[套装书]华为数据之道+中台实践：数字化转型方法论与解决方案+数据即未来：大数据王者之道（3册）

.

中台是企业数字化转型的关键支撑系统，它将企业的业务能力和数据服务中心化、平台化、共享化、协同化，帮助在瞬息万变的市场中降低试错成本，提高创新效率，以数据驱动运营的方式谋求业绩增长，最终实现成功数字化转型的目标。
本书是国内领先的中台服务提供商云徙科技为近百家头部企业提供中台服务和数字化转型指导的经验总结。主要讲解了如下4个方面的内容：
第一，中台如何帮助企业让数字化转型落地，以及中台在资源整合、业务创新、数据闭环、应用移植、组织演进 5 个方面为企业带来的价值；
第二，业务中台、数据中台、技术平台这3大平台的建设内容、策略和方法；
第三，中台如何驱动新地产、新汽车、新直销、新零售、新渠道5大行业和领域实现数字化转型，给出了成熟的解决方案（实现目标、解决方案和实现路径）和成功案例；
第四，开创性地提出了“软件定义中台”的思想，通过对中台的进化历程和未来演进方向的阐述，帮助读者更深入地理解中台并明确未来的行动方向。
中台是企业数字化转型的技术底座，它将加速企业数字化转型的进程，让企业真正实现数据驱动运营，在实现业绩增长的同时打造极致的用户体验。


---------------------------数据即未来：大数据王者之道---------------------------


数据科学项目的生命周期
本书围绕着数据科学项目的三个阶段组织：
第一阶段是准备，把时间和精力花在项目初期的信息收集上，以避免事后的麻烦。
第二阶段是构建，利用在准备阶段所获得的信息，以及统计和软件可提供的所有工具构建产品，把计划付诸行动。
第三阶段是完成，交付产品、获得反馈、进行修改、支持产品和结束项目。

作者布瑞恩·戈德西结合自己的亲身经历，讲述了数据科学从项目准备、解决方案构建到项目交付的全部过程，并以案例的形式深入浅出地讲解了在开展数据科学项目的过程中可能遇到的各种问题，循序渐进地教你解决现实世界中以数据为中心的问题。在阅读本书时，你会发现或掌握有价值的统计技术，并探索强大的数据科学软件。更重要的是，你将使用结构化的数据过程来集成这些知识。完成了这个过程，你便为终身学习和实践数据科学奠定了坚实的基础。

.
陈新宇 罗家鹰 江威 邓通 等著：云徙科技
国内领先的数字中台服务商，以“业务+数据”双中台为核心技术，驱动企业数字化转型，助力业务持续增长。公司在杭州、广州设立研发中心，公司现有员工800＋，其中技术团队占公司人数80%以上，具有强大的研发和创新能力。
聚焦消费品、地产、汽车等行业，提供业务中台、数据中台、数字营销云等中台系统与数字商业云服务。目前已为海尔集团、创维集团、蒙牛集团、天友乳业、宝洁中国、如新中国、完美中国、良品铺子、中铁建、碧桂园、恒大、创维、恒大、上汽，广汽、碧桂园、良品铺子、长安福特、长安汽车等国内外一流企业成功实践数字化转型与商业创新提供解决方案和实践指导。
已获得中金资本、元禾重元、红杉资本中国基金、云锋基金、银杏谷资本等国际一流基金战略投资。作为阿里云智能生态核心伙伴，阿里ONE商业新零售数字化服务商，以引领企业数字化创新为使命，携手阿里云共同推进企业数字化转型与商业创新。


陈新宇
云徙科技联合创始人兼首席架构师，中国软件行业协会应用软件产品云服务分会“数字企业中台应用专家顾问团”副主任专家，香港中文大学计算机科学与工程学博士，领导云徙科技数字中台系统的规划、建设并赋能企业落地实施。曾负责并参与大型企业管理软件基础架构和开发平台的设计与研发。此外，还曾参与数据库的自然语言交互、分布式系统、软件可靠性等多项学术性研究项目。



