华为数据之道 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

·华为官方首次对外系统披露其数据治理与数字化转型方法论，中国企业的数字化转型标杆。

·本书由华为董事、质量与流程IT总裁、CIO陶景文等华为高管写序推荐。

·华为公司数据管理部撰写，华为质量与流程IT、华为云和华为大学联合出品。

·华为的数据底座已经能支撑华为在全球170多个国家/地区开展多业态、差异化的数字化运营。

·本书公开出版前，在华为内部共发行14000余册，获得了良好的反馈和口碑。

这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在全球170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。

全书共10章，内容从逻辑上分为四个部分。

第一部分（第1~3章）

第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细阐述了不同类型的数据的管理方式和要点。

第二部分（第4~6章）

详细讲解了数据治理工作中的三项重点任务：信息架构、数据底座、数据服务。第4章介绍了信息架构的四个组件，给出了建设原则和核心要素，并引出了业务对象、过程、规则三项数字化的建设方向；第5章提出了数据底座建设的整体框架，介绍了数据湖和数据主题连接两个层次的建设实践；第6章以自助、高效、复用为数据服务的目的，提出了对数据进行搜索、加工和分析的消费过程管理方案。

第三部分（第7~9章）

系统总结了数据治理的三项关键能力：数据的全量感知、综合质量提升、可控共享。第7章以数字孪生的全量、无接触感知为目标，介绍了数据的硬感知和软感知两类能力；第8章基于PDCA框架，介绍了对企业业务数据异常的全面监控；第9章介绍了如何构建以元数据为基础的数据安全隐私保护框架，如何建立动静结合的数据保护与授权管理方案。

第四部分（第10章）

基于对“机器认知世界”的理解，我们提出了对数据治理未来的思考，畅想了AI治理、数据主权和数据生态建设。未来已来，让我们共同努力，把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。

