DataOps實踐手冊：敏捷精益的數(shù)據(jù)運營

定　價：￥99.00

作　者：	[美] 哈文德·阿特瓦爾（Harvinder Atwal）著，馬歡等譯
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111716068	出版時間：	2022-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	207	字數(shù)：

內容簡介

　　數(shù)據(jù)運營是指通過數(shù)據(jù)來分析和解決問題，利用各種數(shù)據(jù)科學技術挖掘數(shù)據(jù)價值，幫助企業(yè)優(yōu)化業(yè)務管理和提升決策效率。隨著我國數(shù)字化轉型的深入，傳統(tǒng)基于項目、人工處理的各類數(shù)據(jù)運營活動已經無法滿足業(yè)務發(fā)展要求。集合了敏捷開發(fā)、精益制造以及DevOps理念的DataOps因此順勢而生，并且受到了業(yè)界的廣泛關注。本書總結了作者25年的行業(yè)經驗和對DataOps的認知，從當前數(shù)據(jù)科學交付面臨哪些挑戰(zhàn)、什么是DataOps、通過哪些手段可以建立對數(shù)據(jù)的信任，以及如何實現(xiàn)DataOps目標和成功實施DataOps幾個方面進行了系統(tǒng)的闡述。本書適合參與數(shù)字化轉型的各類角色人員學習，尤其有助于數(shù)據(jù)科學高級管理崗位的專業(yè)人士開拓視野、提升領導力。

作者簡介

　　馬歡，本科畢業(yè)于同濟大學，后獲得上海交通大學工學碩士學位。從開發(fā)工程師做起，擔任過系統(tǒng)分析師、系統(tǒng)架構師、項目經理等角色。具有20多年的信息系統(tǒng)開發(fā)設計經驗，曾經兩次獲得部級科技發(fā)展獎項。主持翻譯了《DAMA-DMBOK數(shù)據(jù)管理知識體系指南》系列等專業(yè)書籍，作為骨干編委參與編寫《國際數(shù)據(jù)之都——上海城市數(shù)字化轉型市民手冊》，此外還翻譯了《首席數(shù)據(jù)官管理手冊：建立并運行組織的數(shù)據(jù)供應鏈》《區(qū)塊鏈重構規(guī)則》《數(shù)據(jù)與現(xiàn)實》《星型模型》等多本譯著。2011年首次把數(shù)據(jù)管理專業(yè)認證CDMP引入中國，并獲得CDMP大師級認證，主理的“DAMA數(shù)據(jù)管理”是國內最活躍的專業(yè)社區(qū)之一。本書翻譯組：組長馬歡《DAMA數(shù)據(jù)管理知識體系指南》系列、《首席數(shù)據(jù)官管理手冊：建立并運行組織的數(shù)據(jù)供應鏈》主譯者組員（按姓氏筆畫排序）馬虎山上海市海促會浦江學術委員會高級研究員數(shù)據(jù)管理專家王彪北京天融信科技有限公司數(shù)據(jù)安全治理專家王曉萍上海市海促會浦江學術委員會高級研究員數(shù)據(jù)管理專家石秀峰用友網(wǎng)絡科技股份有限公司數(shù)據(jù)管理專家史凱精益數(shù)據(jù)方法論創(chuàng)始人《精益數(shù)據(jù)方法論》作者李燕東北證券股份有限公司數(shù)據(jù)治理負責人趙后鈺國際商業(yè)機器全球服務（大連）有限公司咨詢經理胡剛上海逸迅信息科技有限公司CTO數(shù)據(jù)管理專家郭媛上海市海外經濟技術促進會秘書長唐超華為技術有限公司全球技術服務部數(shù)據(jù)管理專家常國珍 CDA數(shù)據(jù)科學研究院院長彭云南方電網(wǎng)數(shù)字電網(wǎng)集團有限公司高級工程師數(shù)據(jù)管理專家

圖書目錄

譯者序
前言
第1部分入門
第1章數(shù)據(jù)科學中的問題
   有問題嗎？
        現(xiàn)實
        數(shù)據(jù)價值
        技術、軟件和算法
        數(shù)據(jù)科學家
        數(shù)據(jù)科學過程
        組織文化
   知識鴻溝
        數(shù)據(jù)科學家的知識鴻溝
        IT知識鴻溝
        技術知識鴻溝
        領導力知識鴻溝
        數(shù)據(jù)素養(yǎng)鴻溝
        缺乏支持
        教育和文化
        不明確的目標
        留給數(shù)據(jù)科學家來弄清楚
   總結
   尾注

第2章數(shù)據(jù)戰(zhàn)略
   我們?yōu)槭裁葱枰碌臄?shù)據(jù)戰(zhàn)略
        數(shù)據(jù)已不再屬于IT
        數(shù)據(jù)戰(zhàn)略的范圍
        戰(zhàn)略時間跨度
        戰(zhàn)略發(fā)起人
        從識別現(xiàn)狀開始
        組織方面
        人員方面
        技術方面
        流程方面
        數(shù)據(jù)資產方面
   識別分析用例
        使命、愿景和KPI
        構思——我們能做些什么?
   數(shù)據(jù)生命周期的基準能力
        差距分析——需要改變什么?
        定義數(shù)據(jù)戰(zhàn)略目標——我們需要
        從哪里開始?
   交付數(shù)據(jù)戰(zhàn)略
        定義數(shù)據(jù)戰(zhàn)略舉措——我們如何
        實現(xiàn)目標?
        制定執(zhí)行和度量計劃——如何
        知道進度?
   總結
   尾注

