·企业数字化转型中Z适合的数据资产组织方式是什么样的？

·为什么越来越多的企业在讨论标签化和标签体系？

·数澜专利的标签类目体系方法论有何独到之处？

数据资产化是企业数字化转型的必经之路，也是数据中台的重要组成部分。

标签类目体系是数据中台理念落地的核心组成部分，是实现数据资产可复用、柔性组合使用、降低数据应用试错门槛的强力支撑。

数据作为第五生产要素参与分配，数据资本化的重要前提是数据商品化，数据商品化的Z佳载体就是标签。因此，学习如何将数据转化、映射为标签，并通过对标签的管理、应用实现数据资产的价值运营，对于商业化企业来说显得尤为重要。

本书旨在培养资深的数据资产架构师及数据运营专家，以方法教育而非工具实施的方式助力企业建立自身的数据资产化能力，将数据能力Z大限度地转化为商业价值。

全书共9章，分为3部分。

由来篇（第1~3章）

首先分析了当前各企业在数据建设过程中会遇到的6类主流问题与困难；为了应对这些数据问题，逐渐发展出的标签类目体系这一数据资产构建方法论及其定位定义；论述了采用该方法建设数据资产的3点必要性与意义：资产可复用、业务可理解、价值可衡量。

理论篇（第4~6章）

详细讲解了标签类目体系方法论的4条核心原理；从核心原理衍生出的完整设计步骤，包括3个构建前提和6条设计步骤；同时阐述了标签方法论在实施落地过程中的具体使用技法

目  录  Contents
序
前言
第1章  解码数据中台1
1.1  数据中台的产生与发展1
1.2  数据中台的定义2
1.3  对数据中台的认知4
1.4  数据中台需要厘清的概念6
1.4.1  数据中台与业务中台6
1.4.2  数据中台与数据仓库8
1.4.3  数据中台与BI8
1.4.4  数据中台与数据湖9
1.4.5  数据中台与数据编织9
1.4.6  数据中台与现有信息架构10
1.5  欢迎进入数据中台世界12
第2章  数据中台建设与架构13
2.1  持续让数据用起来的价值框架13
2.2  数据中台建设方法论15
2.2.1  1项战略行动16
2.2.2  2个保障条件17
2.2.3  4条目标准则18
2.2.4  4套建设内容18
2.2.5  5个关键步骤20
2.3  数据中台架构22
第3章  数据应用成熟度评估与
    成功要素25
3.1  企业数据应用的成熟度评估25
3.1.1  第一阶段：统计分析阶段27
3.1.2  第二阶段：决策支撑阶段28
3.1.3  第三阶段：数据驱动阶段29
3.1.4  第四阶段：运营优化阶段31
3.2  企业数据中台建设的应用场景33
3.2.1  不同行业的数据中台
    应用需求33
3.2.2  什么样的企业适合建设
     数据中台34
3.3  数据中台建设的7个成功要素35
第4章  数据汇聚：打破企业
    数据孤岛39
4.1  数据采集、汇聚、交换的方法
    和工具39
4.1.1  数据采集39
4.1.2  数据汇聚43
4.1.3  数据交换45
4.2  数据汇聚产品46
4.3  数据存储系统的选择49
第5章  数据开发：数据价值
    提炼工厂56
5.1  数据计算能力的主要类型57
5.1.1  批计算58
5.1.2  流计算60
5.1.3  流批一体60
5.1.4  在线查询61
5.1.5  即席分析62
5.2  离线开发63
5.3  实时开发66
5.4  算法开发68
5.4.1  可视化建模70
5.4.2  Notebook建模71
5.4.3  数据集管理71
5.4.4  核心算法组件72
5.4.5  多算法框架75
5.4.6  与离线、实时开发的
    联合应用75
第6章  数据体系建设77
6.1  数据体系规划77
6.2  贴源数据层建设—全域数据
     统一存储79
6.2.1  相关概念80
6.2.2  贴源数据表设计81
6.2.3  贴源数据表实现82
6.3  统一数仓层建设—标准化的
     数据底座82
6.3.1  相关概念83
6.3.2  数据域划分85
6.3.3  指标设计87
6.3.4  维度表设计87
6.3.5  事实表设计88
6.3.6  模型落地实现90
6.4  标签数据层建设—数据价值
     的魅力所在91
6.4.1  相关概念91
6.4.2  确定对象93
6.4.3  对象ID打通93
6.4.4  标签类目设计94
6.4.5  标签设计97
6.4.6  标签融合表设计101
6.4.7  标签融合表实现103
6.5  应用数据层建设—灵活支撑
     业务需求103
6.5.1  相关概念104
6.5.2  应用数据表设计104
6.5.3  应用数据表实现104
6.5.4  应用数据场景化支撑105
第7章  数据资产管理107
7.1  数据资产的定义和3个特征107
7.2  数据资产管理现状和挑战108
7.3  数据资产管理的4个目标109
7.4  数据资产管理在数据中台中
    的位置110
7.5  数据资产管理与数据治理
    的关系110
7.6  数据资产管理职能110
7.6.1  数据标准管理111
7.6.2  数据模型管理114
7.6.3  元数据管理115
7.6.4  主数据管理118
7.6.5  数据质量管理119
7.6.6  数据安全管理122
7.6.7  数据开发管理122
7.6.8  数据资产流通123
7.6.9  数据价值评估123
7.6.10  数据资产运营123
7.6.11  数据生命周期管理124
7.6.12  标签管理124
7.6.13  数据资产门户125
第8章  数据应用体系建设127
8.1  数据应用概述127
8.1.1  数据应用的定义128
8.1.2  数据应用的架构128
8.1.3  数据应用的特点130
8.1.4  数据应用的价值130
8.2  数据应用体系建设流程131
8.2.1  数据准备131
8.2.2  引擎选型134
8.2.3  服务及产品建设140
8.3  数据应用管理与运营146
8.3.1  管理体系建设147
8.3.2  质量管理监控147
8.3.3  效果评估与改进148
8.3.4  持续运营优化148
8.4  数据应用的发展趋势149
第9章  数据中台运营机制151
9.1  数据中台运营效果评估模型151
9.2  数据中台运营的4个价值
     切入点153
9.3  数据资产运营156
9.3.1  数据资产运营的
     4个目标156
9.3.2  数据资产运营的完整
     链路159
9.3.3  数据资产运营执行的
    5个动作160
9.3.4  数据资产质量评估165
9.3.5  数据资产安全管理167
9