目录

序一

序二

序三

前言

第1章　数据驱动的企业数字化转型

1.1　非数字原生企业的数字化转型挑战2

1.1.1　业态特征：产业链条长、多业态并存3

1.1.2　运营环境：数据交互和共享风险高4

1.1.3　IT建设过程：数据复杂、历史包袱重4

1.1.4　数据质量：数据可信和一致化的要求程度高5

1.2　华为数字化转型与数据治理6

1.2.1　华为数字化转型整体目标6

1.2.2　华为数字化转型蓝图及对数据治理的要求7

1.3　华为数据治理实践9

1.3.1　华为数据治理历程10

1.3.2　华为数据工作的愿景与目标12

1.3.3　华为数据工作建设的整体思路和框架12

1.4　本章小结15

第2章　建立企业级数据综合治理体系

2.1　建立公司级的数据治理政策18

2.1.1　华为数据管理总纲18

2.1.2　信息架构管理政策20

2.1.3　数据源管理政策21

2.1.4　数据质量管理政策22

2.2　融入变革、运营与IT的数据治理24

2.2.1　建立管理数据流程24

2.2.2　管理数据流程与管理变革项目、管理质量与运营之间的关系26

2.2.3　通过变革体系和运营体系进行决策26

2.2.4　数据治理融入IT实施27

2.2.5　通过内控体系赋能数据治理27

2.3　建立业务负责制的数据管理责任体系28

2.3.1　任命数据Owner和数据管家28

2.3.2　建立公司层面的数据管理组织29

2.4　本章小结33

第3章　差异化的企业数据分类管理框架

3.1　基于数据特性的分类管理框架35

3.2　以统一语言为核心的结构化数据管理36

3.2.1　基础数据治理39

3.2.2　主数据治理40

3.2.3　事务数据治理46

3.2.4　报告数据治理46

3.2.5　观测数据治理48

3.2.6　规则数据治理50

3.3　以特征提取为核心的非结构化数据管理52

3.4　以确保合规遵从为核心的外部数据管理54

3.5　作用于数据价值流的元数据管理56

3.5.1　元数据治理面临的挑战56

3.5.2　元数据管理架构及策略59

3.5.3　元数据管理60

3.6　本章小结71

第4章　面向“业务交易”的信息架构建设

4.1　信息架构的四个组件74

4.1.1　数据资产目录75

4.1.2　数据标准77

4.1.3　数据模型80

4.1.4　数据分布80

4.2　信息架构原则：建立企业层面的共同行为准则81

4.3　信息架构建设核心要素：基于业务对象进行设计和落地84

4.3.1　按业务对象进行架构设计84

4.3.2　按业务对象进行架构落地87

4.4　传统信息架构向业务数字化扩展：对象、过程、规则90

4.5　本章小结95

第5章　面向“联接共享”的数据底座建设

5.1　支撑非数字原生企业数字化转型的数据底座建设框架98

5.1.1　数据底座的总体架构98

5.1.2　数据底座的建设策略100

5.2　数据湖：实现企业数据的“逻辑汇聚”101

5.2.1　华为数据湖的3个特点101

5.2.2　数据入湖的6个标准103

5.2.3　数据入湖方式106

5.2.4　结构化数据入湖109

5.2.5　非结构化数据入湖113

5.3　数据主题联接：将数据转换为“信息”117

5.3.1　5类数据主题联接的应用场景117

5.3.2　多维模型设计120

5.3.3　图模型设计125

5.3.4　标签设计130

5.3.5　指标设计132

5.3.6　算法模型设计135

5.4　本章小结139

第6章　面向“自助消费”的数据服务建设

6.1　数据服务：实现数据自助、高效、复用142

6.1.1　什么是数据服务144

6.1.2　数据服务生命周期管理149

6.1.3　数据服务分类与建设规范156

6.1.4　打造数据供应的“三个1”162

6.2　构建以用户体验为核心的数据地图167

6.2.1　数据地图的核心价值167

6.2.2　数据地图的关键能力171

6.3　人人都是分析师175

6.3.1　从“保姆”模式到“服务+自助”模式175

6.3.2　打造业务自助分析的关键能力179

6.4　从结果管理到过程管理，从能“看”到能“管”187

6.4.1　数据赋能业务运营187

6.4.2　数据消费典型场景实践190

6.4.3　华为数据驱动数字化运营的历程和经验195

6.5　本章小结199

第7章　打造“数字孪生”的数据全量感知能力

7.1　“全量、无接触”的数据感知能力框架202

7.1.1　数据感知能力的需求起源：数字孪生202

7.1.2　数据感知能力架构205

7.2　基于物理世界的“硬感知”能力207

7.2.1　“硬感知”能力的分类207

7.2.2　“硬感知”能力在华为的实践213

7.3　基于数字世界的“软感知”能力215

7.3.1　“软感知”能力的分类215

7.3.2　“软感知”能力在华为的实践218

7.4　通过感知能力推进企业业务数字化220

7.4.1　感知数据在华为信息架构中的位置220

7.4.2　非数字原生企业数据感知能力的建设224

7.5　本章小结226

第8章　打造“清洁数据”的质量综合管理能力

8.1　基于PDCA的数据质量管理框架228

8.1.1　什么是数据质量228

8.1.2　数据质量管理范围229

8.1.3　数据质量的总体框架229

8.2　全面监控企业业务异常数据231

8.2.1　数据质量规则231

8.2.2　异常数据监控237

8.3　通过数据质量综合水平牵引质量提升243

8.3.1　数据质量度量运作机制243

