第1章  数据中台：是虚火还是趋势
  1.1  数据中台是什么
  1.2  为什么互联网巨头都在为数据中台背书
    1.2.1  数字经济占经济的比重越来越大
    1.2.2  数据中台助力互联网独角兽企业的发展
    1.2.3  数据中台将支撑智能商业生态的数据应用
  1.3  数字化转型中最亮的那颗星
    1.3.1  数字化转型的成功实践
    1.3.2  不是数据中台不行，是建设方法不对
    1.3.3  数字化转型和数据中台建设面临的四大困局
  1.4  建好数据中台的四个前提
    1.4.1  具备业务、数据、技术相融合的新思维
    1.4.2  找到高价值的业务场景
    1.4.3  拥有高质量的数据
    1.4.4  理解数据中台的能力
第2章  看透数据中台架构
  2.1  数据采集类似于商品进货
    2.1.1  数据按结构分类
    2.1.2  数据按时效性分类
    2.1.3  理解数据中台的运作过程
  2.2  数据存储类似于门店后仓
    2.2.1  数据类型
    2.2.2  数据来源
  2.3  数据开发类似于商品补货和生鲜加工
    2.3.1  离线开发
    2.3.2  实时开发
  2.4  数据治理类似于商品陈列与标识
    2.4.1  按数据治理范围分类
    2.4.2  数据中台中各环节的治理工作
  2.5  数据标签类似于卖场销售经验
    2.5.1  基础标签
    2.5.2  衍生标签
  2.6  数据安全类似于超市安保
  2.7  数据服务类似于超市服务
    2.7.1  直连式服务
    2.7.2  间接式服务
  2.8  平台运维类似于超市运营管理
    2.8.1  数据采集运维与数据储存运维
    2.8.2  平台安全运维
第3章  数据中台建设：从方法论到实践
  3.1  传统IT规划转变为数据应用规划
    3.1.1  企业IT规划的三个阶段
    3.1.2  信息化建设面临的问题
  3.2  数据应用规划与传统IT规划的比较
    3.2.1  流程建设方面
    3.2.2  结构化数据方面
    3.2.3  半结构化数据和非结构化数据方面
    3.2.4  数据应用规划方面
    3.2.5  经验决策方面
  3.3  数据应用规划的六大要点
    3.3.1  高价值业务场景
    3.3.2  管理对象的数字孪生
    3.3.3  沉淀管理与业务信息
    3.3.4  承载企业大数据的技术架构
    3.3.5  数据质量管理与数据安全管理
    3.3.6  采用混合交付实现信息化向数字化转型
  3.4  七步成诗：元年科技数据中台建设方法
第4章  数据中台：企业经营的全面“赋能官”
  4.1  数字技术与管理需求
    4.1.1  数据赋能一线人员
    4.1.2  数据赋能经营管理
  4.2  数据赋予业务经营超能力
    4.2.1  经营方面
    4.2.2  业务实施方面
  4.3  数据赋能企业经营管理环节闭环
    4.3.1  全面预算管理
    4.3.2  成本管理
    4.3.3  管理会计报告
  4.4  数据赋能企业价值链
    4.4.1  采购环节
    4.4.2  生产环节
    4.4.3  营销环节
  4.5  数据赋能产业平台升级
    4.5.1  工业互联网
    4.5.2  农业
    4.5.3  新零售
第5章  数据架构：统一才是大势所趋
  5.1  VUCA时代的业务诉求与目标
    5.1.1  时代变化节奏加快，企业的精准预测能力需提升
    5.1.2  数据协同度不高，信息化建设需加强
    5.1.3  积极进行企业的数字化转型
  5.2  数据架构
    5.2.1  什么是数据架构
    5.2.2  数据架构在企业架构中的地位
    5.2.3  数据架构的特点
  5.3  数据架构是业务的黏合剂
    5.3.1  数据架构是完成数字化转型的关键因素
    5.3.2  数据架构对企业内部经营管理的重要作用
    5.3.3  数据架构助力企业内、外部协同合作
  5.4  数据架构落地的五个关键点
    5.4.1  数据架构规划
    5.4.2  数据架构设计
    5.4.3  组织保障
    5.4.4  制度流程制定
    5.4.5  数据架构相关软件选择
第6章  数据治理是一座高质量的金矿
  6.1  数据清洗后才能用
    6.1.1  数据治理的发展
