数据资产管理(盘活大数据时代的隐形财富)/大数据科学丛书 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

高伟 编

图书标签:

• 数据资产管理
• 大数据
• 数据治理
• 数据价值
• 数据战略
• 数据安全
• 数据分析
• 数字化转型
• 信息管理
• 商业智能

店铺： 木垛图书旗舰店

出版社： 机械工业

ISBN：9787111528807

商品编码：10357644234

开本：16

出版时间：2016-03-01

基本信息

• 商品名称：数据资产管理(盘活大数据时代的隐形财富)/大数据科学丛书
• 作者：高伟
• 定价：59
• 出版社：机械工业
• ISBN号：9787111528807

其他参考信息（以实物为准）

• 出版时间：2016-03-01
• 印刷时间：2016-03-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：287
• 字数：370千字

编辑推荐语

高伟著的《数据资产管理——盘活大数据时代的隐形财富》是一部既让入门者看得懂、学得会，也让从业者不觉得肤浅的大数据读本，在梳理出一个全面准确、完整科学的数据资产理论研究体系的同时，系统总结了数据资产管理工作中的工作要点、实现路径和经典案例，能帮助*多人做好数据资产的规划、管理与运营。 数据资产管理是大数据的新兴分支领域，本书能够在这个领域率先展开深入研究，并关注研究成果的商业传播，说明国内大数据发展已经走上了创新发展之路，站在这个时代的风口，推荐大家都来阅读这本书。

内容提要

高伟著的《数据资产管理——盘活大数据时代的 隐形财富》是国内**部系统阐述数据资产管理概念 、理论体系及相关实践的著作，从数据资产定义、数 据资产管理范围、治理管控手段、应用创新理念、流 通经营方式、战略路径设计、影响因素、未来发展方 向等八个方面，全面梳理了怎样将企业数据从IT系统 的信息载体，变为能够直接创造价值甚至决定商场竞 争成败的数据资产，而围绕数据资产，又需要有怎样 的管理体系、战略布局。同时，本书还站在社会发展 的宏观角度，探讨了**政策法规调整的可能性，以 及经济形态的演进方向，给数据交易、流通创新提供 了丰富的理论参考。在波澜壮阔发展的大数据时代， 为读者们描绘了一幅细致入微、立体全面的“数据资 产藏宝图”，使得数据资产这一“隐藏的财富”可以 *好地为人所知、为人所用，并促进整个社会财富的 全新创造和持续增长。
    

作者简介

高伟，◎大数据行业**专家，北京航空航天大学软件学院客座教授、中关村大数据产业联盟数据资产管理专委会主任、国际数据管理协会(DAMA)会员、亚信数据产品线总经理。 ◎15年以上IT行业经验，具有丰富的产品研发、市场推广和方案咨询经验，目前主要从事大数据行业分析、数据资产管理理论研究及相关技术产品的规划设计和市场推广工作。 ◎作为国内*早研究并构建数据资产管理理论的青年学者，常年活跃在理论探讨与实践验证的*前沿，其主要观点及演讲资料被国内多家**媒体及互联网论坛广泛转载。