---------------------------数据即未来：大数据王者之道---------------------------


作者简介
布瑞恩·戈德西（Brian Godsey）在加入以数据为中心的初创企业之前，布瑞恩·戈德西博士在学术界和政府机构有近十年的工作经验，曾经把数学和统计学应用到诸如生物信息、金融和国防等领域。他还在巴尔的摩领导过当地的一家数据创业公司，并伴随着企业从种子基金成长到A轮融资，亲眼目睹产品从原型发展到生产版本，此前他曾在Unoceros和Panopticon实验室两家初创公司任职，帮助它们推出了以数据为中心的产品。

译者简介
陈斌（Chuck Chen）现任易宝CTO。1989年获得吉林大学硕士学位；1992年任新加坡航空公司高级系统分析师；1999年投身于硅谷互联网技术发展浪潮，曾任日立美国系统集成总监，Abacus首席架构师和Nokia美国首席工程师；2008年任eBay资深架构师，负责移动应用的架构设计。丰富的海外经历，多年的架构经验，深谙移动互联网对传统行业的影响；2014年再次投身易宝，提出大、平、移、商的战略方针，全力推动移动互联网技术，引导行业变革。

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



---------------------------中台实践：数字化转型方法论与解决方案---------------------------


作者简介
前言
第一部分　数智化转型与中台落地路径
第1章　数智化转型
1.1　数字化和智能化浪潮2
1.1.1　数智化领域4
1.1.2　数智化思维8
1.2　数智化转型路径9
1.2.1　关键路径10
1.2.2　数字化营销是切入点12
1.3　数字中台是企业应用新基建13
1.3.1　什么是数字中台14
1.3.2　数字中台是新基建16
1.4　软件定义中台17
1.4.1　软件定义中台的组成18
1.4.2　软件定义中台的6大特性21
第2章　业务和数据深度融合的中台价值
2.1　整合企业数字能力26
2.1.1　企业数字能力快速有效整合26
2.1.2　企业“共性”数字能力的沉淀、组装和共享27
2.1.3　企业上下游数字能力全链路拉通和赋能28
2.2　提效企业业务创新29
2.2.1　助力业务规划29
2.2.2　提升业务实现效率30
2.2.3　推动新业务热启动30
2.3　打造企业业务和数据的闭环31
2.3.1　投入成本大幅度降低32
2.3.2　业务创新小闭环快速实现33
2.3.3　推动企业业务、数据、运营体系良性互动33
2.4　快速移植原有应用34
2.4.1　业务应用高效化移植34
2.4.2　业务数据无流失迁移35
2.4.3　业务系统无抖动切换36
2.5　推动企业组织演进37
2.5.1　组织形式演进37
2.5.2　组织动能聚变39
2.5.3　组织专业分工39
第3章　业务中台建设
3.1　什么是业务中台41
3.1.1　业务中台定义42
3.1.2　业务中台主要建设内容44
3.2　业务中台的架构设计与组成46
3.2.1　业务中台的核心架构47
3.2.2　业务中台体系内容48
3.3　业务中台构建策略50
3.3.1　领域驱动设计50
3.3.2　需求结构化57
3.3.3　能力可配置58
3.4　业务中台构建五步法59
3.4.1　高阶规划60
3.4.2　领域分析61
3.4.3　中心设计61
3.4.4　开发交付62
3.4.5　持续运营63
3.5　业务中台与其他系统的集成64
3.5.1　业务驱动集成64
