引用：《解析企业数字化焦虑，助力企业数字化转型

寄云科技CEO时培昕博士曾经在一次本次智能制造与工业互联网主题中为大家分享《指标驱动，数据优先、工业数字化转型的经验分享》。以下是详细内容，值得学习和借鉴：01工业数字化转型需要区分目标和工具人类四次工业革命史其实也是一个工业品的制造复杂度的提升过程，从早期的手工制造到现在的高端电子产品，以及一些复杂原材料的设计，都反映了制造复杂度的提升。

作者丨石秀峰

作为一个“工具型项目”、“项目型项目”去做，由供应商交付项目验收之后，BI工具就被束之高阁，是传统BI项目失败的一个核心原因。而另一个原因就是：没把

仔细看，有方法，有案例，能学到真功夫！需要下载该白皮书的请见文末。正文开始需要该白皮书的，加我微信（fendou99）直接发你吧！免责声明：本公众号所发布的文章或为本公众号原创，或者是在网络搜索到的优秀文章进行的编辑整理，文章版权归原作者所有，仅供读者朋友们学习、参考。据统计，99%的大咖都关注了这个公众号👇本号好文推荐：1、数据中台：数据模型设计2、数据中台的OneID是个什么鬼，主数据它不香吗？3、数据中台为什么要建标签体系，分类它不香吗？4、数据中台唱衰，企业数字化转型路在何方？5、为什么说数据服务是数据中台的标配？6、数据中台即服务——数据中台的四大支柱7、全国首个数据中台元数据标准（附下载）8、数据中台：基于标签体系的360°用户画像

在尝试完⼀段时间的模型重构和优化后，再拿着这些指标去测⼀测是不是真的变好了。模型重构到底对数据建设有多少帮助？有没有⼀些量化的指标可以衡量？基于上面的知识已经可以很好回答这两个问题了。05

据统计，99%的数据大咖都关注了这个公众号👇相关文章：数据仓库的构建：分步指南数据仓库指标体系搭建实战！基于OneData体系的数据仓库建设！数据仓库中的元数据管理！数据仓库的数据质量管理规范

分钟数据标准管理是数据管理的基础性工作，是企业数据治理的首要环节，对于企业厘清数据资产、打通数据孤岛、加快数据流通、释放数据价值有着至关重要的作用。01

数据质量管理之事后补救是不是做好了事前预防和事中控制就不会再有数据质量问题发生了？答案显然是否定的。事实上，不论我们采取了多少预防措施、进行了多么严格的过程控制，数据问题总是还有

作者丨石秀峰全文共3653个字，建议阅读需10分钟如题，今天要聊得这个话题，包含了四个“治理”。先上一张图：看完这张图你有什么想法，这张图说明了什么？它是在描述公司治理、IT治理、数仓治理和数据治理的关系吗？如果这张图是在描述四个“治理”之间的层次结构，那你认为哪一个结构是正确的呢？如果您是企业的高管，您会选择哪个结构，来实施“治理”呢？01数据治理

资产化能力：数据资产管理路线图规划策略1.企业数据资产应用场景规划与全方面数据体验通过数据应用现状调研及应用场景设计，构建企业实时在线运营平台，支撑全方位触达用户的数据驱动业务运营。2.

来源：数据学堂编辑：谈数据全文共

参与。它是自助分析的基础，这种方法允许这些非技术用户（即：业务线人员）收集和分析数据，而无需寻求数据管理员、系统管理员或

公司治理小数据治理靠人工，大数据治理靠智能数据治理治什么？在哪治？怎么治？数据治理项目失败，90%都是被这样搞垮的！

元数据管理概述没有元数据，数据其实就没有任何意义。元数据看起来只是一堆毫无意义的文字和数字，但本质上它为企业的各类数据提供了上下文环境，使企业能够更好地了解、管理和使用数据。1.1

大骨用来表示问题的直接原因，例如图19-5中的人员因素、系统因素、技术因素、流程因素、方法因素和环境因素。④

近源模型层到整合模型层的数据流算法--经济型基于增量数据删除拉链算法：此算法基本等同于基于增量数据删除拉链算法，只是在最后一步只将属性非空及非0的记录才作为开链数据插入目标表。25.