    6.1.2  未清洗的数据可能存在的问题
    6.1.3  企业进行数据治理的目标
  6.2  数据治理都治什么
    6.2.1  理解数据治理的相关概念
    6.2.2  数据治理的概念
    6.2.3  数据治理的详细分类
  6.3  数据治理解放了谁的时间
    6.3.1  高效展开跨部门协同作业
    6.3.2  精准实施客户营销
    6.3.3  提升数据加工效率
    6.3.4  增强各级人员洞察业务的能力
    6.3.5  增强多级穿透和业务追溯的信服力
  6.4  数据治理和数据中台的关联
    6.4.1  数据采集与数据架构
    6.4.2  数据开发
    6.4.3  确保数据被合法合规使用
  6.5  一步到位的数据治理体系
    6.5.1  数据治理体系咨询的总体方法
    6.5.2  第一阶段工作：数据治理的现状评估
    6.5.3  第二阶段工作：组织架构与制度流程的搭建，责任体系与数据质量、数据标准规划与设计
    6.5.4  第三阶段工作：系统规划与推广
  6.6  别做无用功
    6.6.1  数据治理效果的评估模型、数据战略评估、数据治理评估
    6.6.2  数据架构、数据应用、数据安全的评估
    6.6.3  数据质量、数据标准、数据生命周期的评估
第7章  源源不断的数据之泉
  7.1  无死角的数据采集
    7.1.1  数据采集的高质量要求
    7.1.2  量化决策能力的提升
  7.2  数据采集：数字时代的掘金者
    7.2.1  数据的分类
    7.2.2  数据库分类
  7.3  企业价值链中的数据采集
    7.3.1  内部价值链
    7.3.2  外部价值链
  7.4  数据采集是数据中台的运输队
  7.5  数据采集的具体方法
    7.5.1  数据源链接的建立与埋点设计
    7.5.2  数据采集同步
    7.5.3  数据采集同步策略
    7.5.4  运营与监测
  7.6  评价所采集数据的质量
第8章  从0到1的数据开发
  8.1  人找数，还是数找人
    8.1.1  数据开发的现状与瓶颈
    8.1.2  数据开发的目标
  8.2  数据开发到底是什么
    8.2.1  数仓分层
    8.2.2  事实、维度、模型
    8.2.3  数据开发类型
  8.3  跃然“网”上的业务信息流
    8.3.1  优化业务流程、权责界面和管控点
    8.3.2  整合和加工各类数据
    8.3.3  提升企业各方面的能力
    8.3.4  实时经营管控技术
  8.4  数据开发为数据中台挖掘有价值的数据
    8.4.1  生产有价值的数据
    8.4.2  数据价值的体现
  8.5  遵循数据架构规范的数据开发
    8.5.1  规划与设计
    8.5.2  开发与实施
    8.5.3  运营与运维
  8.6  数据开发成果的评价指标
    8.6.1  业务类指标
    8.6.2  数据类指标
    8.6.3  平台类指标
第9章  让算法模型做经营决策的智慧大脑
  9.1  用算法模型代替“四拍”
    9.1.1  算法模型为何好
    9.1.2  将数据价值逐步沉淀到数据平台
  9.2  算法模型是客观世界的数学抽象
  9.3  算法模型打造敏捷的决策支持体系
    9.3.1  企业战略与决策
    9.3.2  企业经营的各环节
    9.3.3  全面优化企业的各项流程
  9.4  算法模型是数据中台的首席服务官
    9.4.1  不同业务场景下的服务能力
    9.4.2  各模块调用算法模型层配合作业
  9.5  构建算法模型的八个步骤
  9.6  算法模型成果评价的五个维度
第10章  为数据打个标签
  10.1  从业务数据到数据标签
    10.1.1  面向业务主题分析的数据应用已经不能满足数字经济时代的数据应用需求
    10.1.2  外部环境快速变化提高了对业务动态监控的要求
    10.1.3  数字经济时代要求挖掘非结构化数据的价值
    10.1.4  数字经济的发展要求新的数据汇总、展现方式
    10.1.5  数字技术的发展要求新的数据加工与整合方式
  10.2  摆脱数据负累的包袱
    10.2.1  标签的分类
    10.2.2  制定标签的标准
  10.3  数据标签是数据中台的得力助手
    10.3.1  生成精准化标签的依据
    10.3.2  决定标签质量的因素
  10.4  数据标签是业务分析与优化的有力抓手