3.5.2　集成策略66
3.6　业务与数据的联动69
第4章　数据中台建设
4.1　什么是数据中台72
4.1.1　数据中台定义72
4.1.2　数据中台价值75
4.2　数据中台的架构设计与组成77
4.2.1　数据中台功能架构77
4.2.2　数据中台技术架构85
4.3　数据中台构建策略88
4.3.1　构建数据中台的挑战88
4.3.2　数据中台的构建策略91
4.3.3　数据中台构建的三大路径92
4.4　数据中台构建五步法94
4.4.1　高阶规划95
4.4.2　系统设计99
4.4.3　开发实施110
4.4.4　试运行111
4.4.5　持续运营112
4.5　用数赋智，建设企业数智大脑114
4.5.1　营销域智能114
4.5.2　商品域智能115
4.5.3　门店域智能115
4.5.4　渠道域智能116
4.5.5　物流供应链域智能117
4.5.6　服务域智能117
第5章　技术平台建设
5.1　什么是技术平台119
5.1.1　技术平台的定义120
5.1.2　技术平台的7大价值121
5.2　技术平台的架构设计与组成126
5.2.1　技术平台概览126
5.2.2　研发协作平台126
5.2.3　低代码开发平台131
5.2.4　移动开发平台133
5.2.5　数据开发平台134
5.2.6　运维监管平台137
5.2.7　多云适配137
5.2.8　网关138
5.3　技术平台构建策略139
5.3.1　困难与挑战139
5.3.2　技术平台设计原则139
5.3.3　技术平台规划演进141
5.4　技术平台构建方法论142
5.4.1　选型142
5.4.2　边界确认142
5.4.3　平台化集成143
5.4.4　数据化支撑143
第二部分　解决方案与案例
第6章　新地产行业的中台实践
6.1　实现目标148
6.1.1　降本：以运营效率为核心，加速企业内部打通，构建自上而下的经营战略148
6.1.2　增效：以转化漏斗为核心，加速线上线下打通，构建持续成长的客户经营体系149
6.1.3　创新：以生态优势为核心，加速产品与服务打通，构建新的加速引擎151
6.2　解决方案153
6.2.1　地产数据中台解决方案153
6.2.2　地产泛会员运营解决方案164
6.2.3　多业态超级会员运营解决方案171
6.3　实现路径173
6.3.1　客户中台176
6.3.2　地产中台177
6.3.3　企业中台177
6.3.4　生态平台178
6.4　案例分析：A公司双中台—智慧交易的发动机179
6.4.1　项目背景180
6.4.2　痛点聚焦180
6.4.3　中台实施183
6.4.4　项目成果192
6.4.5　未来展望194
6.5　面临的挑战195
第7章　新汽车行业的中台实践
7.1　实现目标198
7.1.1　汽车行业数智化转型198
7.1.2　汽车新零售200
7.2　解决方案204
7.2.1　客户数据洞察解决方案206
7.2.2　数字营销解决方案206
7.2.3　DMS 4.0解决方案208
7.3　实现路径214
7.4　案例分析1：爱驰汽车的中台实践与数字化破局219
7.4.1　项目背景220
7.4.2　痛点聚焦221
7.4.3　建设中台224
7.4.4　产生价值231
7.5　案例分析2：长安福特的双中台实践与数字营销破局237
7.5.1　项目背景238
7.5.2　痛点聚焦238
7.5.3　中台实施240
7.5.4　产生价值248
7.5.5　最终效果251
7.6　面临的挑战256
7.6.1　新能源车企256
7.6.2　传统主机厂257
