織3.1.2國際數據管理協會3.1.3國際數據治理研究所3.1.4IBM數據治理委員會3.1.5中國電子工業標準化技術協會信息技術服務分會3.1.6現有數據治理框架的局限3.2主數據驅動的數據治理框架3.2.1治理思路和治理目標3.2.2治理框架3.2.3技術架構3.3主數據驅動的數據治理過程3.3.1過程框架3.3.2架構階段3.3.3治理階段3.3.4任務、角色、分工、職責3.4數據治理工具和繫統選型3.4.1軟件公司的行業實踐3.4.2產品特性3.4.3軟件公司的實力3.4.4軟件公司的實施3.4.5軟件的價格第二篇數據治理實施第4章主數據項目的準備4.1主數據項目實施的主要風險4.1.1組織風險4.1.2數據風險4.1.3集成風險4.1.4其他風險4.2數據治理管理組織4.2.1項目組織4.2.2人員配置4.2.3管控角色4.2.4管控流程4.2.5績效考核4.3數據管理規範體繫4.3.1主數據管理規範4.3.2主數據應用標準第5章主數據體繫規劃方法5.1主數據體繫規劃的任務和步驟5.1.1主數據體繫規劃的任務5.1.2主數據體繫規劃的步驟5.2主數據體繫評估方法論5.2.1主數據管理成熟度模型5.2.2主數據管理成熟度模型的評價指標5.2.3主數據管理成熟度評估方法5.3現狀調研與需求分析5.3.1現狀調研5.3.2現狀評估與差距分析5.3.3需求分析5.4主數據識別分析方法5.4.1多因素分析方法5.4.2主數據類型識別分析5.4.3屬性識別分析5.5主數據體繫規劃設計5.6主數據體繫架構設計5.6.1主數據管控體繫5.6.2主數據標準體繫5.6.3主數據質量體繫5.6.4主數據安全體繫5.7主數據管理實施規劃5.7.1實施策略5.7.2實施計劃5.7.3投資預算第6章主數據項目實施步驟6.1實施方法概述6.1.1傳統軟件開發項目的實施方法6.1.2主數據項目的實施方法6.2項目實施階段的主要任務6.2.1第一階段： 體繫規劃階段6.2.2第二階段： 平臺實施階段6.3各主要階段的任務分工6.3.1項目啟動與需求調研階段6.3.2體繫規劃與架構設計階段6.3.3標準建立及主數據平臺設計階段6.3.4客戶化設計、開發、測試、數據清洗階段6.3.5繫統上線啟用階段6.3.6繫統運維與持續優化階段6.4數據準備6.4.1數據準備方案制訂6.4.2數據采集6.4.3數據清洗6.4.4數據導入6.5人員培訓6.6程序設計6.6.1程序設計的基本要求6.6.2程序設計方法6.6.3產品定制開發6.7繫統集成6.7.1繫統集成架構6.7.2集成流程6.7.3繫統集成技術6.8繫統測試6.9繫統試運行及上線6.9.1繫統試運行6.9.2繫統切換6.10繫統評價6.11項目管理第7章主數據項目的運維和管理7.1主數據運維管理體繫7.1.1主數據運維管理組織7.1.2主數據運維管理流程7.2主數據運維管理內容7.2.1主數據模型運維管理7.2.2主數據工作流運維管理7.2.3主數據生命周期運維管理7.2.4主數據質量運維管理7.2.5平臺基礎服務運維管理7.2.6主數據存儲運維管理7.2.7數據庫繫統運維服務7.2.8主數據安全運維管理7.2.9基於雲服務的運維管理7.3主數據運維應急響應措施7.4對外部供應商的運維要求第8章典型主數據管理產品及實施案例8.1主數據管理繫統模式的分類8.1.1基於ETL工具的主數據應用8.1.2基於SOA的主數據管理平臺8.2典型產品和解決方案及其對比8.2.1SunwayWorld的主數據全生命周期管理平臺8.2.2SAP的MDM解決方案8.2.3IBM的MDM解決方案8.2.4Oracle的MDM解決方案8.2.5Informatica