目录

推荐序一 数据革命
推荐序二 实践出真知
推荐序三 数据资产启蒙
自序 写在“数据资产”编入财务报表的前夜
**章 数据资产：财富的新定义
**节 大数据带来的造富神话
基于数据积累，提供精准营销服务
盘活数据资产，升级全新商业模式
利用数据集成，创造估值神话故事
面向个人数据，提供二次交易平台
第2节 都说数据是资产，到底什么是数据资产？
为什么说数据是资产
如何定义数据资产
会计实践中的困难与挑战
第3节 新圈地运动：为什么阿里巴巴在上市前收购这些公司？
收购？收购！
新时代的圈地运动
对于“局外人”的影响
破局的另一种思路
第4节 传统企业应对互联网挑战的*后筹码
数据是传统企业的宝贵资产
盘活数据资产的几种可选路径
第5节 下一个没有硝烟的战场
第二章 数据资产管理的全局概貌
**节 数据资产管理，技术还是商业？
谁应该关心数据资产管理
数据资产管理解决什么问题？
技术的商业，还是商业的技术
第2章 数据资产管理与数据管理的异同比较
数据管理的主要思路及内容
数据资产管理带来哪些新的要求
数据资产管理具体包括哪些内容？
第3节 跳离误区，把握数据资产管理价值
拥有数据≠掌握数据资产
*快的数据处理能力可能让你破产
***的数据分析也会“错误”
*牢固的锁也挡不住数据神偷
第4节 新常态，数据资产管理方兴未艾
第三章 治理管控：数据资产管理的基础所在
**节 核心理念：从“两张皮”到“一张皮”
为什么数据治理知易行难？
什么是“一张皮”式治理？
数据资产治理的“三全主义”
第2节 管理，从正确定义开始
治理管控的前提条件
如何正确定义数据资产
第3节 发现数据资产！
数据资产在哪里？
如何梳理数据资产？
怎样记录和跟踪数据资产？
建立数据资产体系
第4节 “血缘”分析带来的意外收获
什么是“血缘”分析？
如何建立“血缘”分析？
“血缘”分析能带来哪些创新价值？
第5节 多管齐下，提升数据资产质量
数据资产的质量定义
事前进行的质量检查
事中运行的质量监控
事后开展的质量评估
数据质量问题的处理
第6节 建立数据地图，盘活数据资产
数据地图的潜在价值
将数据装入地图
“数据O2O”的地图畅想
数据地图在创新中前行
第7节 别忘了定期要做的数据体检
数据体检的意义
体检项目1：系统资源的盘点
体检项目2：资产状态的评估
体检项目3：管控能力的检视
第8节 新技术的挑战与应对
第9节 案例分析：某大型国有航空公司数据治理
案例背景：数据质量阻碍民航腾飞
建设目标：构建多层次数据治理体系
整体思路：主动管控、全方位、端到端
实施内容：从规范到落地的四个举措
展现效果：降本增效，立竿见影
第四章 应用创新：数据资产管理的价值体现
**节 核心理念：没有难用的数据
数据资产应用现状
破局，数据应用发展方向
面向未来的智慧众筹
第2节 可视化，让你的数据开满鲜花
什么是数据可视化？
数据可视化案例及探讨
如何实现数据可视化？
未来的创新发展方向
第3节 当数据分析成为一种搜索……
传统数据分析的能力和短板
为什么要用搜索来代替分析？
第五章 流通经营：数据资产管理的**方向
第六章 数据资产管理的战略路径设计
第七章 影响数据资产管理的内外部因素
第八章 数据资产管理的未来发展方向
后记——亚信DACP产品演进历程
参考文献