7.6.3　总结258
第8章　新直销行业的中台实践
8.1　实现目标261
8.1.1　开源：搭建线上交易平台，线上线下全渠道融合261
8.1.2　节流：应用信息技术，打造新工具，改善经营成本262
8.1.3　转型：面向未来，推动业务模式转型263
8.2　解决方案267
8.2.1　数智商城解决方案267
8.2.2　数智营销解决方案271
8.2.3　数智工具解决方案273
8.2.4　数智门店解决方案275
8.2.5　数智客服解决方案277
8.2.6　数智供应链解决方案279
8.2.7　数智直播解决方案281
8.2.8　数智社交解决方案284
8.3　实现路径286
8.3.1　直销电商化288
8.3.2　电商社交化289
8.3.3　直销零售化290
8.4　案例分析：直销巨头B公司的数字中台实践291
8.4.1　项目背景291
8.4.2　痛点聚焦292
8.4.3　中台实施294
8.4.4　产生价值303
8.5　面临的挑战308
8.5.1　管理的挑战308
8.5.2　商业逻辑的挑战308
8.5.3　商业模式融合的挑战309
8.5.4　内部组织的挑战309
8.5.5　企业日常运营的挑战310
第9章　新零售的中台实践
9.1　实现目标311
9.1.1　线上线下渠道全覆盖312
9.1.2　公域流量和私域流量统一运营314
9.1.3　线上线下多场景交互319
9.2　解决方案320
9.2.1　全域消费者运营解决方案321
9.2.2　新零售解决方案323
9.2.3　智能配补货解决方案325
9.2.4　渠道数字化解决方案327
9.3　实现路径330
9.3.1　消费者数字化4大阵地330
9.3.2　消费者数字化6个核心能力332
9.4　案例分析：良品铺子的业务中台实践338
9.4.1　公司背景339
9.4.2　痛点聚焦339
9.4.3　中台实施343
9.4.4　产生价值348
9.5　面临的挑战359
9.5.1　思维上的挑战359
9.5.2　商业逻辑上的挑战359
9.5.3　组织上的挑战359
第10章　新渠道的中台实践
10.1　实现目标362
10.1.1　产品和服务的升级与融合362
10.1.2　数字创新能力驱动363
10.2　解决方案365
10.2.1　总体业务蓝图365
10.2.2　全域营销触达，连接商户、赋能消费者的数字化运营367
10.2.3　线上线下一体化全渠道运营，促进高效转化372
10.2.4　智慧供应链服务377
10.2.5　数据赋能渠道商户智能化运营378
10.3　实现路径381
10.3.1　渠道数字化381
10.3.2　政策资源数字化381
10.3.3　供应链数字化381
10.3.4　消费者运营数字化382
10.4　案例分析：C公司的数字化闭环渠道链382
10.4.1　项目背景383
10.4.2　痛点聚焦385
10.4.3　中台实施386
10.4.4　产生价值397
10.5　面临的挑战400
10.5.1　业务模式变革的挑战400
10.5.2　运营组织中台化的挑战401
10.5.3　数字化运营能力的挑战401
第三部分　进化与未来
第11章　中台的进化与未来
11.1　这些都不是中台405
11.1.1　微服务化不是中台405
11.1.2　数据仓库不是中台406
11.2　中台的进化路径407
11.2.1　第一阶段：领域微服务化407
11.2.2　第二阶段：业务中台或数据中台409
11.2.3　第三阶段：业务中台+数据中台409
11.3　中台的未来：软件定义中台410