8.3.2　设计质量度量245

8.3.3　执行质量度量248

8.3.4　质量改进253

8.4　本章小结256

第9章　打造“安全合规”的数据可控共享能力

9.1　内外部安全形势，驱动数据安全治理发展258

9.1.1　数据安全成为国家竞争的新战场258

9.1.2　数字时代数据安全的新变化258

9.2　数字化转型下的数据安全共享260

9.3　构建以元数据为基础的安全隐私保护框架261

9.3.1　以元数据为基础的安全隐私治理261

9.3.2　数据安全隐私分层分级管控策略263

9.3.3　数据底座安全隐私分级管控方案266

9.3.4　分级标识数据安全隐私271

9.4　“静”“动”结合的数据保护与授权管理272

9.4.1　静态控制：数据保护能力架构272

9.4.2　动态控制：数据授权与权限管理274

9.5　本章小结279

第10章　未来已来：数据成为企业核心竞争力

10.1　数据：新的生产要素282

10.1.1　数据被列为生产要素：制度层面的肯定282

10.1.2　数据将进入企业的资产负债表283

10.1.3　数据资产的价值由市场决定284

10.2　大规模数据交互的企业数据生态285

10.2.1　数据生态离不开底层技术的支撑286

10.2.2　数据主权是数据安全交换的核心287

10.2.3　国际数据空间的目标与原则289

10.2.4　多方安全计算强化数据主权291

10.3　摆脱传统手段的数据管理方式292

10.3.1　智能数据管理是数据工作的未来292

10.3.2　内容级分析能力提供资产全景图293

10.3.3　属性特征启发主外键智能联接293

10.3.4　质量缺陷预发现294

10.3.5　算法助力数据管理294

10.3.6　数字道德抵御算法歧视295

10.4　第四个世界：机器认知世界295

10.4.1　真实唯一的“物理世界”和五彩缤纷的“人类认知世界”295

10.4.2　映射“物理世界”的数字孪生—“数字世界”297

10.4.3　“数字世界”中的智能认知—“机器认知世界”298

10.5　本章小结299

华为公司数据管理部

华为公司数据管理部作为集团层面的数据管理组织，主要负责如下工作：

公司数据工作的战略规划、路标举措以及实施落地；

数据从产生到消费全生命周期管理的治理框架、流程规范、方法和IT工具的制定与推行；

公司级信息架构的设计和数据资产的治理维护；

主持集团层面数据相关项目，推动以数据为核心的数字化转型；

设计公司数据质量度量模型、执行数据质量监控及重大数据问题披露；

组织跨业务领域、跨BG信息架构集成和数据问题的解决；

负责公司数据管理能力提升，推动企业数据文化建立和传播。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：华为数据之道在线阅读

在线听书地址：华为数据之道在线收听

在线购买地址：华为数据之道在线购买

5.3.6算法模型设计

算法是指训练、学习模型的具体计算方法，也就是如何求解全局最优解，并使得这个过程高效且准确，其本质上是求数学问题的最优化解，即算法是利用样本数据生成型的方法。算法是根据业务需求，运用数学方法对数据进行建模，得到业务最优解，主要用于业务智能分析。

算法模型在数据分析流程中产生，算法模型管理框架包括模、模型资产管理和模型消费。公司各领域已相继开发出大量基于算法模型的分析应用，通过对算法模型资产注册逐步打造公司级的算法模型地图。

算法模型的设计步骤主要有需求评估、数据准备、方案设计和建模与验证

（1）需求评估

1）业务驱动的分析需求识别

如果要识别与业务运营优化相关的分析需求，就需要梳理业务需求的背景、现状与目标。

若由战略或变革提出可能的分析需求，则应进行战略目标解耦，识别分析需求，了解业务现状与定目标。

初步识别分析结果的应用场景。

2）数据驱动的分析求识别

在集成的数据环境中进行数据挖掘，探索可能的分析应用。

识别分析需求和确认应用领域。

初步识别分析结果的应用场景。

3）价值与可行性评估

确定数据分析主题

分析求的业务价值评结，包括业务基线、分析主题的业务影响与可增进的效益。

分析前提与可行性，包括识别目前业务流程与可能的影响因素，探讨业务现状因素，并制定对应的分析解决方案，呈现出对应解决方案可提升的效益，对方案所需资源和和数据的可行性进行评估。

根据相关的历史数据，进行假设和分析，并明确业务范围。

（2）数据准备

深入探索数据资产目录，识别与分析主题可能相关的数据。

提供数据源、数据标准、数据流等信息。

收集与整合原始数据，生成分析数据集。

根据分析需求进行数据选和质量分...

1）业务分析师业务分析师是企业最大的数据消费群体，具有良好的业务背景，有些数据分析师本身就是业务人员，了解业务需求实质，理解业务含义，与利益相关者有良好的沟通。通过对数据的识别，借助数据分析工具，生成可供阅读的图表或者仪表板，使用分析结果识别问题，支撑决策。对数据可信度、业务含义、数据定位有强烈诉求。

2）数据科学家

数据科学家是指能采用科学方法、运用数据挖掘工具对复杂异构的数字、符号、文字、网址、音频或视频等信息进行数字化重现与认识，并能进行新的数据洞察的工程师或专家。对业务含义、数据关系有强烈诉求。

3）数据管家

公司数据管理体系的专业人员，负责协助数据 Owner对数据信息架构进行管理，包括定义信息架构中的责任主体、密级/分类，为数据安全管理提供重要输人。通过信息架构设计，统业务语言，明确管理责任，设定数据质量标准，拉通跨领域信息流，支撑运营和決策。对数据质量、信息架构、数据关系有强烈诉求。