科技前沿探索与实践：人工智能、云计算与量子计算的深度解析 图书名称：科技前沿探索与实践：人工智能、云计算与量子计算的深度解析 作者：[此处留空或填写多位资深行业专家姓名] 出版日期：[此处留空或填写具体年份] --- 内容简介 本书旨在为读者提供一个全面、深入且兼具前瞻性的视角，聚焦当前信息技术领域最核心、最具颠覆性的三大支柱：人工智能（AI）、云计算（Cloud Computing）以及量子计算（Quantum Computing）。我们不仅会探讨这些技术的理论基础、发展历程和核心算法，更会深入剖析它们在现代产业、社会治理乃至未来生活中的实际应用场景、面临的挑战与伦理考量。 本书的编写团队由来自不同技术领域的资深研究人员和一线工程师组成，确保了内容的权威性、实践性和前瞻性。我们摒弃了浮夸的口号式描述，力求用严谨的逻辑、详实的案例和清晰的技术路线图，带领读者穿越技术迷雾，理解这些“硬核”技术如何重塑世界。 --- 第一部分：人工智能的深度融合与智能涌现（The Deep Fusion of AI and Intelligent Emergence） 人工智能不再是科幻小说的情节，而是驱动新一轮工业革命的核心引擎。本部分将全面覆盖从基础理论到前沿应用的整个技术栈。 第一章：机器学习范式的演进与基石 我们将回顾人工智能的发展历程，重点剖析监督学习、无监督学习、强化学习的核心思想和数学原理。特别关注深度学习（Deep Learning）的突破性进展，包括卷积神经网络（CNN）、循环神经网络（RNN）及其变体（如LSTM、GRU）在图像识别、自然语言处理（NLP）中的经典应用与最新优化。我们将详细解析反向传播算法的数学细节，以及现代优化器（如AdamW、LARS）的改进策略。 第二章：自然语言处理（NLP）的革命：从 BERT 到大语言模型（LLMs） 本章聚焦于近年来 NLP 领域最具变革性的进展——Transformer 架构。我们将详细拆解自注意力机制（Self-Attention）的工作原理，以及如何构建和训练如 BERT、GPT 系列等预训练模型。更进一步，本书将深入探讨 LLMs 在零样本学习（Zero-shot Learning）、少样本学习（Few-shot Learning）中的表现，以及提示工程（Prompt Engineering）作为一种新兴人机交互范式的实践技巧。同时，我们也将审视 LLMs 在事实核查、偏见抑制和可解释性方面亟待解决的难题。 第三章：生成式AI与多模态智能 生成式人工智能（Generative AI）正在改变内容生产的本质。本章将系统介绍扩散模型（Diffusion Models）在图像生成（如 Stable Diffusion、DALL-E）中的核心机制，以及它们与变分自编码器（VAE）、生成对抗网络（GANs）的对比。此外，多模态学习，即将文本、图像、音频等不同类型数据进行统一表示和处理的技术，将是本章的重点，探讨其在复杂场景理解中的巨大潜力。 第四章：AI的伦理、安全与可解释性（XAI） 随着 AI 模型复杂度的提升，其决策过程的“黑箱化”问题日益突出。本部分将探讨可解释性AI（XAI）的关键技术，如 LIME、SHAP 值，帮助理解模型决策的依据。同时，我们将严肃探讨数据隐私保护（如联邦学习）、算法公平性（Fairness）以及深度伪造（Deepfake）等技术滥用带来的社会安全风险，并介绍相应的防御策略和监管框架的构建思路。 --- 第二部分：云计算的深化与边缘智能的崛起（Cloud Deepening and the Rise of Edge Intelligence） 云计算已经从基础设施即服务（IaaS）发展成为支撑全球数字经济的复杂生态系统。本部分将关注云计算的架构演进、服务深化及其与前沿技术的融合。 第五章：云原生架构与微服务生态 本章不再停留在虚拟化的基础层面，而是深入探讨云原生（Cloud Native）的实践精髓。我们将详尽解析容器化技术（Docker）与容器编排系统（Kubernetes, K8s）的架构设计，理解其在实现弹性伸缩、故障隔离和高效资源调度中的作用。服务网格（Service Mesh，如 Istio）的引入，如何优化微服务间的通信、安全与可观测性，将作为重点案例进行分析。 第六章：Serverless 计算与 FaaS 范式 Serverless（无服务器）计算代表了云计算的又一次抽象飞跃。本章将深入研究函数即服务（FaaS）的工作原理，包括冷启动优化、事件驱动模型的构建。我们将对比 FaaS 与传统容器化部署的成本模型、开发效率和运维复杂性，指导读者在不同业务场景下做出明智的技术选型决策。 第七章：边缘计算（Edge Computing）与低延迟部署 随着物联网（IoT）设备和实时应用的爆炸性增长，计算必须下沉到更靠近数据源的“边缘”。本章将阐述边缘计算的架构分层，探讨云边协同（Cloud-Edge Collaboration）的优化策略。我们将分析如何将轻量化AI模型部署到资源受限的边缘设备上，并解决数据一致性、网络带宽受限等关键的边缘基础设施挑战。 第八章：云安全、合规性与数据治理 在多云、混合云的环境下，数据安全和合规性成为重中之重。本章将覆盖零信任安全模型（Zero Trust Architecture）在云环境中的落地实践，以及数据加密、密钥管理服务（KMS）的最佳实践。同时，针对全球日益严格的数据保护法规（如 GDPR、CCPA），我们将探讨如何利用云服务能力构建健壮的数据主权和合规性审计体系。 --- 第三部分：量子计算的理论突破与工程化前瞻（Quantum Computing: Theoretical Leaps and Engineering Outlook） 量子计算是信息技术领域最底层的颠覆力量，本部分将致力于澄清其基本原理，并评估其实际应用的前景。 第九章：量子力学基础与量子比特（Qubit） 本章将以非物理学家的视角，清晰阐述量子计算的数学基础，包括复数向量空间、希尔伯特空间。重点讲解量子比特（Qubit）的特性——叠加态（Superposition）和纠缠（Entanglement）是如何提供指数级计算能力的。我们将详细介绍量子门（Quantum Gates）的操作原理，如泡利门、Hadamard 门和 CNOT 门。 第十章：核心量子算法与经典算法的对比 本书将深入剖析最著名的几个量子算法，并对比它们在特定问题上的加速效果。Shor’s 算法在因式分解领域的潜力及其对现有公钥加密体系的威胁将得到充分讨论。Grover’s 搜索算法的二次加速优势及其在数据库搜索中的应用场景也将被详尽解析。此外，我们将介绍变分量子本征求解器（VQE）等在化学模拟中的新兴应用。 第十一章：当前量子硬件的技术路线与工程挑战 量子计算机的实现路径多样，本章将对比当前主流的硬件平台：超导量子比特、离子阱、拓扑量子比特等，分析各自的优势、劣势以及对环境（如极低温要求）的依赖性。工程化的核心挑战——量子退相干（Decoherence）和错误修正（Error Correction）——将作为重中之重进行剖析，介绍容错量子计算（FTQC）的艰难进展。 第十二章：后量子密码学（PQC）与未来安全 鉴于量子计算对现有加密体系的潜在威胁，本部分将介绍后量子密码学（Post-Quantum Cryptography）的研究现状。我们将重点介绍基于格（Lattice-based）、基于哈希（Hash-based）等抗量子攻击的密码体制，并分析 NIST 正在进行的标准化工作对全球IT基础设施迁移的意义和影响。 --- 结语：技术融合与未来视野 全书的最后，我们将探讨 AI、云计算与量子计算三者之间的融合趋势。例如，如何利用云平台提供量子计算资源（QCaaS），如何使用 AI 技术优化量子硬件的校准，以及未来量子AI（Quantum AI）可能带来的全新计算范式。本书力求成为读者在理解和驾驭新一代信息技术浪潮中的关键指南。 目标读者： 信息技术领域的工程师、架构师和技术管理者。 希望深入了解前沿技术理论和实践的高级研究人员。 对未来科技发展趋势感兴趣的行业决策者。