---------------------------数据即未来：大数据王者之道---------------------------


本书赞誉
中文版序一
中文版序二
译者序
前言
致谢
关于本书
关于原书封面插图
第一部分　准备和收集数据与知识
第1章　数据科学的逻辑 …… 2
1.1　数据科学与本书 …… 4
1.2　意识的可贵 …… 7
1.3　研发人员与数据科学家 …… 9
1.4　需要成为软件研发者吗 …… 12
1.5　需要明白统计学吗 …… 13
1.6　优先级：知识、技术、观点 …… 14
1.7　最佳实践 …… 17
1.8 阅读本书：我怎么讨论概念 …… 23
小结 …… 24
第2章　通过好的提问设置目标 …… 26
2.1聆听客户 …… 27
2.2提出关于数据的好问题 …… 37
2.3用数据回答问题 …… 42
2.4设定目标 …… 48
2.5计划要有弹性 …… 50
练习 …… 51
小结 …… 51
第3章　周围的数据：虚拟的荒野 …… 52
3.1数据作为研究对象 …… 52
3.2数据可能存在的地方，以及如何与之交互 …… 62
3.3数据侦察 …… 80
3.4案例：microRNA与基因表达 …… 89
练习 …… 94
小结 …… 95
第4章　数据整理：从捕捉到驯化 …… 96
4.1案例研究：最佳田径表演 …… 97
4.2准备整理数据 …… 101
4.3技巧与工具 …… 109
4.4常见的陷阱 …… 112
练习 …… 119
小结 …… 119
第5章　数据评估：动手检查 …… 120
5.1案例：安然的电子邮件数据 …… 121
5.2描述性统计 …… 123
5.3检查数据的假设 …… 130
5.4寻找特定的实体 …… 134
5.5大概的统计分析 …… 140
练习 …… 147
小结 …… 147
第二部分　构建软件和统计产品
第6章　制订计划 …… 150
6.1学到了什么 …… 152
6.2重新考虑期望和目标 …… 158
6.3规划 …… 164
6.4沟通新目标 …… 175
练习 …… 176
小结 …… 177
第7章　统计建模：概念与基础 …… 178
7.1如何看待统计 …… 179
7.2统计学：与数据科学相关的领域 …… 180
7.3数学 …… 184
7.4统计模型与推理 …… 194
7.5其他的统计方法 …… 218
练习 …… 227
小结 …… 227
第8章　软件：统计学在行动 …… 229
8.1电子表格和用户图形界面应用 …… 230
8.2编程 …… 239
8.3选择统计软件工具 …… 264
8.4把统计转换成软件 …… 271
练习 …… 277
小结 …… 278
第9章　辅助软件：更大、更快、更高效 …… 279
9.1数据库 …… 280
9.2高性能计算 …… 287
9.3云服务 …… 290
9.4大数据技术 …… 293
9.5XX即服务 …… 297
练习 …… 298
小结 …… 298
第10章　执行计划：汇总 …… 299
10.1执行计划的诀窍 …… 300
10.2修改计划 …… 308
10.3结果：知道什么时候足够好 …… 310
10.4案例研究：基因活性测定协议 …… 315
练习 …… 328
小结 …… 329
第三部分　整理产品结束项目
第11章　交付产品 …… 332
11.1了解客户 …… 333
11.2交付形式 …… 335
11.3内容 …… 345
11.4案例：分析电子游戏 …… 351
练习 …… 353
小结 …… 353
第12章　交付后：问题与修改 …… 354
12.1产品及其使用问题 …… 354
12.2反馈 …… 364
12.3产品修改 …… 370
练习 …… 377
小结 …… 378
第13章　结束：项目善后 …… 379
13.1项目善后 …… 380
13.2从项目中学习 …… 392
13.3展望未来 …… 396
练习 …… 398
小结 …… 399
练习：案例与答案 …… 400

