数据资产管理 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

高伟著 著

图书标签:

• 数据资产
• 数据治理
• 数据管理
• 数据质量
• 元数据
• 数据安全
• 数据价值
• 数字化转型
• 信息管理
• 数据战略

店铺： 文轩网旗舰店

出版社： 机械工业出版社

ISBN：9787111528807

商品编码：10188901788

出版时间：2016-03-01

作  者:高伟 著 著作 定  价:59 出 版 社:机械工业出版社 出版日期:2016年03月01日 页  数:287 装  帧:平装 ISBN:9787111528807 ●推荐序一数据革命
●推荐序二实践出真知
●推荐序三数据资产启蒙
●自序写在“数据资产”编入财务报表的前夜/1
●数据资产：财富的新定义/4
●第1节大数据带来的造富神话/5
●基于数据积累，提供精准营销服务/5
●盘活数据资产，升级全新商业模式/6
●利用数据集成，创造估值神话故事/7
●面向个人数据，提供二次交易平台/8
●第2节都说数据是资产，到底什么是数据资产？/9
●为什么说数据是资产/9
●如何定义数据资产/11
●会计实践中的困难与挑战/13
●第3节新圈地运动：为什么阿里巴巴在上市前收购这些公司？/16
●收购？收购！/16
●新时代的圈地运动/19
●对于“局外人”的影响/21
●破局的另一种思路/22
●第4节传统企业应对互联网挑战的筹码/23
●部分目录

内容简介

人类社会，正以靠前的速度，进入大数据时代。数据成为企业宝贵的财富资产，数据资产管理能力将决定企业竞争的胜败。如何应对挑战、占尽先机，本书将给您一个通盘说明，帮您做好准备，打赢这一场没有硝烟的战争！本书从建立数据资产管理的基础概念开始，介绍了一个以治理、应用和运营为内容的三层管理框架，分别阐述了每一层所需要具备的能力结构，辅以实际案例剖析，更为详尽易懂。接下来，通过对数据资产管理战略设计的探讨，以及内外部可能的影响因素分析，从而逐次展开数据资产产业链条下波澜壮阔的商业机会和潜在挑战。本书读者主要面向大数据相关从业人员，包括经营决策者，运营管理人员，技术架构人员以及各类科研单位学术人员、大专院校相关专业学生等，同时，考虑到数据资产可能影响范围，也适用于所有关心数据资产，希望了解如何建立、保护、开发、配置和变现数据资产的社会各界同好。 高伟 著 著作 高伟，大数据行业专家，北京航空航天大学软件学院客座教授、中关村大数据产业联盟数据资产管理专委会主任、靠前数据管理协会（DAMA）会员，现任亚信数据产品线总经理 。
15年以上IT行业经验，具有丰富的产品研发、市场推广和方案咨询经验，目前主要从事大数据行业分析、数据资产管理理论研究及相关技术产品的规划设计和市场推广工作。
作为靠前首批研究并构建数据资产管理理论的青年学者，常年活跃在理论探讨与实践验证的前沿，其主要观点及演讲资料被靠前多家实力媒体及互联网论坛广泛转载。 
自序 写在“数据资产”编入财务报表的前夜
什么是资产？
在会计活动初出现时，人们理解的资产是指谷物、牲畜、房子、工具等有形资源，那时候拥有的实物越多，就越富有。
然而，随着技术发展、商业变革，这种观念逐渐受到挑战，乃至不堪一击。“苹果”公司在2014年全球企业品牌价值排行榜上，品牌估值高达1188.63亿美元而雄踞，它当年的年报资产负债表里的全部“资产”却不过261.9亿美元。同时，年报里没有体现的还有“苹果”公司通过各种数字终端、AppStore和iTunes等所构建起的数字分发体系的商业价值，当然，也没有包含“苹果”员工所代表的创新精神和能力的内在价值，以及“苹果”粉丝所代表的客户网络的巨大价值。
近年来，无形资产的概念逐渐获得接受，它包括了专利权、版权、秘密制作法和配方、商誉、专营权以及其他类似的财产。2004年，《经济学人》杂志对高级经理人等

