书籍介绍
这并不是一本读起来令人愉快的书，但它恰恰在这一点上暴露出华为数据工作的真实质地：它把一家支撑170多国运营的超大型企业，硬生生压缩成了一套“统一语言”和“三个1”的契约。读者反复提及的困惑——“像政府工作报告”“啥都有却啥都没说清”——恰恰指向它最核心的主张：数据治理不是技术问题，而是让全公司对“如何描述业务”达成统一认知，从而大幅降低协作成本。书中“三个1”（1天、1周、1月）的供应目标，也不是考核指标，而是一整套瞄准最终消费体验的能力体系。它适合那些愿意啃下顶层架构、追问“数据为何必须被统一管理”的从业者；若你期待即学即用的操作手册，它大概率会让你失望。
作者简介
华为公司数据管理部
华为公司数据管理部作为集团层面的数据管理组织，主要负责如下工作：
公司数据工作的战略规划、路标举措以及实施落地；
数据从产生到消费全生命周期管理的治理框架、流程规范、方法和IT工具的制定与推行；
公司级信息架构的设计和数据资产的治理维护；
主持集团层面数据相关项目，推动以数据为核心的数字化转型；
设计公司数据质量度量模型、执行数据质量监控及重大数据问题披露；
组织跨业务领域、跨BG信息架构集成和数据问题的解决；
负责公司数据管理能力提升，推动企业数据文化建立和传播。
AI导读
核心看点
- 华为首次系统披露数据治理与数字化转型方法论
- 涵盖信息架构、数据底座及数据服务三大重点
- 提供从非数字原生企业转型的完整实践案例
读者共识
- 体系宏大完整，是理解华为数据治理的标杆
- 理论性强但实战细节不足，阅读门槛较高
- 适合有基础者参考，初学者可能觉得枯燥
精彩摘录
- "5.3.6算法模型设计 算法是指训练、学习模型的具体计算方法，也就是如何求解全局最优解，并使得这个过程高效且准确，其本质上是求数学问题的最优化解，即算法是利用样本数据生成型的方法。算法是根据业务需求，运用数学方法对数据进行建模，得到业务最优解，主要用于业务智能分析。 算法模型在数据分析流程中产生，算法模型管理框架包括模、模型资产管理和模型消费。公司各领域已相继开发出大量基于算法模型的分析应用，通过对算法模型资产注册逐步打造公司级的算法模型地图。 算法模型的设计步骤主要有需求评估、数据准备、方案设计和建模与验证 （1）需求评估 1）业务驱动的分析需求识别 如果要识别与业务运营优化相关的分析需求，"
- "1）业务分析师业务分析师是企业最大的数据消费群体，具有良好的业务背景，有些数据分析师本身就是业务人员，了解业务需求实质，理解业务含义，与利益相关者有良好的沟通。通过对数据的识别，借助数据分析工具，生成可供阅读的图表或者仪表板，使用分析结果识别问题，支撑决策。对数据可信度、业务含义、数据定位有强烈诉求。 2）数据科学家 数据科学家是指能采用科学方法、运用数据挖掘工具对复杂异构的数字、符号、文字、网址、音频或视频等信息进行数字化重现与认识，并能进行新的数据洞察的工程师或专家。对业务含义、数据关系有强烈诉求。 3）数据管家 公司数据管理体系的专业人员，负责协助数据 Owner对数据信息架构进行管理，"
- "华为公为确保整个数据供应链条的高效协同，制了“ニ个1”作为拉通各个供应环节的整体目标，确保每个环节能够 成合力并对准最终用户。 “三个1”是数据供应的整体目标，起点是需求方提出数据需求，终点为需求方拿到数据并可立即进行消费，具体衡量标准包括如下内容。 1天：对于已发布数据服务的场景，从需求提出到消费者通过服务获取数据，在1天内完成。 1周：对于已进底座但无数据服务的场景，从需求提出到数据服务设计落地、消费者通过服务获取数据，在1周内完成。 1月：对于已结构化但未进底座的场景，从需求提出到汇聚人湖、数据主题联接、数据服务设计落地、消费者通过服务获取数据，在1个月内完成。 数据供应的“三个1”并不"
- "1.门店数字化 如图7-6所示，采用7种数据采集方式，支撑持续提升运营与消费者体验。通过光线传感器和温度传感器，自动调节窗帘、灯光，温度随环境改变，并与店门、窗帘、灯光、空调、屏幕、防盗系统联动，打造智能绿色门店环境。通过实物管理感知，样机自动申报位置与状态，异常告警，自动上报消费者在门店体验过程中的行为，结合消费者体验情况优化陈列、营销设计、产品设计。通过视频感知客流与热区，管理门店各片区人流密度与停留时间，优化陈列与营销，实时调整服务人力与资源配置。"
- "其内容无外乎就是业务对象、业务过程和业务规则的数字化，华为希望构建一个实现感知、联接和智能的数据平台。感知是物理世界与数字世界之间形成完整且有效的映射，联接是把各种离散的数据相互联系成有机整体，智能是在这个基础上加入一些大数据和高级模型算法。"
- "一方面通过感知能力实现业务数据的自动采集，另一方面通过一些技术手段，把现有的各个相对独立的数据库中的数据按一定的标准进行汇聚和联接。这就带来了“数据湖”的全新体验，先初步解决“数据孤岛”的问题，然后再来进行深入的数据治理。"
- "数字化转型应该首先强调业务价值。"
- "我们在做数字化转型时要反复问自己： 第一，数字化转型到底要解决客户的什么问题？用户到底需要什么？用户和客户关心的问题在哪？ 第二，业务战略到底要解决业务的什么问题？ 第三，变革是否有一个好的规划和持续的架构？"
目录
用户评论
华为这套数据建设的方法论，相较于互联网类型的数字原生企业，在战略架构、管理体系、组织建设、数据源的数据生产标准和架构上侧重力度比较大（非数字原生先天因素+源头治理数据思路），整体上理论性和体系性比较强，适合互联网有经验的数据从业者读一读，开阔视角
适合作为字典查阅
是一本有不少high level的数据治理思想的书，可以甩国内不少管理类图书三条街（暴言）。从企业化数字转型（目标）说起，再从治理体系（面向组织与流程）与分类管理框架（面向数据变成）进行了总体说明。第二部分具体阐述了信息架构（从概念上厘清资源及其关系）、数据底座（统一的数据存储）、数据服务（面向业务侧的集成）三个核心部分，是从真实实践中归纳出的打通业务、IT与管理部分的治理策略。第三部分讲的感知、质量管理与安全共享、数据治理的未来，倒是没有多少新的东西，不读也行（暴言*2）。
语言总体上是比较清晰的，但也有可以改进的地方，比如对图表内容往往没有进行足够的展示，而只是如图、如表所示；有些abbrev.与概念没有及时解释，到后文才说明，不符合阅读习惯。
极力推荐，华为讲的很深入无保留，对于数据小白也能理解逻辑，对我来说是挺好的工具书
重道非术
Good
没有计算机背景或功底，还是不建议入手的。
对于这个评分不太理解，很像政府工作报告，虽然理解对于一个非原生数字企业转型的困难，但是也不必要长篇大论地讲一些法律法规，如同讲解华为基本法。
数据治理
个人觉得这本书对需要进行数据化转型的企业管理者或者产品开发人员，还是有挺强的参考意义的介绍了数据化转型的方方面面，重在元数据治理与规范，后在可视化展示。
下载
收藏