MDM解決方案8.2.6產品對比8.3優選企業的主數據管理現狀8.4主數據典型應用案例介紹8.4.1石油行業應用舉例——某大型石油總公司的主數據管理8.4.2煤炭行業應用舉例——某大型能源集團公司的主數據管理8.4.3有色金屬行業應用舉例——某大型有色金屬公司的主數據管理8.4.4建築行業應用舉例——某大型建築股份有限公司的主數據管理8.4.5航空航天行業應用舉例——某航天建設集團有限公司的主數據管理8.4.6基建行業應用舉例——某工程建設有限責任公司的主數據管理8.4.7電器行業應用舉例——某大型電器集團的主數據管理8.4.8機械制造行業應用舉例——某大型飼料機械集團的主數據管理8.4.9水泥行業應用舉例——某水泥控股有限公司的主數據管理8.4.10交通運輸行業應用舉例——某交通投資建設有限公司的主數據管理8.4.11政府部門主數據應用舉例——某省經信委項目的主數據管理第三篇數據治理技術第9章數據架構和模型9.1數據架構9.1.1數據架構規劃9.1.2數據架構設計9.2數據模型9.2.1數據模型的定義9.2.2數據模型的類型9.2.3數據的物理特征9.數據模型9.2.5主數據模型9.2.6信息鏈和信息生命周期9.2.7數據譜繫和影響分析第10章數據集成10.1企業應用集成10.1.1企業應用集成的概念10.1.2企業應用集成的分類10.1.3企業應用集成的方法10.1.4企業服務總線10.1.5微服務架構10.2數據集成交換服務10.2.1制定數據集成交換規範和架構10.2.2搭建數據交換平臺10.2.3實現數據交換管理10.3構建數據服務體繫10.4形成數據資產全局視圖第11章數據質量管理11.1數據質量的定義11.1.1數據質量11.1.2數據質量維度11.1.3數據質量評估11.1.4數據剖析11.1.5數據質量問題和數據管理問題11.1.6合理性檢查11.1.7數據質量閾值11.1.8過程控制11.1.9聯機數據質量的檢測和監控11.2數據質量評估框架11.2.1數據質量評估框架的背景11.2.2數據質量評估框架的範圍11.2.3數據質量評估框架的質量維度11.2.4數據質量期望11.3數據質量評估測量類型11.3.1數據模型的一致性11.3.2數據內容的有效性11.3.3評估數據內容的一致性11.4數據評估方案11.4.1數據初步評估11.4.2數據質量改進評估11.4.3數據質量持續改進11.5數據質量戰略11.5.1數據質量戰略的概念11.5.2數據戰略和數據質量戰略11.5.3把數據作為資產11.5.4監控數據質量第12章主數據全生命周期管理12.1主數據全生命周期管理及意義12.2主數據全生命周期管理內容12.2.1數據申請12.2.2數據審核12.2.3數據變更12.2.4數據集成和數據分發12.2.5數據查詢12.2.6數據歸檔12.3數據清洗管理12.3.1數據清洗的內容12.3.2數據清洗的一般過程12.3.3數據清洗的工具12.4建立主數據全生命周期管理體繫12.4.1概述12.4.2建立信息架構12.4.3發現數據對像12.4.4分類數據對像和定義服務水平12.4.5建立測試數據管理策略12.4.6歸檔數據第13章數據安全管理13.1數據安全的意義和作用13.1.1數據安全的概念13.1.2數據安全的意義和作用13.2數據安全的關鍵內容13.2.1數據存儲安全13.2.2數據傳輸安全13.2.3數據使用安全13.3數據隱私保護13.3.1數據隱私保護的意義和作用13.3.2數據隱私保護面臨的問題和挑戰13.3.3數據隱私保護技術第四篇數據治理前景第14章主數據管理應用前景展望14.1主數據管理應