《数据资产管理》一书，并非一本单纯的技术手册，也不是枯燥的理论堆砌，它是一份面向未来的行动指南，一份帮助组织在信息爆炸时代重塑竞争力的战略蓝图。本书深邃地剖析了数据作为新时代核心生产要素的独特价值，以及如何将其从冰冷的数字转化为驱动业务增长、优化运营效率、激发创新活力的宝贵资产。 第一部分：数据资产化的基石——认知的升华与战略的奠定 在信息洪流中，许多组织依旧陷于“数据孤岛”、“数据烟囱”的泥潭，或是对海量数据束手无策，任其闲置。本书的第一部分，正是要引领读者进行一次深刻的认知革命。它将从根本上重新定义“数据资产”的内涵与外延。数据不再仅仅是业务流程的副产品，而是能够被识别、度量、保护、开发和利用的、具有明确经济价值和战略意义的资源。 我们首先将探讨，为何在当前及可预见的未来，“数据资产化”已成为组织实现可持续发展的必由之路。本书将深入分析那些成功拥抱数据资产战略的企业，它们如何通过有效的数据管理，实现了用户体验的飞跃、市场洞察的精准、风险预测的超前，甚至催生了全新的商业模式。这部分内容将提供一系列案例研究，从不同行业、不同规模的组织中提炼出具有普遍指导意义的成功经验和失败教训。 接着，我们将着重阐述建立数据资产战略的重要性。这并非简单地复制他人的做法，而是需要结合自身的业务目标、市场定位、技术能力和组织文化，量身定制一套可行的数据资产发展路线图。本书将引导读者思考： 战略目标对齐： 我们的数据资产战略如何支撑企业的整体发展战略？例如，如果企业目标是提升客户满意度，那么数据资产战略就应侧重于客户画像、行为分析、个性化推荐等领域。 价值链分析： 数据如何在企业的价值链中创造价值？从前端的获客、销售，到中端的生产、运营，再到后端的服务、支持，数据如何贯穿其中，并产生增量价值？ 风险评估与机会识别： 数据资产化过程中可能面临哪些风险（如数据安全、隐私泄露、合规性问题），又有哪些潜在的商业机会等待发掘？ 组织能力建设： 支撑数据资产战略所需的核心能力有哪些？这包括人才、技术、流程、文化等多个维度。 第二部分：数据资产化的实践——从采集到价值变现的全景解析 理论的升华需要实践的支撑。本书的第二部分，将带领读者深入数据资产化的各个实践环节，提供切实可行的操作方法和技术路径。 2.1 数据采集与整合：构筑坚实的数据基础 再精美的楼阁，也需要牢固的地基。本书将详细阐述高质量数据采集的重要性，并提供多种策略和技术，以确保数据的准确性、完整性、时效性和一致性。我们将探讨： 多源异构数据整合： 如何有效地整合来自企业内部的ERP、CRM、SCM系统，以及外部的社交媒体、合作伙伴、物联网设备等各类数据源？这部分将介绍ETL/ELT工具、数据虚拟化、API集成等技术手段。 数据标准化与清洗： 原始数据往往存在格式不统一、信息缺失、错误值等问题。本书将深入讲解数据质量管理（DQM）的流程和方法，包括数据剖析、规则定义、清洗转换、验证监控等，确保数据的可用性。 实时数据流处理： 对于需要即时响应的业务场景（如欺诈检测、个性化推荐），如何构建实时数据管道，处理高速、海量的数据流，将是本书的重点之一。 2.2 数据治理与生命周期管理：保障数据的安全与可信 高质量数据并非一劳永逸，其价值的持续释放离不开有效的数据治理。本书将把数据治理提升到战略高度，而非仅仅是技术部门的职责。我们将深入探讨： 数据所有权与责任： 明确各业务部门在数据生命周期中的角色与职责，建立清晰的数据所有权模型。 数据目录与元数据管理： 如何构建一个统一、可搜索、易于理解的数据目录，让用户能够快速发现、理解和访问所需数据？这部分将详细介绍元数据采集、管理、发布的全过程。 数据安全与隐私保护： 在合规性日益严格的今天，数据安全和隐私保护是数据资产化的生命线。本书将讲解访问控制、加密、脱敏、审计等关键技术和策略，并结合GDPR、CCPA等数据隐私法规，指导读者如何构建安全可信的数据环境。 数据生命周期管理： 从数据的创建、使用、存储、归档到最终的销毁，每一个环节都需要精细化管理，以降低成本、提高效率并符合合规要求。 