凯哥 | 一文看本土原创数字化转型方法论

全书共450页，共十个章节：

第 1 章 企 业 数 字 化 转 型 001

1.1 数 字 化 转 型 的 本 质 002

1.1.1 数 字 化 转 型 的 底 层 逻 辑 002

1.1.2 数 字 化 与 信 息 化 的 4 个 区 别 008

1.1.3 企 业 数 字 化 转 型 的 4 个 趋 势 013

1.2 数 据 驱 动 的 数 字 化 转 型 016

1.2.1 从 流 程 驱 动 到 数 据 驱 动 016

1.2.2 数 据 驱 动 为 企 业 带 来 的 5 个 收 益 024

第2章 精益数据方法

2.1 企 业 利 用 数 据 的 挑 战 和 趋 势 026

2.1.1 企 业 利 用 数 据 的 6 个 挑 战 027

2.1.2 数 据 生 产 和 利 用 的 6 个 趋 势 031

2.2 全 面 认 识 精 益 思 想 035

2.2.1 精 益 思 想 的 产 生 035

2.2.2 精 益 思 想 的 2 个 核 心 要 义 035

2.2.3 精 益 思 想 的 5 个 原 则 036

2.3 其 他 参 考 体 系 040

2.3.1 Cynefin 框 架 040

2.3.2 设 计 思 维 042

2.3.3 敏 捷 宣 言 043

2.4 认 识 精 益 数 据 方 法 044

2.4.1 精益数据方法的定义、使命和愿景 044

2.4.2 精 益 数 据 方 法 的 企 业 价 值 045

2.5 精 益 数 据 方 法 的 构 成 050

2.5.1 精 益 数 据 方 法 全 景 050

2.5.2 精 益 数 据 宣 言 053

2.5.3 精 益 数 据 成 熟 度 模 型 055

第3章 精益数据战略

3.1 数 据 利 用 的 4 个 阶 段 060

3.2 从 企 业 信 息 管 理 到 数 据 战 略 066

3.2.1 企 业 信 息 管 理 架 构 066

3.2.2 数字化时代企业信息管理的局限性 069

3.3 价 值 驱 动 的 精 益 数 据 战 略 071

3.3.1 数 字 化 时 代 数 据 战 略 的 6 个 目 标 071

3.3.2 认 识 精 益 数 据 战 略 074

3.3.3 精 益 数 据 战 略 的 挑 战 和 原 则 081

3.4 精 益 数 据 战 略 的 制 定 方 法 084

3.4.1 精 益 数 据 战 略 制 定 的 5 个 底 层 逻 辑 084

3.4.2 精 益 数 据 战 略 制 定 4 步 法 086

3.4.3 精 益 数 据 战 略 制 定 的 7 个 关 键 动 作 088

3.5 案 例 ：富 国 银 行 的 精 益 数 据 战 略 091

3.5.1 富 国 银 行 的 数 据 转 型 之 旅 091

3.5.2 富 国 银 行 的 数 据 战 略 092

3.5.3 富国银行的数据资产管理和数据治理 093

3.5.4 富国银行的面向未来的业务场景蓝图 094

3.5.5 富国银行的企业级现代化数据平台 096

3.5.6 富 国 银 行 的 数 据 运 营 和 洞 察 团 队 098

3.5.7 富 国 银 行 给 我 们 的 4 点 启 示 100

第 4 章     精益数据产品

4.1 什么是精益数据产品

4.1.1 数 据 产 品 的 定 义 和 优 势 102

4.1.2 数 据 产 品 的 类 型 105

4.1.3 精 益 数 据 产 品 的 定 义 和 原 则 108

4.2 精 益 数 据 产 品 画 布 111

4.2.1 精 益 数 据 产 品 的 7 个 要 素 112

4.2.2 精 益 数 据 产 品 的 3 个 核 心 领 域 113

4.3 精 益 数 据 场 景 画 布 115