2017安全与风险管理峰会上，分析师Marc发表《2017年数据安全态势》演讲，提及了“数据安全治理（Data

数据安全治理概念根据《数据安全治理白皮书3.0》，数据安全治理是以“让数据使用更安全”为目的，在中国易于落地的数据安全建设的体系化方法论，核心内容包括：（1）满足数据安全保护（Protection

数据总结如下：数据准备类别级别用户财务部门小A/公开小B/机密数据表Aid员工id员工数据公开name员工姓名公开id_number身份证号码员工保密数据秘密salary员工薪资安全数据机密

据统计，99%的数据大咖都关注了这个公众号👇相关文章：数据仓库的构建：分步指南数据仓库指标体系搭建实战！基于OneData体系的数据仓库建设！数据仓库中的元数据管理！数据仓库的数据质量管理规范

Cassandra、MongoDB。Hadoop大数据平台的相关元数据采集。BI平台，Tableau、Power

基于元数据的开发管理数据系统项目开发的主要环节包括：需求分析、设计、开发、测试和上线。开发管理应用可以提供相应的功能，对以上各环节的工作流程、相关资源、规则约束、输入输出信息等提供管理和支持。

分钟数字化时代，有人将数据比作黄金，有人将数据誉为石油。但是，数据真的是新时代的黄金或者石油吗？—

据统计，99%的数据大咖都关注了这个公众号👇大家还在看：为什么说数据治理的下一站是DataOps？DataOps指南：数据管理新时代来了？DataOps

等的本机集成。允许单独扩展存储和计算。提供内置的容错和灾难恢复功能（自动快照、异地备份等）。默认数据安全功能（模式、表、视图、单个列、过程等的细化权限，多因素用户身份验证、数据加密等）。满足

数据中台元数据标准以上我们回顾了数据中台和元数据的相关概念，接下来我们重点介绍下这份标准。《数据中台

接口集成接口集成是服务之间集成的最常见手段，通常基于业务逻辑的需要进行集成。RPC、REST、消息传递和服务总线都可以归为这种集成方式。微服务使用REST

分钟就在三年前，由于新冠疫情（COVID-19）爆发的措手不及，全球企业不得不增加对数字计划的资金，以在未知且不稳定的商业环境中维持生计。多项调查显示，Covid-19

EDW、实时分析引擎或独立业务应用程序中使用这些数据。数据分析和BI层在这里，数据可视化和商业智能技术允许数据科学家和分析师探索数据、提出问题、构建可视化并与之交互等等。

医疗行业数据治理的好处健康数据在许多方面从其他数据类型中脱颖而出。但最重要的是，医疗数据取决于其质量、安全性和医疗行业专业人员的可访问性。出于多种原因，这使得医疗行业中的数据治理至关重要。1.

数字化转型（陈雪萍）这张图简单明了的介绍了信息化改造与数字化转型的不同。因此，我特别能理解文章开头老王客户说的“我们要的是数字化转型方案，而不是信息化改造方案”！02

基础数据体系是模型架构中明细事实表和基础维度表的物理集合，业务逻辑层面根据实际业务场景进行抽象例如司机合规、乘客注册等，还原业务核心业务过程。08

分钟继《变革的基因》、《组织革新》之后，由腾讯集团高级管理顾问、腾讯青腾教务长杨国安教授带领青腾教研团队，历时两年深度调研

作者丨石秀峰

导读：详解1套方法、4类场景、3个平台能力。作者：华为企业架构与变革管理部来源：大数据DT（ID：hzdashuju）2016年，华为公司数字化转型变革规划汇报通过，一系列的变革项目由变革指导委员会（Executive

本报告为上海浦东发展银行、IBM

来源：谈数据作者：石秀峰全文共

个月的寿命，不改革我们就消亡。我认为数字化转型的障碍，第一是压力还不够大，认为还能够坐享其成；第二就是真的相信可以不变。——微软大中华区首席技术官

数据安全技术保护体系建设不同安全级别的数据，可参照数据生命周期的原则进行数据安全应用执行。具体保护要求及措施，可参照国家相关法律、法规、标准及自身的数据安全相关管理制度、规范、标准执行。05

来源：谈数据，作者：石秀峰全文共计4108字，预计阅读时间8分钟Hi，你们好吗？有很长时间没有写文章了，不是我变懒了，也不是没得写了，最近实在是太忙了，大家见谅哈。这个周末好不容易抽出一些时间，写了这篇文章。今天我们继续聊数据资产管理这个话题。上篇文章《数据资产管理：企业的数据资产怎么盘？》中，我们对数据资产梳理和盘点的方法、流程、模板进行了介绍，相信大家对数据资产盘点应该有所了解了。可能有人会问，数据资产盘点都是人工在做，有没有更智能的方法，能够自动盘点数据，让数据更容易查找和使用？嗯，有的。它就是经常配合BI工具（商业智能）一起使用的数据管理工具——数据发现。01