评分☆☆☆☆☆

最近读到一本关于“决策科学”的书，尽管它并没有直接讨论“数据资产管理”，但它为我理解如何从海量数据中做出更明智、更有效的决策提供了深刻的洞察。《理性决策的路径》这本书，以严谨的逻辑和丰富的案例，剖析了人类在不确定环境中做出决策的原理和方法。作者强调，高质量的决策并非依赖于直觉或经验，而是建立在对信息的充分理解和对风险的审慎评估之上。这让我意识到，我们在大数据时代拥有海量的数据，但如果没有科学的方法去处理和分析它们，这些数据就如同散落在各处的零件，无法组装成有用的机器。书中关于“贝叶斯推理”的应用，让我眼前一亮。它提供了一种更新信念、修正概率的强大工具，这对于我们如何利用新数据不断优化对事实的判断至关重要。我开始思考，那些我们积累的客户数据、市场数据，如何能够通过贝叶斯的方法，不断迭代和完善我们的认知，从而更准确地预测未来趋势。此外，作者对“信息不对称”和“认知失调”的分析，也让我深刻反思了在数据分析过程中可能遇到的挑战。这本书让我明白，“盘活”数据资产，不仅仅是收集和存储，更重要的是通过科学的方法，将这些数据转化为能够指导我们做出更优决策的“洞察”。它教会我，如何从海量数据中辨别有价值的信息，如何规避潜在的认知陷阱，最终将那些“隐形财富”转化为实实在在的竞争优势。

评分☆☆☆☆☆

作为一名在市场营销领域摸索多年的老兵，最近一本让我醍醐灌顶的书，它虽然没有直接谈论“数据资产管理”，却为我打开了全新的思路。《消费者洞察的艺术》这本书，与其说是关于市场研究，不如说是关于理解人心的艺术。作者以一种极其细腻和人文关怀的笔触，剖析了消费者的行为模式、深层需求以及决策过程。我尤其被打动的是书中关于“用户画像”的构建方法，它不仅仅是简单的年龄、性别、地域等人口统计学信息，更深入挖掘了消费者的生活方式、价值观、动机和痛点。这让我意识到，那些我们掌握的海量用户数据，如果不能转化为对消费者的深刻理解，那么它们就只是一堆冰冷且缺乏生命力的数字，无法真正“盘活”。书中对“行为经济学”的引入，解释了为什么消费者会做出某些看似“不理性”的选择，这为我理解数据背后的驱动力提供了新的视角。作者强调，每一次互动，每一次购买，甚至每一次浏览，都可能隐藏着一个消费者未被满足的需求或一个尚未被发掘的偏好。这些行为数据，如果被有效地收集、分析和整合，无疑就构成了宝贵的数据资产。这本书让我明白，数据资产的管理，最终是为了更好地服务于用户，理解用户，而这种理解，需要我们跳出技术的框架，从更人性化的角度去审视和应用数据。它教会我，如何从海量的数据中“读懂”每一个消费者，从而将这些“隐形财富”转化为精准的市场策略和卓越的产品体验。

