这是一部从云原生角度讲解数据中台的业务价值、产品形态、架构设计、技术选型、落地方法论、实施路径和行业案例的著作，得到了国内外企业界和学术界的技术专家一致好评。
本书的作者曾在硅谷的Twitter等企业从事大数据平台的建设工作多年，随后又成功创办了国内领先的以云原生数据中台为核心技术和产品的企业。他们将在硅谷的大数据平台建设经验与在国内的数据中台建设经验进行深度融合，并系统阐述了云原生架构对数据中台的必要性及其相关实践，对国内企业的中台建设和运营具有很高的参考价值。
全书共18章，分为四个部分：
第1部分（第1～4章）数据中台与硅谷大数据平台
首先，从起源、定义、能力、应用场景、建设目标、建设方法论总纲等角度对数据中台做了全面的介绍；其次，讲解了数据中台如何驱动数字化转型；Z后，通过对硅谷的Twitter等独角兽企业的数据平台和国内的数据中台进行对比，给出了这两种架构之间的异同点。核心内容是让读者透彻理解数据中台对于业务的价值。
第二部分（第5～8章）数据中台架构与方法论
结合硅谷的数据平台的架构方法，讲解了数据中台的架构方法和9大原则、数据中台建设的全套准备工作和系统方法论，以及云原生架构与数据中台的融合。
第三部分（第9～15章）数据中台技术选型与核心内容
首先，全方位地介绍了建设数据中台时如何进行技术选型，然后重点讲解了数据湖、数据仓库、数据资产管理、数据流水线管理、数据中台应用开发、数据门户等数据中台建设的核心内容。
第四部分（第16～18章）数据中台案例分析
通过游戏、零售、物联网3个领域的案例讲解了数据中台的搭建、实现与运营。

彭锋，智领云科技联合创始人兼CEO，武汉大学计算机系本科及硕士，美国马里兰大学计算机专业博士，主要研究方向是流式半结构化数据的高性能查询引擎，在数据库顶级会议和期刊SIGMOD、ICDE、TODS上发表多篇开创性论文。
2005年加入世界五百强企业IACAsk。com，任分布式系统及大数据工程总监，负责研发分布式操作系统及中间件，以及集团大数据平台的建设。2011年加入Twitter，任大数据平台主任工程师、公司架构师委员会大数据负责人，负责公司大数据平台及流水线的建设和管理。作为硅谷天使投资人，曾投资硅谷多家大数据相关初创企业，并担任技术指导和行业顾问。2016年回国联合创立智领云科技有限公司。