4.3.1 业 务 场 景 的 定 义 和 价 值 115

4.3.2 业 务 场 景 的 SMART 原 则 117

4.3.3 认 识 精 益 数 据 场 景 画 布 118

4.3.4 业务需求、业务场景、业务用例和用户故事 120

4.3.5 精益数据产品的典型技术场景及业务用例 122

4.4 精 益 数 据 商 业 模 式 画 布 127

4.4.1 解 读 精 益 数 据 商 业 模 式 画 布 127

4.4.2 案 例 ：数 据 产 品 的 6 种 商 业 模 式 128

4.5 精 益 数 据 产 品 交 付 132

4.5.1 数 据 产 品 的 2 个 本 质 特 点 132

4.5.2 数 据 产 品 交 付 的 4 个 挑 战 133

4.5.3 精 益 数 据 产 品 3 层 7 步 构 建 法 134

4.6 精 益 数 据 产 品 成 熟 度 模 型 138

4.6.1 精益数据产品成熟度评估的 4 个维度 138

4.6.2 精 益 数 据 产 品 成 熟 度 的 5 个 层 次 139

4.7 案 例 ：Netflix 的 精 益 数 据 产 品 142

4.7.1 数 据 驱 动 的 用 户 体 验 143

4.7.2 数 据 驱 动 的 内 容 生 产 144

4.7.3 数 据 驱 动 的 运 营 优 化 145

4.7.4 强 大 领 先 的 数 据 平 台 类 产 品 146

第5章 精益数据治理

5.1 认 识 精 益 数 据 治 理 149

5.1.1 传 统 数 据 治 理 的 3 个 现 象 149

5.1.2 传 统 数 据 治 理 的 4 个 痛 点 149

5.1.3 精 益 数 据 治 理 的 定 义 和 底 层 逻 辑 151

5.1.4 精 益 数 据 治 理 的 6 个 新 范 式 156

5.1.5 数 据 问 题 的 根 源 是 7 种 浪 费 158

5.2 精 益 数 据 治 理 的 实 施 方 法 164

5.2.1 精 益 数 据 治 理 的 8 项 指 导 原 则 164

5.2.2 精 益 数 据 治 理 画 布 168

5.2.3 以 元 数 据 为 核 心 的 智 能 数 据 治 理 171

5.2.4 精 益 数 据 治 理 的 3 个 阶 段 173

5.2.5 案例：大型多元化集团的精益数据治理 176

5.3 企 业 级 数 据 资 产 目 录 179

5.3.1 数 据 资 产 目 录 的 定 义 和 价 值 179

5.3.2 数 据 资 产 目 录 的 典 型 功 能 模 块 182

5.4 案 例 ：Netflix 的 数 据 治 理 185

5.4.1 Netflix 数 据 治 理 的 3 个 支 撑 点 185

5.4.2 Netflix 数 据 资 产 目 录 187

第6章 数据协同创新

 6.1 数据协同

6.1.1 数据协同的定义

6.1.2 数据协同的 6 个阶段

6.1.3 数据协同的 6 个挑战

6.1.4 数据协同的核心用户画像

6.1.5 数据团队的痛点

6.1.6 数据协同的 4 项原则

6.2 数据自服务门户

6.2.1 数据自服务门户的定义和价值

6.2.2 数据自服务门户的核心组件

6.2.3 数据自服务门户的运营

6.3 案例：Netflix 大数据门户

6.3.1 Netflix 大数据门户的 4 项设计原则

6.3.2 Netflix 大 数 据 门 户 成 功 的 7 个 要 点 218

6.4 数 据 创 新 221

6.4.1 案 例 ：数 据 驱 动 创 新 的 字 节 跳 动 222

6.4.2 数 据 创 新 的 8 个 阶 段 223

6.4.3 数 据 创 新 的 4 个 难 点 226

6.4.4 企 业 数 据 创 新 平 台 的 定 义 和 价 值 228

