幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大數據之路(2數據更普惠商業更智能)

  • 作者：瓴羊智能科技|責編:張彥紅
  • 出版社：電子工業
  • ISBN：9787121492105
  • 出版日期：2025/02/01
  • 裝幀：平裝
  • 頁數：438
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是《大數據之路：阿里巴巴大數據實踐》的升級版，內容不再僅僅聚焦于阿里巴巴，而是延伸到對千行百業的實踐與探索。本書從追溯數據中台的起源與發展脈絡，到從多視角、繪藍圖、資源化和資產化等多方面設計滿足業務需求的數據中台框架，再到全方位探討數據的交易與流通、智能演算法的應用，以及「1NN」決策分析框架的應用，匯聚了我們在大數據實踐過程中的經驗、教訓和方法。
    本書理論與實踐相結合，包含大量真實的案例，從金融服務的風險控制，到製造業的供應鏈優化，再到零售業的個性化營銷，通過大量鮮活的實例為讀者提供極具價值的參考與啟示。不論是企業經營者、數據管理者，還是技術實踐者、數據愛好者，都能從中受益。
作者介紹
瓴羊智能科技|責編:張彥紅
目錄
第1章  再出發：數據中台的萌芽與蛻變
  1.1  理念起源：中台思維的初步形成
  1.2  標準確立：OneData體系的升級
  1.3  平台構建：OneData與數據中台的融合
  1.4  轉型深化：數據中台的新變革
  1.5  持續進化：數據中台的未來發展
第2章  多視角：從千行百業中的問題出發
  2.1  CXO視角：數據中台的戰略考量
    2.1.1  數據中台的實質分析
    2.1.2  數據中台的目標與價值體現
    2.1.3  組織與人才在數據中台建設中的作用
  2.2  數據管理者視角：數據中台的運維與治理
    2.2.1  數據中台業務價值評估與團隊認同
    2.2.2  數據資源的高效利用與成本控制
    2.2.3  數據治理實踐與數據質量提升
  2.3  數據消費者視角：數據中台的使用體驗
    2.3.1  優化數據搜索效率與用戶體驗
    2.3.2  提高數據質量與數據可信度
第3章  繪藍圖：數據中台的思維與框架
  3.1  跨越十年：數據中台的演進與本質思考
    3.1.1  應變之道：面對變革的策略選擇
    3.1.2  雙軌並進：數據構建與應用的協同演進
  3.2  數據中台思維：戰略·價值·運營
    3.2.1  戰略為先：頂層設計與漸進迭代
    3.2.2  價值導向：業務共振與價值生成
    3.2.3  運營為核：數據中台的建設策略
  3.3  數據中台框架：從頂層設計到價值實現
    3.3.1  頂層設計：塑造戰略導向，組織敏捷與文化創新
    3.3.2  資源化：構建穩健數據架構與高效建設機制
    3.3.3  資產化：深化數據管理與治理，實現數據資產增值
    3.3.4  要素化：促進數據交易與流通，激活數據市場活力
    3.3.5  價值化：智能決策賦能，驅動業務創新與增長
第4章  資源化：數據架構與建設
  4.1  數據架構的時光機：阿里巴巴視角下的演變
    4.1.1  開啟旅程：孵化期的業務數據啟蒙
    4.1.2  蓄勢待發：萌芽期的獨立引擎與離線倉庫
    4.1.3  邁向未來：迭代期的實時計算革命
    4.1.4  築夢成真：成熟期的OneData與數據中台
    4.1.5  引領變革：變革期的湖倉一體架構
    4.1.6  迎接挑戰：大模型驅動的數據進化
  4.2  數據架構模式的前沿探索
    4.2.1  分散式之美：Data Mesh的領域驅動
    4.2.2  織就數據網：Data Fabric的統一數據體驗
    4.2.3  敏捷運維之道：DataOps的持續改進
    4.2.4  數據中台：企業級數據治理的典範
  4.3  數據架構的理論基石與設計原則
    4.3.1  數據架構的本質與價值
    4.3.2  數據模型架構設計的原則與方法
    4.3.3  解析數據平台架構設計的關鍵要素與實踐
  4.4  案例：達米公司的數據架構建設實踐

    4.4.1  業務布局與數字化轉型需求
    4.4.2  如何規劃企業級數據倉庫
    4.4.3  如何克服數據「孤島」，實現數據集成
    4.4.4  如何構建和管理多模態數據資產
  4.5  行業數據架構推薦與案例分析
    4.5.1  金融行業：數據治理與合規挑戰
    4.5.2  汽車行業：大規模數據處理與分析
    4.5.3  服飾行業：個性化數據服務與營銷
第5章  資產化：數據治理與管理
  5.1  數據治理概述
    5.1.1  區分數據治理與數據管理
    5.1.2  解析數據治理的核心問題
    5.1.3  制定數據治理的目標
    5.1.4  構建數據治理的框架
  5.2  數據標準管理
    5.2.1  數據標準的核心問題
    5.2.2  「三流合一」的數據標準解決方案
    5.2.3  數據標準的治理工具與平台
  5.3  數據質量管理
    5.3.1  數據質量管理的核心挑戰
    5.3.2  「三流合一」的數據質量管理模式
    5.3.3  數據質量評價與優化機制
  5.4  數據安全與流通管理
    5.4.1  數據安全合規面臨的核心挑戰
    5.4.2  數據安全治理的方法和框架
    5.4.3  數據安全實踐
  5.5  數據成本管理
    5.5.1  數據資源利用的核心挑戰
    5.5.2  資源治理閉環體系的構建
    5.5.3  數據成本計量與模型設計
  5.6  數據治理運營體系建設
    5.6.1  阿里巴巴數據治理模式：「0-1-N」模式
    5.6.2  數據治理的人才體系及培訓機制
    5.6.3  數據治理的管理機制優化
    5.6.4  數據治理的文化建設與宣導
第6章  要素化：數據的交易與流通
  6.1  構建企業內部數據消費生態體系
    6.1.1  數據資源化：激活數據價值的引擎
    6.1.2  場景價值導向：驅動數據消費的深化與拓展
    6.1.3  數據運營：企業數字化轉型的基石與引擎
    6.1.4  阿里巴巴大促：數據驅動下的精細化運營實踐
  6.2  布局企業外部數據流通生態體系
    6.2.1  如何高效整合外部數據資源
    6.2.2  數據資產商業化的策略與挑戰
    6.2.3  瓴羊港：企業數據流通的服務樞紐
  6.3  數據流通的深化合規與技術融合
    6.3.1  多維合規視角下的數據流通治理
    6.3.2  合規與技術驅動的協同機制
  6.4  數據資產入表
    6.4.1  數據資產入表的定義與會計處理依據

