数据治理：工业企业数字化转型之道（第3版）（上下册）

本书是一本全面关注工业企业数据治理方面的工具书，上册主要包括趋势篇、体系篇，下册主要包括工具篇、实施篇及案例篇。其中趋势篇主要介绍工业企业数据治理的基本概念、主流数据治理标准及框架、数据治理的发展趋势等；体系篇主要介绍数据管控、数据战略、数据架构、主数据管理等的基本原理与管理体系；工具篇主要介绍数据资产运营工具、数据模型管理工具、主数据管理工具等；实施篇主要介绍数据治理实施策略和路径选择、数据治理顶层架构规划与设计、数据资产运营实施等；案例篇主要介绍电力、能源化工、制造、战略投资等行业的数据治理案例，为读者提供专业、丰富、可信的数据治理实施范例。本书是工业大数据应用技术国家工程实验室多年潜心研究的重要科研成果的总结和凝聚，既具有理论高度，也具备面向中国工业企业的可实操性。参与本书编著的作者均为国内各企业的数据治理专家，所有案例均来自这些企业的实践。对企业基层管理者或初入职场的人士来说，本书是充分认识数据治理意义、组织实施数据治理的具体方案和工具手册；对企业中层管理者来说，本书是一本配合企业数据治理的纲领性指南；对企业高层管理者来说，本书是一本推动企业数据治理的方法论。本书还适合作为高校的MBA、EMBA教材

目录
第1篇 趋势篇
第1章 工业企业需要数据治理 2
1.1 工业革命的演变与发展趋势 2
1.2 工业数据是工业智能化的核心基础 9
1.3 主要工业国家和地区的工业数据战略 13
1.4 企业工业数据的核心价值 15
1.5 我国各行业数据治理现状 17
1.6 数据治理是实现工业企业数据价值的基础 20
1.7 工业企业数据治理面临的困难与挑战 21
本章精要 24

第2章 工业企业数据治理概述 25
2.1 相关术语的定义与内涵 25
2.1.1 自动化、信息化、数字化、智能化
与数智化 25
2.1.2 数据资源、数据产品、数字资产、数据资产与数据要素 27
2.1.3 数字治理与数据治理 31
2.1.4 新一代数据治理 34
2.1.5 大数据内涵及其8V特征 36
2.1.6 工业互联网与工业数据 38
2.1.7 数据管理、数据运营、数据应用、数据交易和数据流通 40
2.2 工业数据的分类 44
2.2.1 按照数据对象划分 44
2.2.2 按照数据的存储形式划分 45
2.2.3 按照工业企业数据库的类型划分 45
2.2.4 按照权属类型划分 47
2.2.5 国家数据局在相关文件中提到的数据类型划分 47
2.2.6 人工智能训练和推理类应用中的数据类型划分 47
2.3 五种视角下的数据治理体系框架 49
2.3.1 数据治理“五域模型”：管理视角 49
2.3.2 数据治理“黄金屋”：技术视角 50
2.3.3 数据治理“全景图”：全生命周期视角 51
2.3.4 数据治理“藏金阁”：安全视角 53
2.3.5 数据治理“金字塔模型”：需求视角 54
2.4 数据治理的核心内容 55
本章精要 56

第3章 主流数据治理标准及框架介绍 57
3.1 国际标准 57
3.2 国内标准及模型 57
3.3 专业组织及理论框架 62
3.4 数据治理体系比较 67
本章精要 69

第4章 数据治理的发展趋势 70
4.1 国内外数据治理体系的演变与发展 70
4.2 以组织为核心的数据治理体系建设 71
4.3 从传统数据治理到资产化数据治理 71
4.4 从企业级数据治理到产业级数据治理 72
4.5 新一代信息技术促进数据治理的发展 72
4.6 数据素养与数据伦理建设是重要一环 80
4.7 数据空间成为重要的数据流通基础设施 83
本章精要 85

第5章 本书阅读导引 86
5.1 数据治理是一个系统工程 86
5.2 工具是数据治理的保障 87
5.3 实施数据治理有路线可循 87
5.4 数据治理已在诸多行业成功实施 87

第2篇 体系篇

第6章 数据管控 93
6.1 数据管控概述 93
6.2 组织架构 96
6.2.1 数据治理组织架构 97
6.2.2 数据治理组织模式 99
6.2.3 数据治理职责分工 101
6.2.4 数据岗位角色 103
6.3 制度规范 106
6.3.1 数据治理制度框架 106
6.3.2 数据治理制度修订 112
6.3.3 数据治理制度执行流程 113
6.3.4 数据治理制度考核体系 117
6.4 管理机制 119
6.5 数字文化 122
6.5.1 数据文化 122
6.5.2 数据素养 124
6.5.3 数据治理沟通 126
6.5.4 业务案例与宣传 127
6.5.5 数据伦理道德 128
6.6 人才培养 129
6.6.1 培训体系 130
6.6.2 岗位认证体系 133
6.6.3 培训宣贯 134
6.6.4 人才评估晋升 135
6.7 数据管控体系评价指标 137
本章精要 140

