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
继续阅读
阅读原文