    6.4.2  數據資產入表的重要性
    6.4.3  數據資產入表的條件
    6.4.4  數據資產入表的步驟
    6.4.5  數據資產入表的準備工作
第7章  大模型：數據與智能演算法
  7.1  從符號到大模型的AI躍遷
  7.2  深度學習與數據驅動
    7.2.1  深度學習模型的迭代與創新
    7.2.2  數據到模型全流程優化路徑
  7.3  智能引擎在推薦系統、廣告系統與搜索引擎中的應用
    7.3.1  推薦系統的架構、鏈路與演算法
    7.3.2  計算廣告體系的架構、鏈路與演算法
    7.3.3  搜索系統的架構、鏈路與演算法
  7.4  大模型時代的革新與發展
    7.4.1  語言模型：從Word2Vec到通義千問
    7.4.2  多模態大模型：從學習到生成模型
    7.4.3  AI Agent：革新、架構與行業應用探索
  7.5  大數據賦能大模型創新與突破
    7.5.1  數據規模，大模型演化的關鍵
    7.5.2  檢索增強，大模型可信化的基石
    7.5.3  數據資產，大模型效能的催化劑
  7.6  大模型賦能Quick BI
    7.6.1  Quick BI，數據洞察的智慧平台
    7.6.2  Quick BI與智能小Q
    7.6.3  Quick BI的底層核心能力
第8章  價值化：數據驅動下的智能決策
  8.1  「1NN」決策體系框架：構建企業數智管理內核
    8.1.1  一套數據語言體系：打造企業內部的「神經中樞」（「1」）
    8.1.2  N層決策分析核心架構：從戰略到執行的準確映射（「N」）
    8.1.3  N個決策分析關鍵要素：確保數據語言準確高效（「N」）
  8.2  「1NN」決策體系建設思路：推動數智管理的設計與實施
    8.2.1  「1NN」決策體系建設的三大關鍵支柱
    8.2.2  「1NN」決策體系建設的實施路徑及步驟
  8.3  數智管理案例：「1NN」決策體系在業務場景中的應用
    8.3.1  業務痛點及核心需求分析
    8.3.2  「1NN」決策體系解決方案：定製化應對策略
  8.4  業財一體化案例：「1NN」決策體係數智化重塑業財融合
    8.4.1  業務痛點及核心需求
    8.4.2  「1NN」決策體系的業財解決方案
    8.4.3  案例總結：業財融合的成功實踐
  8.5  人力資源數智化案例：「1NN」決策體系重塑人力資源管理體系
    8.5.1  背景與需求
    8.5.2  關鍵要素分析
    8.5.3  人力資源管理的轉型
    8.5.4  人效金字塔方法論
第9章  價值化：數據驅動產銷協同
  9.1  數智產銷的發展進階
    9.1.1  初始期：業務流程驅動管理
    9.1.2  發展期：決策分析驅動管理
    9.1.3  變革期：數據智能驅動管理

  9.2  數智產銷協同化
    9.2.1  產銷的「1NN」決策體系設計
    9.2.2  產銷的PLM智能決策設計
  9.3  數智化產銷決策實戰案例
    9.3.1  新品企劃：寵物用品從洞察到爆品的實戰路徑
    9.3.2  商品鋪貨：九陽小家電的精細化管理實踐
    9.3.3  需求預測：供應鏈優化的實戰案例
    9.3.4  精準補調：瓴羊賦能快消品供應鏈優化
第10章  價值化：多源數據融合的智能營銷探索
  10.1  多源數據融合的價值場景案例
    10.1.1  營銷服務的痛點透視與核心需求解析
    10.1.2  RTA構建高效廣告投放優化實戰
    10.1.3  LBS數據賦能品牌跨渠道協同效應
  10.2  多源數據融合的關鍵技術
    10.2.1  通過OneID建立標籤畫像
    10.2.2  Embedding的兩種形式
    10.2.3  隱私計算與聯邦學習
    10.2.4  DataTrust：如何實現數據可用不可見
第11章  先行者：數據文化與組織建設
  11.1  不同企業數據戰略下的組織設計
    11.1.1  以「數據能力建設」為導向的組織設計
    11.1.2  以成為「客戶運營商」為戰略的組織設計
    11.1.3  面向「數據商業」的組織設計
  11.2  阿里巴巴的數據組織與文化運營
    11.2.1  阿里巴巴數據組織的發展歷程
    11.2.2  數據崗位的設定與標準
    11.2.3  數據文化的醞釀與繁榮
  11.3  數據組織與文化保障企業數據戰略落地
    11.3.1  數據組織及文化建設的關鍵點
    11.3.2  企業數據組織建設與數據文化運營的建議

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032