第7章 数据战略 141
7.1 数据战略概述 141
7.2 数据战略规划 149
7.2.1 识别干系人 149
7.2.2 数据战略需求调研与对标分析 151
7.2.3 数据战略制定 151
7.2.4 数据战略发布 155
7.2.5 数据战略修订 156
7.2.6 主要理论方法与技术 157
7.3 数据战略实施 161
7.3.1 实施策略 161
7.3.2 实施路径 162
7.4 数据战略评估 163
7.4.1 评估策略 163
7.4.2 评估方法 164
7.4.3 管理层参与说明 166
7.5 数据战略评价指标 167
本章精要 168

第8章 数据架构 169
8.1 数据架构概述 170
8.1.1 数据架构的建设目标 171
8.1.2 数据架构的组成 174
8.1.3 企业数据架构的主要问题 175
8.1.4 做好数据架构的意义 176
8.2 数据目录 176
8.2.1 数据目录类型 177
8.2.2 数据目录管理 179
8.3 数据模型 180
8.3.1 数据模型中的基本概念与数据
关系 180
8.3.2 主题域模型 184
8.3.3 概念数据模型 186
8.3.4 逻辑数据模型 187
8.3.5 物理数据模型 188
8.3.6 数据模型设计和建模方法 189
8.4 数据标准 190
8.4.1 对象类数据标准 191
8.4.2 基础类数据标准 195
8.5 数据分布与流向 196
8.5.1 数据分布 196
8.5.2 数据流向 197
8.5.3 数据资源全景图 198
8.5.4 数据地图分布应用 198
8.6 数据架构评价指标 198
本章精要 199

第9章 主数据管理 200
9.1 主数据概述 200
9.2 主数据规划与设计管理 205
9.3 主数据溯源与识别管理 206
9.4 主数据标准管理与质量规则 209
9.5 建立主数据代码库 211
9.6 搭建主数据管理工具及集成接口 212
9.7 建立主数据运营体系 213
9.8 加强主数据推广应用与贯标 215
9.8.1 统一源头集中共享 215
9.8.2 主数据应用需求管理 215
9.8.3 主数据应用质量管理 216
9.8.4 主数据应用服务管理 217
9.9 主数据评价指标 218
9.10 企业常用的几类主数据 220
9.10.1 物料主数据 220
9.10.2 设备主数据 220
9.10.3 固定资产主数据 221
9.10.4 会计科目主数据 222
9.10.5 组织机构和员工主数据 222
本章精要 223

第10章 元数据管理 224
10.1 元数据管理概述 224
10.2 元数据分类及相关理解 228
10.2.1 元数据分类 229
10.2.2 元数据相关概念理解 230
10.3 元数据管理关键活动 234
10.4 元数据管理主要内容 234
10.5 主动元数据管理 238
10.6 元数据的价值 240
10.7 元数据管理评价指标 241
本章精要 242
第11章 指标数据管理 243
11.1 指标数据管理概述 243
11.1.1 业务驱动因素 243
11.1.2 指标数据管理目标和内容 245
11.1.3 指标数据标准定义及分类 247
11.1.4 指标数据常见误区和问题 249
11.1.5 指标数据标准梳理常见方法 251
11.2 指标数据体系框架设计与标准化定义 253
11.2.1 指标体系建设价值 253
11.2.2 指标体系框架设计思路 254
11.2.3 指标数据标准化内容和步骤 256
11.2.4 指标体系构建实施内容 269
11.3 指标数据工具建设及落地 269
11.4 指标数据运营体系建设 271
11.5 指标数据应用 272
11.6 指标数据评价指标 272
本章精要 274

第12章 时序数据管理 275
12.1 时序数据管理概述 275
12.1.1 业务驱动因素 276
12.1.2 时序数据管理的目标、内容和核心原则 277
12.1.3 时序数据的特点及应用场景 280
12.1.4 时序数据的应用需求和挑战 285
12.2 时序数据治理的过程体系 288
12.2.1 时序数据架构规划 289
12.2.2 时序数据的主数据和指标标准管理 290
12.2.3 时序数据的质量管理 294
12.2.4 时序数据安全 298
12.2.5 时序数据应用 300
12.2.6 时序数据全生命周期运营 300
12.2.7 AI树在时序数据治理工作中的应用 301
12.3 时序数据治理工具与技术 302
12.4 AI环境下的时序数据治理 302
12.5 时序数据管理评价指标 307
12.6 时序数据治理展望 309
本章精要 310