.　　本书的写作目的来自内外两方面：首先，公司内部希望我们对数据工作进行系统的梳理总结，积累企业数字化转型的经验；其次，华为云和华为中国地区部也希望我们能够写本书，以便和客户分享华为数据治理的实践，输出数据驱动企业数字化转型的理念和方法。在此感谢陶景文、熊康、邓涛、洪方明、韩晓、苏立清等领导的建议、支持和指导。
　　本书的内容来自华为数据体系多年的工作实践，特别是最近几年在数字化转型方面的探索。公司数据治理的实践经验是在公司变革体系、质量运营体系、流程体系、IT和数据体系等各部门的共同努力下取得的。感谢郝健康、张印臣两位领导对数据体系建设的贡献！感谢数据体系的全体同人！感谢所有支持数据工作的同事！
　　感谢华为云殷宏、祝向党，华为大学陈小宇、蒋文俏以及胡小敏等人从读者视角对本书进行审视，并在编写过程中给予了我们很大的帮助。
　　数字化转型波澜壮阔，华为数据治理也历经十多年沉淀，成果丰富，本书呈现出来的内容实属挂一漏万，加上编写时间仓促，书中难免会出现一些失误或者不准确的地方，恳请读者批评指正。
　　华为公司数据管理部
　　
　　
　　---------------------------中台实践：数字化转型方法论与解决方案---------------------------
　　
　　
　　过去的一年里，我们走访了食品连锁、乳制品、酒水、医药健康、直销、3C、家电、地产、汽车、烟草等行业的一批头部客户，与他们研讨传统企业的数智化转型战略、组织变革、业务场景和技术路径，遇到的企业高管都表示希望看到《中台战略》一书的续作。面对汹涌而来的数智化浪潮，我们开始酝酿《中台实践》这本书，它将延续《中台战略》里对数字中台建设和数字营销赋能的解读，分享我们对数字中台的最新思考和总结，并结合被数智化赋予新特点的新地产、新汽车、新直销、新零售和新渠道等行业或领域的解决方案和案例实证，进一步说明数字中台对于数智化转型落地的价值。
　　数字中台加速企业数智化转型
　　企业数字化所带来的根本变化是企业的所有商业价值活动转向以客户为中心，而智能化则体现在通过连接产生数据，基于数据产生智能，基于智能赋能商业，进而推动企业业务增长。在这个过程中企业需要打造两大核心能力：极致客户体验和数智驱动运营。
　　移动互联网的发展改变了所有人的消费习惯，打破了时空的限制，让商品、交易等要素实时在线，让消费侧的数字化走在了供给侧的前面。不过，新零售浪潮下，企业对人、货、场要素进行了重构，反向驱动供给侧的数字化建设，以消费者为核心，打造线上线下无缝融合的消费体验。数字经济时代，企业进一步强调供需协同的全链路数字化，建设企业数字资产，以数据驱动运营，谋求业绩的可持续增长。数智化转型的关键支撑是一个能够激发持续快速创新的系统。一场突如其来的新冠肺炎病毒黑天鹅事件让企业的数智化能力彻底暴露在聚光灯下。拥有中台能力的企业能够在最短时间内优化供应链，在线下停摆的情况下利用数字资产赋能员工开展线上运营，以消费者为核心，快速开拓本地生活、社区电商、直播带货等新业务，业绩不降反升。
　　数字中台就是这样一种数字经济下的新基建，它将企业的业务能力和数据服务中心化、平台化、共享化、协同化，支撑用户、员工、生态侧的多端，在瞬息万变的市场下降低试错成本，提高创新效率，以数据驱动运营的方式谋求业绩增长。
　　破解数字中台建设的迷局
　　“建中台找死，不建中台等死”，这恐怕是很多企业高管正在面临的迷局。既然我们已经认可数字中台是传统企业数智化转型落地的最佳实践，那么企业接下来的问题是如何找到值得信赖的伙伴，选择最合适的数字中台产品和技术并成功转型。我们认为这样的伙伴需要具备4个要素。
　　第一，业务能力。伙伴需要对传统企业所在行业业务有深刻的理解，能够帮助企业梳理业务流程，共创新业务场景，建议组织变革，从而完成从战略到组织的设立，从组织到业务的拆解及流程的设计，直至从业务流程到系统的支撑。
　　第二，产品能力。伙伴必须具备成体系的数字中台产品矩阵，中台产品内容要丰富，必须形成平台级的产品规模，具有完成业务闭环必备的所有能力，必须能够解决业务问题。同时，中台产品要具备业务和数据两种数字能力，以业务能力来快速迭代场景，以数据能力来驱动运营反哺业务。此外，中台产品要开放，在完成从0到1的中台建设期后，还要能伴随企业数智化转型业务的开展不断演进，从1走向100。
　　第三，技术能力。数字中台建设是一个规模宏大的工程体系，它需要科学的技术理论来指导，需要严谨且灵活的技术架构来支撑，要立足当下、面向未来。