2.3 数据模型与架构：构建灵活高效的数据平台 高效的数据访问和分析依赖于合理的数据模型和架构。本书将介绍： 关系型数据库、NoSQL数据库、数据仓库、数据湖、湖仓一体等不同数据存储和管理技术的原理、优劣势以及适用场景。 数据建模技术：如范式建模、维度建模、数据网格等，如何构建能够满足多样化业务需求的数据模型。 云原生数据架构： 如何利用云平台的弹性、可扩展性和服务能力，构建敏捷、可维护、成本效益高的数据平台。 2.4 数据分析与挖掘：从数据中发现洞察 这是数据资产化价值的核心体现。本书将超越基础的统计分析，深入探讨： 描述性分析、诊断性分析、预测性分析、规范性分析：不同层级的分析能力如何帮助组织理解过去、诊断问题、预测未来并指导行动。 机器学习与人工智能在数据分析中的应用： 如何利用监督学习、无监督学习、深度学习等技术，实现用户画像、精准营销、风险预警、异常检测、智能推荐等高级分析。 数据可视化与故事讲述： 如何将复杂的分析结果以直观、易懂的可视化图表呈现，并能通过数据故事，将洞察有效地传达给决策者，驱动业务行动。 2.5 数据资产化商业化：驱动价值的实现 数据的价值最终体现在业务的增长和效率的提升。本书将重点阐述如何将数据转化为可衡量的业务价值： 内部价值挖掘： 提升运营效率： 如何通过数据分析优化供应链、预测设备故障、减少库存积压、提高生产力。 改进决策质量： 基于数据驱动的决策，如何降低试错成本，提高决策的精准度和成功率。 优化用户体验： 如何通过用户行为分析，提供个性化的产品和服务，增强用户粘性。 外部价值创造： 数据产品开发： 如何将经过提炼、加工、脱敏的数据，封装成数据服务、分析报告、行业洞察等产品，对外销售或提供增值服务。 数据驱动的创新： 如何利用数据发现市场空白、识别潜在需求，从而催生新的产品、服务甚至商业模式。 合作伙伴生态建设： 如何通过数据共享和联合分析，与合作伙伴共同创造价值，构建数据驱动的生态系统。 第三部分：数据资产化的保障——组织、人才与文化的重塑 技术和工具的引入固然重要，但最终的成功取决于人、组织和文化。本书的第三部分，将聚焦于如何构建一个支持数据资产化持续发展的环境。 3.1 构建数据驱动的组织文化 高层领导的承诺与垂范： 数据资产化必须得到最高管理层的全力支持，并成为组织战略的重中之重。 跨部门协作与沟通： 打破部门壁垒，建立数据相关的沟通机制和协作平台，促进信息共享和协同决策。 数据素养的普及与提升： 针对不同层级的员工，开展数据意识、数据分析工具使用、数据解读能力等方面的培训，提升全员数据素养。 激励机制的设计： 建立奖励和认可机制，鼓励员工积极参与数据资产的建设和应用，将数据贡献纳入绩效考核。 3.2 培养与引进数据人才 数据科学家、数据工程师、数据分析师、数据治理专员等核心数据岗位的需求分析与职责界定。 人才培养体系建设： 如何通过内部培训、外部合作、项目实践等方式，系统性地培养组织内部的数据人才。 吸引与留住顶尖数据人才： 了解数据人才的职业发展期望，提供有竞争力的薪酬福利和富有挑战性的工作环境。 赋能业务人员： 通过低代码/无代码数据分析工具、自助式BI平台等，让业务人员也能便捷地进行数据探索和分析，成为“公民数据科学家”。 3.3 建立持续改进的数据资产管理体系 度量与评估： 如何量化数据资产的价值？本书将介绍数据资产评估模型、ROI计算方法等，以证明数据资产化的投入产出比。 持续优化与迭代： 数据环境和业务需求都在不断变化，数据资产管理体系也需要持续监控、评估和优化，以适应新的挑战和机遇。 技术演进与前瞻： 关注大数据、人工智能、云计算等前沿技术的发展，并评估其对数据资产管理带来的影响和机遇。 结语：拥抱数据，驱动未来 《数据资产管理》一书，旨在为每一个渴望在数字时代乘风破浪的组织提供一份详实、系统、可操作的行动指南。它所描绘的，是一个由数据驱动、价值驱动、创新驱动的未来。通过深入理解和实践本书中的理念与方法，组织将能够真正解锁数据的潜能，将其转化为驱动自身持续增长和保持竞争优势的强大引擎。这不仅仅是一次技术上的升级，更是一次思维方式和运营模式的深刻变革，一次面向未来的战略投资。