评分☆☆☆☆☆

作为一个在数据领域摸爬滚打多年的从业者，最近有幸接触到一本让我眼前一亮的书，尽管它并没有直接讲解“数据资产管理”这个概念，但我认为它为理解这个概念提供了绝佳的视角和深刻的启发。这本书，姑且称之为《算法的艺术》，它深入浅出地剖析了各种经典和前沿的机器学习算法，从线性回归的优雅简洁，到深度学习的复杂精妙，再到强化学习的策略探索，作者用生动的比喻和清晰的逻辑，将原本枯燥的数学公式转化为能够直观理解的思想。我尤其喜欢其中关于“特征工程”的章节，作者并没有像很多技术书籍那样直接罗列各种技术，而是从“数据是原材料，特征是加工后的半成品”这一角度出发，强调了理解业务场景、挖掘数据潜在价值的重要性。这让我开始重新审视那些堆积如山的原始数据，它们不再是冰冷的数字，而是蕴含着无限可能的“隐形财富”。书中对数据预处理的细致讲解，比如缺失值填补的多种策略及其适用场景，以及异常值检测的原理和方法，都让我对数据的“清洁”和“提纯”有了更深的认识。更让我惊喜的是，作者在讲解复杂算法时，并没有回避其背后的数学原理，而是通过循序渐进的方式，让读者能够逐步掌握，甚至对其进行优化和改进。这种对算法内在逻辑的深刻洞察，无疑为如何“盘活”数据资产提供了理论基础。这本书让我明白，要真正实现数据的价值，不仅仅在于拥有多少数据，更在于我们能否用合适的工具和方法，将这些数据转化为有意义的信息和可执行的洞察。

评分☆☆☆☆☆

我最近读完了一本让我耳目一新的著作，虽然它并非直接聚焦于“数据资产管理”，但我强烈推荐这本书给任何希望理解如何从海量信息中挖掘价值的人，尤其是在大数据时代。《信息时代的认知革命》这本书，它更多地探讨了人类如何在大爆炸式增长的信息流中保持清醒的头脑，如何筛选、理解、并最终利用这些信息。作者以哲学和心理学的视角，解析了“信息过载”的现象，并提出了多种应对策略。其中关于“认知偏差”的部分，让我深刻反思了自己在分析数据时可能存在的固有成见，以及如何克服这些偏见，做出更客观的判断。书中对“叙事”在信息传播中的作用的分析也极具启发性，它让我意识到，即使是再精妙的数据分析，如果没有一个清晰、有说服力的“故事”来呈现，也很难被真正理解和接受，更遑论转化为行动。作者还详细阐述了“概念建模”的重要性，如何通过构建抽象的模型来理解复杂系统，这对于我理解如何将零散的数据点整合成有意义的“资产”有着重要的提示作用。此外，书中对“知识管理”的探讨，虽然侧重于个人和组织内部的知识体系构建，但也让我联想到，数据的有序化、结构化存储和检索，正是构建高效数据资产管理体系的基础。这本书不是一本技术手册，但它提供了一种全新的思维方式，教会我们如何在信息的海洋中航行，如何从看似杂乱无章的数据中梳理出有价值的“脉络”，从而“盘活”那些被忽略的“隐形财富”。

评分☆☆☆☆☆

最近有幸拜读了一本关于“复杂系统”的书籍，它虽然没有直接涉及“数据资产管理”这个术语，但其深刻的见解无疑为我理解如何从海量数据中提炼价值提供了极大的启示。这本书，可以称之为《万物互联的秩序》，它从自然界和人类社会的各种复杂现象出发，阐述了系统内部各要素之间相互关联、相互影响的动态过程。作者以一种宏观的视角，展现了看似混乱的数据背后可能存在的底层逻辑和规律。我特别着迷于其中关于“涌现性”的讨论，即整体的性质往往无法简单地从各个部分的性质叠加中预测。这让我开始思考，在庞大的数据集中，是否也存在着许多我们尚未察觉的“涌现性”的价值，这些价值并非显而易见，需要通过系统性的分析才能被发现。书中对“网络效应”和“反馈回路”的深入剖析，也让我对数据的价值产生了一种新的认知。我意识到，数据之间的连接和交互，往往比单个数据本身更能产生巨大的影响力。一个孤立的数据点可能微不足道，但当它与其他数据点形成复杂的网络，并产生正向或负向的反馈时，其潜在的价值就会被无限放大。这本书让我明白，要“盘活”大数据时代的“隐形财富”，关键在于理解数据的“系统性”，而不是仅仅孤立地看待每一个数据。我们需要构建能够捕捉和分析数据之间复杂关系的框架，从而发现那些隐藏在系统深处的“秩序”和“规律”，最终将它们转化为可驱动的洞察和决策。