6.4.5 企 业 数 据 创 新 平 台 的 用 户 229

6.4.6 数 据 创 新 平 台 的 4 个 关 键 成 功 因 素 230

6.4.7 数 据 创 新 平 台 的 典 型 功 能 架 构 231

第7章 精益数据中台

7.1 全 面 了 解 数 据 中 台 233

7.1.1 从 企 业 软 件 发 展 史 看 中 台 的 趋 势 233

7.1.2 从 分 层 架 构 理 论 看 中 台 的 本 质 237

7.1.3 从 业 务 中 台 到 数 据 中 台 241

7.1.4 数据中台与数据仓库、数据湖的区别 245

7.1.5 影响数据中台建设方向的 6 个技术趋势 247

7.2 深 度 剖 析 数 据 中 台 252

7.2.1 什 么 是 数 据 中 台 252

7.2.2 数 据 中 台 的 4 个 核 心 能 力 258

7.2.3 数 据 中 台 的 3 个 支 撑 能 力 266

7.2.4 数 据 中 台 成 熟 度 评 估 模 型 269

7.3 精 益 方 法 打 造 数 据 中 台 273

7.3.1 打 造 数 据 中 台 的 6 个 挑 战 273

7.3.2 精益数据方法打造数据中台的 3 个原则 275

7.3.3 精益数据方法打造数据中台的 6 个阶段 277

第8章 数据驱动的组织文化

8.1 认 识 数 据 驱 动 的 组 织 文 化 288

8.1.1 数字化时代组织形式的 4 个变化趋势 289

8.1.2 数 据 驱 动 的 组 织 文 化 的 8 个 体 现 290

8.1.3 打造数据驱动的组织文化的 5 个关键步骤

8.2 数据人才体系构建

8.2.1 数据团队能力全景图

8.2.2 企业典型的数据岗位全景图

8.2.3 数据团队的 12 个实践原则

8.3 案例：Netflix 的数据文化

8.3.1 Netflix 数据文化的体现

8.3.2 Netflix 数据文化的 4 个底层特质

8.3.3 Netflix 数据驱动的组织结构

第 9 章 精益数字化转型

9.1 精益数据方法驱动的数字化转型

9.1.1 企业数字化转型的挑战与原则

9.1.2 精益数字化转型的花瓣模型

9.1.3 精益数字化转型与传统数字化转型

9.2 精益数字化转型的实施方法

9.2.1 探索规划

9.2.2 设计构建

9.2.3 运营优化

9.3 案例：大型多元化集团的精益数字化转型

9.3.1 集团的转型挑战和应对策略

9.3.2 精益数字化转型的 3 个阶段

9.3.3 双中台赋能业务

第 10 章 精益数据共创工作坊

10.1 认识精益数据共创工作坊

10.1.1 传统调研方法的 6 个问题和应对启示

10.1.2 精益数据共创工作坊简介

10.2 精益数据共创工作坊：准备篇和引导篇

10.2.1 企业高层访谈调研

10.2.2 业务现状高阶访谈调研

10.2.3 信息化支撑现状调研

10.2.4 信息化能力高阶调研

10.2.5 共创工作坊策划设计

10.2.6 培训材料准备

10.2.7 引导工作坊开场

10.3 精 益 数 据 共 创 工 作 坊 ：共 创 篇 386

10.3.1 数 字 化 转 型 目 标 共 创 386

10.3.2 企 业 数 据 资 产 蓝 图 共 创 389

10.3.3 企 业 数 字 化 技 术 蓝 图 共 创 395

10.3.4 数 字 化 转 型 价 值 场 景 共 创 397

10.3.5 痛 点 价 值 共 创 及 转 型 资 源 共 创 399

10.4 精 益 数 据 共 创 工 作 坊 ：规 划 篇 402

10.4.1 数字化转型路线设计

10.4.2 价值场景排序归类

10.4.3 数字化转型项目清单梳理

10.4.4 配套举措共创

10.4.5 共创工作坊结坊汇报

附点击购买  精 益 数 据 方法论尊贵大型鼠标垫