评分☆☆☆☆☆

读了关于《数据资产管理》的介绍，我立刻被它的前瞻性所吸引。在当下这个信息爆炸的时代，企业拥有的数据量呈指数级增长，如何有效的管理这些数据，并将其转化为实实在在的价值，已经成为企业生存和发展的关键。这本书似乎正好解决了这个痛点。我非常期待它能为我解答以下几个问题：首先，它会如何定义“数据资产”？是仅仅指原始数据，还是包含了经过处理、分析和洞察后的数据产品？其次，书中会提供哪些具体的框架和方法论，来帮助企业建立完善的数据资产管理体系？这是否包括了数据采集、存储、处理、分析、应用以及退役的全生命周期管理？我尤其关注的是，它会如何指导企业进行数据资产的价值评估和投资回报分析。毕竟，没有价值衡量的管理，很容易流于形式。另外，书中是否会涉及到数据安全和隐私保护在数据资产管理中的重要性？这在当前越来越严格的法规环境下，是企业不可忽视的一环。总而言之，我希望这本书能够为我提供一套系统性的、可操作的指南，帮助我将企业的数据资源，真正地转化为能够驱动业务增长和提升核心竞争力的宝贵资产。

评分☆☆☆☆☆

关于《数据资产管理》这本书的标题，就足以点燃我探索的兴趣。在信息技术飞速发展的今天，数据早已超越了单纯的信息载体，而成为了企业最重要的战略资源，甚至可以说是“数字黄金”。这本书的出现，无疑是应运而生。我迫切想知道，书中是否会详细阐述如何构建一个全面、高效的数据资产管理体系？这个体系的核心要素包括哪些，例如元数据管理、数据质量保障、数据安全策略、数据生命周期管理等等。同时，我也非常好奇，书中会如何指导企业对数据资产进行价值评估和定价？是基于成本、市场价值，还是基于其为企业带来的潜在收益？一个成熟的数据资产管理框架，必然需要考虑如何将数据资产与企业的业务目标深度融合，并通过数据驱动的决策来提升运营效率、优化产品服务，甚至催生新的商业模式。我希望能从书中找到关于如何实现这一目标的具体实践方法和成功案例，以便我的企业能够更好地理解和运用自身的数据资产，从而在激烈的市场竞争中脱颖而出，实现可持续发展。

评分☆☆☆☆☆

一本关于数据管理，尤其是侧重于“资产”这个概念的书，听起来就很有吸引力。现在大数据时代，数据早已不是简单的信息堆砌，而是企业重要的无形资产。这本书的出现，无疑为那些想要真正理解和利用自身数据价值的读者提供了一个绝佳的切入点。我尤其期待它能深入探讨如何将数据从“成本中心”转化为“利润中心”，以及在实际操作层面，如何建立一套行之有效的度量和评估体系，来量化数据的资产价值。书中是否会涉及数据治理、数据安全、数据质量等基础但至关重要的环节，并且是如何将这些基础工作融入到资产化管理的框架中，是我非常好奇的部分。一本好的关于数据资产管理的书，应该能帮助读者理解数据在企业战略中的核心地位，并提供可操作的指导，比如如何构建数据资产目录，如何进行数据生命周期管理，以及如何通过数据资产的创新应用来驱动业务增长。我希望这本书不仅仅是理论的堆砌，更能提供一些真实的案例分析，展示成功的数据资产管理实践是如何为企业带来切实的商业回报的。如果书中能包含一些关于数据人才培养和组织架构调整的建议，那将更是锦上添花了。毕竟，再好的管理框架，也需要与之匹配的人才和组织来支撑。

评分☆☆☆☆☆

这本书的视角让我眼前一亮。大多数关于数据的书籍，要么聚焦于技术实现，要么停留在概念层面，而这本《数据资产管理》似乎触及了一个更深层次的商业价值问题。我非常想知道，作者是如何将抽象的数据概念，转化为可量化的“资产”的。这其中涉及到的估值模型、投资回报分析、风险管理策略，应该是本书的核心看点。我脑海中浮现出无数关于如何利用数据进行精细化运营、个性化营销、产品创新，最终提升企业竞争力的场景，而这本书，或许就能提供一条清晰的路径。我希望书中能够深入剖析企业在推进数据资产化过程中可能遇到的挑战，比如文化阻力、技术壁垒、法规遵从等，并提供切实可行的解决方案。更重要的是，我期待它能够引导读者思考，如何建立一套动态的数据资产价值评估和优化机制，确保数据资产能够持续地为企业创造价值，而不是成为闲置的资源。这本书的价值，不在于告诉你“有多少数据”，而在于告诉你“你的数据值多少钱”，以及“如何让这些钱不断增长”。

评分☆☆☆☆☆

当看到《数据资产管理》这个书名时，我便感到一种强烈的共鸣。在如今这个被数据洪流席卷的时代，企业往往沉浸在海量数据的收集和存储中，却鲜少深入思考如何将这些数据转化为真正的、可增值的资产。这本书似乎正是一把钥匙，能够开启这扇通往数据价值的门。我特别期待书中能够详尽地阐述，如何为数据建立清晰的“所有权”和“使用权”界定，以及如何进行有效的“数据资产盘点”和“价值评估”。这其中必然涉及到一套科学的评估体系，能够量化数据的经济价值和战略价值。此外，书中是否会探讨如何构建一个 robust 的数据治理框架，以确保数据的合规性、安全性和高质量，从而为数据资产的保值增值奠定坚实的基础？我非常希望它能提供一些实际操作层面的指导，例如如何设计数据资产的生命周期管理流程，以及如何通过数据资产的创新应用来驱动业务增长和提升客户体验。这本书，在我看来，不应仅仅是一本理论著作，更应该是一本能够指导企业实践、解决实际问题的操作手册。