　　第四，运营能力。数字中台是为了支撑数智化转型战略的落地而建的，在完成系统建设之后势必要通过运营来实现业绩，要在社会化营销背景下推广、裂变，形成全域会员资产。而要通过开展私域会员运营来提高会员终身价值，就需要伙伴有运营的全案策划及关键企业客户的代运营能力。
　　秉持软件定义中台思想的云徙数舰数字中台
　　云徙数舰是以软件定义中台思想为指导设计的一套完备的数字中台产品线，在数字营销领域具备全域的业务和数据能力，能够围绕消费者旅程完成品牌、市场、交易、服务的数字营销业务闭环。云徙数舰将数字中台从上往下分为三层。
　　第一层是组件化的商业运营系统，这些组件通过自由拼装组合，为企业提供所需的业务运营系统，并在员工端、生态端透出展现。
　　第二层是业务和数据双中台，其中沉淀了丰富而泛化的数字化业务能力和数据模型，可以快速创建商业运营系统，或者创建消费侧应用并为消费者服务。
　　第三层是技术平台，为那些需要自行低代码开发中台业务和数据能力的企业提供一个开源的云原生技术平台。
　　我们创新性地提出了软件定义中台的思想，并将其融入数字中台产品化之中，解耦中台的控制平面、运营平面和执行平面，集中管控分布式的中台系统，既保证系统稳定运行，又实现基于业务随需而变，助力业务创新。通过软件定义中台，可以实现系统化协同、柔性化运行、可视化编排、动态化扩展、场景化自治和生态化开放。
　　在企业服务过程中共创数字中台
　　自2015年12月阿里巴巴集团宣布启动中台战略以来，其“大中台，小前台”战略在阿里巴巴体系已经过大量商业实践检验并形成技术体系，淘宝逐渐衍生出了天猫、聚划算、闲鱼、飞猪等业务及应用，之后还成功支撑了这些业务及应用的正常运营和运行。科技普惠企业，阿里巴巴集团成立独立科技公司阿里云，携手合作伙伴向企业输出成功的商业实践和技术。
　　云徙科技是第一家认同阿里巴巴中台价值的独立软件供应商（ISV），与阿里云一起，四年来已帮助近百家行业头部企业完成数字化转型，践行中台架构。通过与企业共同创新，云徙科技积累并打造出业界领先的云徙数舰数字中台，即大型企业营销数字化平台。
　　本书主要内容
　　本书分为三部分。
　　第一部分（第1～5章）是我们服务近百家数智化领先企业的经验总结与行业研究成果。首先，我们要让大家明白数字中台是如何帮助数智化转型落地的，并理解中台在资源整合、业务创新、数据闭环、应用移植、组织演进5个方面为企业带来的价值；其次，我们会介绍业务中台、数据中台和技术平台这三大平台的建设内容和方法。
　　在第二部分（第6～10章）中，我们将带领大家走进新地产、新汽车、新直销、新零售和新渠道5个新行业或领域，尝试将数字中台建设的方法论具象化为这5个新行业或领域的数智化转型解决方案，并结合具体案例讲解企业数字中台建设的实际过程，看一下中台如何帮助这些企业实现业务价值。
　　第三部分（第11章）介绍中台的进化与未来，旨在帮助读者更深入地理解中台并明确未来的行动方向。
　　本书对于数字中台建设过程中的方法论、目标、方案、路径都给出了兼具深度与广度的建议，为传统企业数智化转型提供了切实可行的落地方案。希望阅读本书的企业管理者和中台实践者都能得到启发和鼓励，与我们一起探索数智化转型的最佳实践之路。
　　
　　
　　---------------------------数据即未来：大数据王者之道---------------------------
　　
　　
　　2012年，《哈佛商业评论》中的一篇文章将数据科学家誉为“21世纪最性感的职业”。公平地说，在本世纪剩下的87年里，这个说法可能会有所改变。虽然现在数据科学家的确得到了很多关注，介绍数据科学的书籍也正在激增。但是，仅仅把从别处能够找到的文字重复一下或者将其重新包装成另一本书毫无意义。在研究了数据科学的新文献后，我发现大多数作者愿意解释如何使用各种最新的工具和技术，却不愿意详细地讨论数据科学中解决问题的过程。有抱负的数据科学家在熟读了几本书并掌握了最新算法和数据存储知识后，仍然会问同一个问题：应该从哪里开始？
　　所以，虽然这也是一本介绍数据科学的书，但本书试图引导读者通过存在很多歧路、陷阱并且目的地未知的数据科学之路，对可能发生的意外提出警告，让读者做好准备，并给出如何应对意外的建议。虽然本书将会讨论哪些工具可能最有用及其原因，但主要目标始终是为学习数据科学的过程引路导航，以便在现实生活中智慧、高效、成功地找到以数据为中心的问题的实际解决方案。
　　