华为公为确保整个数据供应链条的高效协同，制了“ニ个1”作为拉通各个供应环节的整体目标，确保每个环节能够

成合力并对准最终用户。

“三个1”是数据供应的整体目标，起点是需求方提出数据需求，终点为需求方拿到数据并可立即进行消费，具体衡量标准包括如下内容。

1天：对于已发布数据服务的场景，从需求提出到消费者通过服务获取数据，在1天内完成。

1周：对于已进底座但无数据服务的场景，从需求提出到数据服务设计落地、消费者通过服务获取数据，在1周内完成。

1月：对于已结构化但未进底座的场景，从需求提出到汇聚人湖、数据主题联接、数据服务设计落地、消费者通过服务获取数据，在1个月内完成。

数据供应的“三个1”并不是单纯的度量指标，而是一整套瞄准最终数据消费体验的能力体系以及确保数据供应能力的管理机制，还包括组织职责的明确、流程规范的制定与落实、IT平台的建设和管理。

1.门店数字化

如图7-6所示，采用7种数据采集方式，支撑持续提升运营与消费者体验。通过光线传感器和温度传感器，自动调节窗帘、灯光，温度随环境改变，并与店门、窗帘、灯光、空调、屏幕、防盗系统联动，打造智能绿色门店环境。通过实物管理感知，样机自动申报位置与状态，异常告警，自动上报消费者在门店体验过程中的行为，结合消费者体验情况优化陈列、营销设计、产品设计。通过视频感知客流与热区，管理门店各片区人流密度与停留时间，优化陈列与营销，实时调整服务人力与资源配置。

书籍介绍

·华为官方首次对外系统披露其数据治理与数字化转型方法论，中国企业的数字化转型标杆。

·本书由华为董事、质量与流程IT总裁、CIO陶景文等华为高管写序推荐。

·华为公司数据管理部撰写，华为质量与流程IT、华为云和华为大学联合出品。

·华为的数据底座已经能支撑华为在全球170多个国家/地区开展多业态、差异化的数字化运营。

·本书公开出版前，在华为内部共发行14000余册，获得了良好的反馈和口碑。

这是一部从技术、流程、管理等多个维度系统讲解华为数据治理和数字化转型的著作。华为是一家超大型企业，华为的数据底座和数据治理方法支撑着华为在全球170多个国家/地区开展多业态、差异化的运营。书中凝聚了大量数据治理和数字化转型方面的有价值的经验、方法论、规范、模型、解决方案和案例，不仅能让读者即学即用，还能让读者了解华为数字化建设的历程。

全书共10章，内容从逻辑上分为四个部分。

第一部分（第1~3章）

第1章以非数字原生企业在数字化转型方面面临的挑战开篇，介绍了华为在数据治理和数字化转型方面的目标、愿景、蓝图和框架；第2章从企业政策和架构协同的角度，介绍了企业级的数据综合治理体系，理顺了数据与变革、运营、IT之间的协同关系，明确了数据管理的责任主体在业务；第3章详细阐述了不同类型的数据的管理方式和要点。

第二部分（第4~6章）

详细讲解了数据治理工作中的三项重点任务：信息架构、数据底座、数据服务。第4章介绍了信息架构的四个组件，给出了建设原则和核心要素，并引出了业务对象、过程、规则三项数字化的建设方向；第5章提出了数据底座建设的整体框架，介绍了数据湖和数据主题连接两个层次的建设实践；第6章以自助、高效、复用为数据服务的目的，提出了对数据进行搜索、加工和分析的消费过程管理方案。

第三部分（第7~9章）

系统总结了数据治理的三项关键能力：数据的全量感知、综合质量提升、可控共享。第7章以数字孪生的全量、无接触感知为目标，介绍了数据的硬感知和软感知两类能力；第8章基于PDCA框架，介绍了对企业业务数据异常的全面监控；第9章介绍了如何构建以元数据为基础的数据安全隐私保护框架，如何建立动静结合的数据保护与授权管理方案。

第四部分（第10章）

基于对“机器认知世界”的理解，我们提出了对数据治理未来的思考，畅想了AI治理、数据主权和数据生态建设。未来已来，让我们共同努力，把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。