来源：网安寻路人，作者：洪延青全文共6302个字，建议阅读10分钟数据是信息的载体，数据不是死的，而是在不断地流动，并产生了巨大的商业价值。对数据而言，开放才有意义，但开放的前提则是安全。由于不同类型的数据，其级别和价值均不同，不能等同视之，应根据数据的重要性、价值指数，予以区别对待，因此数据安全法提出建立数据分类分级保护制度。数据分类是为了规范化关联，分级是安全防护的基础，不同安全级别的数据在不同的活动场景下，安全防护的手段和措施也不同。比如关系国家安全、国民经济命脉、重要民生、重大公共利益等数据属于国家核心数据，将实行更加严格的管理制度。分类分级是数据全流程动态保护的基本前提，不仅是数据安全治理的第一步，也是当前数据安全治理的痛点和难点。数据安全建设需要针对数据的收集、存储、使用、加工、传输、公开等各个环节，进行数据安全风险的监测、评估和防护等，需要用到权限管控、数据脱敏、数据加密、审计溯源等多种技术手段。只有做好了数据分类分级工作，才能进行后续数据安全建设。01

会有开源生态吗？A：目前是逐渐成熟的过程中，还没有成熟到大家都可以使用的端到端产品。我们之前公众号有篇文章讲到，硅谷的大概十几家公司，每个公司都有自己的数据门户和产品，但是没有成熟的产品。今年

来源：谈数据，作者：石秀峰全文共计4306字，预计阅读时间8分钟企业数据治理是一项连续性的工作，需要有长效运营的机制来支撑，不断巩固和加强数据治理效能，助力企业数字化业务的深入发展。建立企业数据治理长效运营机制的关键在于分工清晰，领导支持，标准明确，流程规范，奖罚分明，持续优化。关于数据治理的长效运营机制，还可以看看这篇：数据治理成功要素5：长效运营机制—

位高层管理者在一年计划中设定了未来工作的愿景和目标，然后明确传达给团队，并在实施过程中给予团队充分信任。影响：提高员工的积极性以及工作成果的质量，同时与公司愿景保持一致。////////变革力量

来源：谈数据，作者：石秀峰全文共5554个字，建议阅读10分钟数字化时代，企业需要知道他们拥有什么数据，数据在哪里、由谁负责，数据中的值意味着什么，数据的生命周期是什么，哪些数据安全性和隐私性需要保护，以及谁使用了数据，用于什么业务目的，数据的质量怎么样，等等。这些问题都需要通过元数据管理解决，缺乏有效的元数据管理，企业的数据资产可能会变成拖累企业利润的“包袱”。—

来源：谈数据，作者：石秀峰全文共4708个字，建议阅读10分钟对企业来讲，资产盘点不是一个新鲜的事。所有企业都会定期或不定期地对公司的资产、存货进行全部或部分的清点，以确实掌握该期末的企业存货数量、价值，并因此加以改善，加强管理。通过资产盘点查明各项资产的库存和使用情况，以便合理安排生产经营活动，充分利用各项财产物资，加速资金周转，提高资产使用效率。这里的“资产”，是指企业的固定资产。而数据作为企业一种“特殊资产”，被列入企业的资产负债表，是迟早的事情。数据资产当然也需要盘点，只有对数据资源进行统筹规划，全面梳理，“摸清家底”，才能让数据更好地服务于企业的业务应用。今天和大家聊一聊，数据资产的梳理和盘点！—

6：作为一个架构量的数据产品组件以下示例建立在上一节的基础上，将数据产品演示为架构量子。该图仅包含示例内容，并不旨在完整或包含所有设计和实施细节。虽然这仍然是一个逻辑表示，但它越来越接近物理实现。图

一探制造业数字化转型前世今生（万字长文，建议收藏）让我们先从一则小故事聊起。

“十四五”数字经济发展规划中指出，数字经济发展正推动生产方式、生活方式和治理方式深刻变革，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。在数智化浪潮中，很多企业做了大量尝试，但成效甚微。麦肯锡报告指出，企业数智化转型失败率高达80％。据观察研究和长期实践，企业在数智化转型过程中，存在很多误区：有的企业认为搭建一个中台系统就是数智化转型；有的认为数智化转型只需一个项目的周期就可实现；还有的认为数智化转型就是提高效率……3月29日，淘宝教育、阿里云、智篆商业三方联合发布《数智化转型-钻石模型白皮书》（以下简称《钻石模型》）。三方团队历时6个月，对过往3年服务中沉淀的数智化转型案例进行了梳理、提炼和总结，针对企业数智化转型过程中遇到的典型问题，包括为什么进行数智化转型、什么是数智化转型以及如何进行数智化转型等，给出了明确的定义和解析，并创造性的提出了“钻石模型”，为企业数智化转型提供指引。《钻石模型》认为，数智化转型是利用数智化技术，驱动企业重构商业模式、重塑核心竞争力的过程。数智化转型不是简单的IT系统建设，而是包括战略、业务、组织和技术多方面的系统性设计与建设。传统咨询公司更擅长成熟模式的复制和推广，而数智化是面向未来的创新事物，不能用过去的方法简单地套用。数智化转型需要一个自身有数智化实践经验的伙伴作为副驾驶，而方向盘需要把握在企业自己手里，这样才能结合企业对自身产业的理解和副驾驶对数智化未来的理解，为企业绘制一张数智化未来的大图。