前言
第一部分 数据中台与硅谷大数据平台
第1章 全面了解数据中台
1.1 数据中台概念的起源
1.1.1 艺电的“数据中台”改造
1.1.2 Twitter的数据驱动
1.2 什么是数据中台
1.2.1 数据中台建设的目标
1.2.2 如何实现数据中台建设的目标
1.2.3 数据中台的定义和4个特点
1.3 大数据平台与数据中台
1.3.1 为什么要建设数据中台
1.3.2 数据中台与传统大数据平台的区别
1.3.3 数据中台的评判标准
1.4 数据中台建设方法论总纲
1.5 本章小结
第2章 数据中台能力和应用场景
2.1 数据中台不是“银弹”
2.2 数据中台的核心能力
2.2.1 全局商业洞见
2.2.2 个性化服务
2.2.3 实时数据报表
2.2.4 共享能力开发新业务
2.3 数据中台的行业应用场景
2.3.1 互联网行业
2.3.2 连锁零售业
2.3.3 金融业
2.3.4 物联网
2.4 数据中台如何为企业赋能
2.4.1 组织架构
2.4.2 决策部门
2.4.3 业务部门
2.4.4 研发部门
2.4.5 大数据部门
2.5 本章小结
第3章 数据中台与数字化转型
3.1 数字化转型的4个阶段
3.1.1 信息化
3.1.2数据仓库（数据平台1.0）
3.1.3大数据平台（数据平台2.0）
3.1.4数据中台（数据平台3.0）
3.2 数据驱动
3.2.1 面向用户的数据驱动产品及服务
3.2.2 面向内部业务部门的数据驱动服务
3.2.3 数据驱动的系统管理
3.3 数据中台如何支持数字化转型
3.3.1 从技术层面支持数字化转型
3.3.2 从组织架构层面支持数字化转型
3.4 本章小结
第4章 从大数据平台到数据中台
4.1 大数据平台建设阶段
4.1.1 大数据平台起步
4.1.2 系统自动化
4.1.3 大数据平台的生产化
4.2 数据管理及应用阶段
4.2.1 数据湖/数据仓库建设
4.2.2 数据管理
4.2.3 数据安全
4.3 数据能力中台化阶段
4.3.1 全局的数据治理
4.3.2 数据能力的复用和共享
4.3.3 云原生架构的支撑
4.4 DataOps
4.4.1 什么是DataOps
4.4.2 DataOps解决的问题
4.4.3 DataOps的目标功能
4.4.4 DataOps的主要技术
4.4.5 DataOps与数据中台
4.5 本章小结
第二部分 数据中台架构与方法论
第5章 数据中台建设须知
5.1 数据中台建设需要一套方法论
5.2 从失败的大数据项目中吸取教训
5.3 数据中台建设中的常见问题
5.4 评判数据中台建设效果
5.5 数据中台建设的人员规划
5.6 数据中台的技术选型要求
5.7 本章小结
第6章 数据中台建设方法论
6.1 基础架构
6.2 数据工具
6.3 顶层架构设计
6.4 数据规范
6.5 业务驱动
6.6 关键指标
6.7 明确责权利
6.8 管理迭代
6.9 数据中台建设流程
6.10 本章小结
第7章 数据中台的架构
7.1 数据中台的功能定位
7.2 数据中台架构设计的9大原则
7.3 典型的硅谷大数据平台架构
7.3.1 Twitter的大数据平台架构
7.3.2 Airbnb的大数据平台架构
7.3.3 Uber的大数据平台架构
7.3.4 云平台作为大数据平台的通用底座
7.3.5 硅谷大数据平台架构的共性和建设思路
7.4 数据中台架构
7.5 数据中台子系统
7.5.1 应用基础能力平台
7.5.2 数据基础能力平台
7.5.3 数据集成开发平台
7.5.4 数据资产运营平台
7.5.5 数据业务能力层
7.5.6 数据中台重点建设内容
7.6 本章小结
第8章 数据中台与云原生架构
8.1 云原生架构及云平台
8.2 PaaS平台的主要功能
8.2.1 资源管理
8.2.2 应用全生命周期管理
8.2.3 高可用和容错
8.2.4 运维平台
8.3 传统方式下搭建数据中台的难点
8.4 云原生架构对于数据中台建设的5大意义
8.5 数据中台的IaaS层选择
8.6 本章小结
第三部分 数据中台技术选型与核心内容
第9章 数据中台建设与开源软件
9.1 开源软件的起源和建设过程
9.2 开源软件的合理使用
9.3 集成开源软件的5个注意事项
9.4 应用基础能力平台的开源选择
9.5 数据基础能力平台的开源选择
9.6 数据集成开发平台的开源选择
9.7 本章小结
第10章 数据湖与数据仓库
10.1 数据湖
10.1.1 数据湖的起源与作用
10.1.2 数据湖建设的4个目标
10.1.3 数据湖数据的采集和存储
10.1.4 数据湖中的数据治理
10.2 数据仓库
10.2.1 数据建模方式
10.2.2 数据仓库建设的层次
10.2.3 数据仓库中的数据治理
10.2.4 数据清洗
10.3 数据中台中的数

作者在Twitter等硅谷独角兽企业有多年大数据平台架构与开发经验，同时又在国内有数年数据中台建设经验，本书在内容上对这两方面的经验进行了充分比较和深度融合。
本书得到了武汉大学计算机学院前院长、FaceBook和Twitter前工程总监、明略科技副总裁等多位国内外学术界和企业界专家的一致好评。
从云原生角度切入，全面讲解云原生数据中台的架构、技术选型、落地方法论、实施路径和行业案例。