    10.4.1  数据标签在精准营销中的应用
    10.4.2  数据标签在生产管理中的应用
    10.4.3  数据标签在采购优化中的作用
    10.4.4  数据标签在舆情监控中的作用
    10.4.5  数据标签在资产管理中的作用
    10.4.6  数据标签在审计中的应用
第11章  在安全的数据世界里徜徉
  11.1  数据泄露问题不可小觑
    11.1.1  对国家层面的影响
    11.1.2  对社会层面的影响
    11.1.3  对个人层面影响
    11.1.4  对企业层面的影响
  11.2  数据安全定义及相关概念
    11.2.1  数据安全的定义与目标
    11.2.2  数据安全的相关概念
    11.2.3  数据安全的类型
    11.2.4  数据安全能力成熟度模型
  11.3  数据安全是数据中台的数据安保官
    11.3.1  利用数据安全技术可以监管数据采集过程是否合规
    11.3.2  数据安全是数据存储、数据传输的必备能力
    11.3.3  数据安全是数据处理、数据销毁过程要考虑的基础要素
  11.4  数据安全是企业业务增长的砝码
    11.4.1  从企业风险的角度来看
    11.4.2  从保障业务增长来看
  11.5  实现数据安全的三部曲
    11.5.1  数据安全实现的能力要求
    11.5.2  数据安全管理的实现过程
    11.5.3  数据安全实现度量指标
第12章  别让迟滞的数据服务蒙住了眼
  12.1  把数据变成一种服务能力
    12.1.1  需要避免共享数据不一致的问题
    12.1.2  快速响应能力需要加强
    12.1.3  数据安全防护能力需要提升
    12.1.4  数据服务能力助力全链条发挥价值
  12.2  可视化、零代码的全周期数据服务
    12.2.1  数据服务分类
    12.2.2  数据服务的管理方式分类
  12.3  利用数据服务破解冷链企业找不到货的难题
    12.3.1  数据的可视化配置
    12.3.2  数据的实施推送
    12.3.3  统一的数据服务窗口
    12.3.4  安全与审计机制
  12.4  数据服务模块是数据中台的外交官
    12.4.1  数据服务模块的桥梁作用
    12.4.2  各个模块如何为外交官助力
  12.5  数据服务模块的建设之道
    12.5.1  开发与实施
    12.5.2  运营与运维
  12.6  数据服务成果评价的三大指标
    12.6.1  响应时间
    12.6.2  安全性
    12.6.3  便利性
第13章  数据智能技术让数据“能推理、会决策”
  13.1  数据智能技术已进入高光时刻
    13.1.1  让数据智能化的技术
    13.1.2  数据智能的历史回眸
    13.1.3  数据智能什么时候取代人类
  13.2  从计算智能、感知智能到认知智能
    13.2.1  数据智能技术体系发展的现状
    13.2.2  AI在产业结构上的划分与应用
    13.2.3  AI+BI：一种高效的数据智能模式
  13.3  赢在数据智能技术
    13.3.1  数据时代带来的挑战和机遇：焦虑和红利
    13.3.2  数据价值率不高，亟待深度开发AI+BI
    13.3.3  人工智能技术如何帮助企业提炼数据价值
  13.4  未来的数据智能技术
    13.4.1  数据智能技术面临的难题
    13.4.2  畅想数据智能的发展应用
    13.4.3  技术在迭代，企业怎样才能不被落下
第14章  智慧经营打破理想与现实之间的壁垒
  14.1  当智慧经营照进企业现实
    14.1.1  企业经营管理的技术现状
    14.1.2  智慧经营中存在的问题
  14.2  用“4+1”破解智慧经营迷雾
    14.2.1  什么才算是智慧经营
    14.2.2  数智运营中心支撑企业智慧经营
    14.2.3  智慧经营的应用场景
  14.3  没有数据中台，智慧经营无异于纸上谈兵
    14.3.1  数据是智慧经营的基本生产要素
    14.3.2  算法模型是智慧经营的核心生产力
    14.3.3  智能应用是实现智慧经营的主要工具
    14.3.4  人才是智慧经营的重要保障
  14.4  智慧经营之路案例
    14.4.1  智慧经营之路案例：T公司的放手一搏
    14.4.2  智慧经营之路案例：数据智能经营分析助手