用市場發展趨勢14.2大數據時代的主數據管理14.2.1大數據的定義和特征14.2.2大數據時代企業管理的新模式14.2.3主數據管理在大數據分析中的作用14.2.4大數據對主數據管理的挑戰14.3基於雲服務的主數據管理14.3.1雲服務的定義和發展現狀14.3.2主數據管理的雲服務模式14.3.3主數據管理雲服務平臺的技術基礎14.3.4雲服務對企業主數據管理的影響14.4面向人工智能的主數據管理14.4.1人工智能的定義及應用領域14.4.2人工智能在企業中的實踐14.4.3主數據管理與人工智能的關繫14.4.4主數據管理在人工智能中的作用14.5區塊鏈技術與主數據管理14.5.1區塊鏈的定義及特征14.5.2區塊鏈技術的應用領域14.5.3區塊鏈技術在主數據管理中的應用14.6主數據管理——企業發展的堅實根基

“數據”已成為企業的一項寶貴的戰略資產。為了使龐大的數據發揮更大的價值，企業必須著眼於數據治理和綜合利用。主數據驅動的數據治理是指從企業雜亂的數據中捕捉具有高業務價值、被企業內各業務部門重復使用的關鍵數據進行管理，構建單一、準確、權威的數據來源，從而提高企業的整體數據質量，提升數據資產價值，推動業務創新，全面增強企業競爭力。本書編者將近10年在數據治理咨詢工作中積累的經驗和知識進行總結，通過對數據治理的原理、技術、案例、發展趨勢等內容的介紹，為讀者進行數據治理、主數據管理實踐提供重要的參考。全書分為4篇，共14章。第一篇數據治理概念（第1~3章），面向數據治理組織管理者，從數據治理的必要性、可行性、應用效果等進行展開，回答管理者關心的數據治理的核心問題； 第二篇數據治理實施（第4~8章），面向數據治理團隊成員，介紹數據治理工作的前期準備、工作步驟、治理過程、後期運維等內容； 第三篇數據等

王兆君、王鉞、曹朝輝 著

    第3章主數據驅動的數據治理企業數據資產可劃分成為主數據、業務數據、分析數據三個主要部分。企業運營的主體活動便是圍繞這三種數據資產展開。主數據和業務數據支撐起企業的業務流程，而主數據和分析數據則是企業商務智能的基礎。其中，主數據會出現在所有重要的業務流程和分析任務中，是企業數據資產中的黃金部分。為確保企業可進行跨業務領域、跨職能部門、跨信息繫統的業務協作和整體分析，需對主數據、業務數據、分析數據進行數據治理，保證其一致性，提升數據質量和數據安全水平。因此，主數據、業務數據和分析數據構成了企業數據治理中三個核心的治理域。源於主數據的基礎作用，主數據治理是業務數據治理和分析數據治理的前提，為業務繫統和分析繫統提供基礎性的數據服務。主數據驅動的數據治理以主數據作為數據治理的具體切入點而展開，為企業數據治理提供了可操作的治理框架和治理過等

在過去的幾十年裡，對數據的計算和存儲能力以及可用性的巨大進步，促成了當今數據驅動型的世界現狀。數據正在對整個人類社會產生巨大的積極影響， 它不僅在改變著人們生活的各個方面，而且也使得企業的運營更加高效。互聯網數據中心（IDC）預測，到2025年，全球數據圈將擴展至163ZB（1ZB相當於1萬億GB），是2016年所產生16.1ZB數據的10倍，這些數據將給個人帶來全新的用戶體驗並且給企業帶來更多的商業機會。雖然已經有部分企業認識到數據資產的重要性，但是隨著數據數量、種類以及重要性的不斷增加，收集、存儲和處理這些數據的難度也越來越大。如何從海量數據中挖掘出對制定決策有價值的信息，成為企業在管理和使用數據過程中面臨的主要挑戰。數據治理的核心正是加強對數據資產的管控，通過深化數據服務以持續創造價值，企業領導者必須關注其中最重要的那部分數據，隻有識別並充分利用這些至關重要的數據，纔能發揮其等