第2部分邁向數(shù)據(jù)運營
第3章精益思維
   精益思維簡介
        豐田的起源
        精益軟件開發(fā)
        精益產品開發(fā)
   精益思維和數(shù)據(jù)分析
        識別浪費
        價值流圖
        快速交付
        拉動式系統(tǒng)
        看到整體
        根因分析
   總結
   尾注

第4章敏捷協(xié)作
   為什么選擇敏捷？
        瀑布式項目管理
        敏捷價值觀
   敏捷框架
        Scrum
        XP及 Scrum/XP 混合
        看板方法
        Scrumban
   大規(guī)模敏捷
        SoS
        規(guī)范敏捷交付
        規(guī)?；艚菘蚣?br />   DataOps的敏捷
        DataOps宣言
        DataOps原則
        數(shù)據(jù)科學生命周期
   敏捷DataOps 實踐
        構思
        準備
        研發(fā)
        過渡/生產
   總結
   尾注

第5章構建反饋和度量
   系統(tǒng)思維
        持續(xù)改進
        反饋循環(huán)
   團隊健康
        回顧
        健康檢查
        海星回顧
        帆船回顧
        事前檢驗
   服務交付
        服務交付審查會議
        改進服務交付
   產品健康
        數(shù)據(jù)產品監(jiān)控的KPI
        監(jiān)控
        概念漂移
   產品效益
        效益度量
        效益度量的挑戰(zhàn)
        A/B測試和度量的替代方案
        指標的挑戰(zhàn)
   總結
   尾注

第3部分進一步措施
第6章建立信任
   信任擁有數(shù)據(jù)和系統(tǒng)的人
        訪問和供應數(shù)據(jù)
        數(shù)據(jù)安全和隱私
        資源利用率監(jiān)控
   人們可以信任數(shù)據(jù)
        元數(shù)據(jù)
        加標簽
        采集過程中的信任
        數(shù)據(jù)質量評估
        數(shù)據(jù)清理
        數(shù)據(jù)血緣
        數(shù)據(jù)發(fā)現(xiàn)
        數(shù)據(jù)治理
   總結
   尾注

第7章面向 DataOps 的 DevOps
   開發(fā)和運營
        沖突
        打破螺旋
   持續(xù)交付的快速流程
        可重現(xiàn)的環(huán)境
        部署管道
        持續(xù)集成
        自動化測試
   部署和發(fā)布流程
        自動部署
        發(fā)布流程
        DevOps 度量
        審核流程
   數(shù)據(jù)分析的DevOps
        數(shù)據(jù)沖突
        數(shù)據(jù)管道環(huán)境
        數(shù)據(jù)管道編排
        數(shù)據(jù)管道持續(xù)集成
        簡化和重用
   MLOps 和 AIOps
        機器學習模型開發(fā)
        機器學習模型投產
   總結
   尾注

第8章 DataOps 組織
   團隊結構
       面向職能的團隊
        面向領域的團隊
        新技能矩陣
        核心角色
        支持角色
        團隊不需要“I型人”
   優(yōu)化團隊
        溝通渠道和團隊規(guī)模
        產品型而非項目型
        辦公位置
   匯報關系
        數(shù)據(jù)平臺管理
        跨職能角色
   總結
   尾注

第4部分自服務組織
第9章 DataOps 技術
   基于DataOps的價值和原則選擇
        工具
        調整脊椎模型
        對實踐和工具的影響
   DataOps技術生態(tài)系統(tǒng)
        流水線
        數(shù)據(jù)集成
        數(shù)據(jù)準備
        流處理
        數(shù)據(jù)管理
        可重復性、部署、編排和監(jiān)控
        計算基礎設施和查詢執(zhí)行引擎
        數(shù)據(jù)存儲
        DataOps平臺
        數(shù)據(jù)分析工具
        挑戰(zhàn)
   建造vs購買
        擴展
        內部構建
        購買或租賃現(xiàn)成產品
        借用開源軟件
        擴建、構建、購買、出租或借用
        云原生架構
   不斷發(fā)展的技術棧
        Wardley地圖
        使用Wardley地圖
        技術雷達
   總結
   尾注

第10章 DataOps工廠
   第一步
        從數(shù)據(jù)戰(zhàn)略開始
        領導力
   最小可行的DataOps
        第一個方案
        度量
        第一個DataOps團隊
   跨團隊擴展
        達到臨界點
        團隊協(xié)調
        文化
        數(shù)據(jù)治理
   擴展
        成功的組織
        集中化平臺
        全局自動化
        提供自助服務
   總結
尾注