.　　中台不仅是一种思想和方法论，而且可以沉淀为可复制的产品解决方案和平台，能帮助企业进行全链路数字化转型。云徙在中台建设和实施方面积累了丰富的经验，本书通过对不同行业的中台实践案例进行深入分析，为其他企业提供了非常有价值的指导。
　　—— 肖利华阿里巴巴集团副总裁/阿里云智能新零售事业部总裁
　　企业在数字化转型过程中，需要面对不确定的市场竞争环境，重塑核心竞争力，需要构建一个能快速创新、试错和迭代的平台，以响应市场的变化。中台能帮助企业实现这一目标。本书系统讲解了构建中台的方法论和行业的先进解决方案。
　　—— 徐斌旭辉集团副总裁/首席数字官
　　近年不少企业对数据中台趋之若鹜，但忽略了中台的主旨是“减少重复性，改善营运效率”，盲目堆砌技术。本书不仅基于中台供应商的实践经验阐述了构建中台的方法论，而且融合了不同行业的数字化转型案例和经验，值得细读和借鉴。
　　—— 车品觉红杉资本中国基金专家合伙人
　　作为第一家云上市的企业，良品铺子业绩持续增长，而这离不开数字化的赋能。本书通过对各个行业的数字化转型案例的解读，讲解了如何搭建中台以及如何借助中台实现数字化转型。
　　—— 周世雄良品铺子副总裁
　　酱酒的创新机会将是数字化转型，酱酒品质体验和口碑传播需要借助数字化的手段。本书讲解了企业如何借助中台实现数字化转型，提炼了系统的方法论，给出了大量的案例和解决方案，对酒业的数字化转型有较大的借鉴价值。
　　—— 蒲定波贵州习酒CIO
　　数字化转型的本质是通过数字技术和数学算法显性切入企业业务流，形成智能化闭环，使得企业的生产经营全过程可度量、可追溯、可预测、可传承，重构了质量、效率、成本的核心竞争力。本书中，无论是中台建设的方法论，还是解决方案和实践案例，都是数字化转型实践的生动写照。
　　—— 雷万云（博士）资深企业云专家/教授级高级工程师/全国标准化技术委员会工业和信息化融合管理标准化技术委员/中国企业数字化联盟理事长
　　
　　
　　---------------------------数据即未来：大数据王者之道---------------------------
　　
　　
　　陈斌先生从硅谷回国后，笔耕不辍，这本《数据即未来：大数据王者之道》是他翻译的第三本作品。随着国家大数据战略的推进，以数据联通整合、分析应用、机器学习为中心的项目越来越多，本书称之为“数据科学项目”。作为一个管理者，对于如何成功地准备、组织、规划、构建、实施、交付这些项目，本书提供了很多见解。
　　——涂子沛，阿里数据副总裁，《大数据》和《数据之巅》作者
　　宇宙万物不断演变，数据记载了万物变化的过程。数据工程为我们搜集、存储和管理数据奠定了基础，数据科学为我们探索数据世界的未知提供了思考和研究的框架。深刻领悟《数据即未来：大数据王者之道》书里所论述的数据科学探索过程、方法和理论，将有助于您深刻掌握数据世界发展变化的规律。
　　——张瑞海，北京百悟科技有限公司董事长
　　人工智能的核心是数据，如何准备、构建和交付高质量的数据产品至关重要，愿这本书成为大数据、人工智能学习者和从业者的良师益友！
　　——向江旭，苏宁云商IT总部执行副总裁，苏宁技术研究院院长
　　我们正处在一个新的时代，这个时代里数据是最新的燃料，数据和人工智能正在影响人类生活的方方面面。不只是数据科学家才要懂数据，每一个人，每一种职业，都需要一定的数据思维能力，把数据变成助推自己工作和生活的燃料。本书可以帮助读者掌握数据相关的基础知识，培养初步的数据思维，是一本非常好的入门书！
　　——逄伟，携程旅行网CDO首席数据官
　　以近20万字的内容讲述数据科学这个类似方法论的话题，确实是一个非常具有挑战性的任务。在数据库架构与管理、大数据工程、机器学习、高性能计算、AI等工程能力全面改善的今天，我们依然需要解决一个问题，那就是如何高效、正确地使用这些能力，在实践中更有效地解决问题呢？技术本身是有效能边界的，技术带来的结果也有不确定性，甚至会导致某些风险。如何解决这些新的问题，规避这些风险和冲突呢？比如，在数据日益资源化的今天，如何提高数据提取出有效信息的效率，通过有效信息累积构架知识体系，并且能够使知识体系更加有效地收敛和自洽呢？数据科学正着手解决这些问题。这已经超出了技术本身，更接近于哲学的范畴了。本书细致入微地讨论了数据科学解决问题的过程，始终聚焦在数据科学项目中所特有的概念和挑战，不是停留在解释如何使用各种最新的工具和技术的炫技层次，而是组织与利用现有资源和信息实现项目目标的过程，为数据科学的过程引领导航。
　　——郭大刚，北京市互联网金融行业协会秘书长