第13章 空间数据管理 311
13.1 空间数据管理概述 311
13.1.1 业务驱动因素 311
13.1.2 空间数据管理域目标、内容和原则 313
13.1.3 空间数据管理的相关概念 316
13.1.4 空间数据管理技术的发展历程 319
13.1.5 空间数据的属性和类型 320
13.2 空间数据管理体系 321
13.2.1 空间数据模型 322
13.2.2 空间数据相关标准 323
13.2.3 空间数据质量与安全 325
13.3 空间数据管理的主要内容 325
13.3.1 数据采集 325
13.3.2 数据存储 328
13.3.3 数据处理 329
13.3.4 数据分析 331
13.3.5 数据可视化 333
13.3.6 数据安全 335
13.3.7 数据共享与互操作 336
13.4 空间数据管理工具与技术 338
13.4.1 空间数据获取技术 338
13.4.2 空间数据存储与管理技术 339
13.4.3 空间数据分析与处理技术 339
13.4.4 空间数据可视化技术 340
13.4.5 云计算与大数据处理技术 340
13.4.6 其他相关技术 341
13.5 空间数据主要应用场景和特点 341
13.6 空间数据管理评价指标 344
13.6.1 空间数据的管理指标 344
13.6.2 空间数据的评价指标 345
13.7 空间数据应用场景展望 346
本章精要 349
第14章 非结构化数据管理 350
14.1 非结构化数据管理概述 350
14.1.1 相关概念 351
14.1.2 非结构化数据管理目标和内容总体框架 353
14.1.3 非结构化数据的应用场景 355
14.1.4 非结构化数据管理面临的难题和挑战 356
14.2 非结构化数据管理的主要活动与内容 357
14.3 非结构化数据管理工具与技术 361
14.4 非结构化数据评价指标 361
14.4.1 数据质量维度 361
14.4.2 数据管理流程维度 365
14.4.3 数据安全与合规维度 366
14.4.4 业务价值维度 366
14.4.5 系统性能与运维维度 366
14.5 非结构化数据管理的趋势 366
本章精要 368

第15章 数据质量管理 369
15.1 数据质量管理概述 371
15.1.1 业务驱动因素 371
15.1.2 数据质量域建设目标和内容 372
15.1.3 数据质量管理原则 375
15.1.4 数据质量的重要性 376
15.1.5 数据质量管理技术 377
15.1.6 数据质量管理标准 380
15.2 数据质量需求 383
15.2.1 数据质量管理的智能化转型 383
15.2.2 智能化转型面临的挑战 384
15.3 数据质量检查 384
15.3.1 数据质量检查计划 385
15.3.2 数据质量剖析 386
15.4 数据质量分析 386
15.5 数据质量提升 387
15.6 数据质量管理评价指标 391
本章精要 396

第16章 数据安全与合规管理 397
16.1 数据安全与合规管理概述 397
16.2 数据安全与合规的发展与挑战 399
16.2.1 数据安全与网络安全、信息安全的演变与对比 399
16.2.2 数据安全与合规管理面临的挑战 400
16.3 数据安全与合规管理体系 402
16.3.1 数据管理能力成熟度评估模型（DCMM） 403
16.3.2 数据安全与合规管理体系框架 404
16.3.3 工业互联网安全体系案例 407
16.4 数据安全策略 408
16.4.1 识别数据安全需求 408
16.4.2 定义数据安全策略 410
16.5 数据安全管理 411
16.5.1 数据安全组织和制度体系 411
16.5.2 数据安全分级 413
16.5.3 数据安全保护检查 414
16.5.4 人员意识培训与管理 415
16.5.5 数据开放共享安全保障 416
16.5.6 数据安全与合规的应急保障 417
16.6 数据安全审计 418
16.7 数据合规管理 419
16.7.1 常态化的数据合规工作内容 419
16.7.2 数据合规中需特别关注的业务场景 419
16.8 数据安全与合规评价指标 421
本章精要 423

第17章 数据集成与共享 424
17.1 数据集成与共享概述 424
17.2 数据集成与共享的主要活动与内容 428
17.2.1 制定数据集成与共享的制度和流程 428
17.2.2 建立数据集成与共享技术标准 430
17.2.3 建立数据集成平台 432
17.2.4 开发数据服务接口 434
17.3 数据集成与共享工具与技术 436
17.4 数据集成与共享评价指标 437
17.5 数据集成与共享展望 438
17.5.1 技术趋势 438
17.5.2 应用场景拓展 439
本章精要 440

第18章 数据开放共享 441
18.1 数据开放共享概述 441
18.2 数据开放共享的主要活动与内容 445
18.2.1 建立统一的数据开放共享策略 445
18.2.2 数据资源目录梳理 446
18.2.3 数据资源准备 447
18.2.4 数据服务管理 450
18.2.5 数据供应商管理 451
18.2.6 数据采购管理 452
18.3 数据开放共享工具与技术 452
18.3.1 数据开放共享工具 452
18.3.2 数据开放共享技术 455
18.4 数据开放共享评价指标 456
18.5 数据开放共享展望 456
18.5.1 技术趋势 456
18.5.2 应用场景拓展 457
18.5.3 面临的挑战与应对策略 458
本章精要 459

第3篇 工具篇
第19章 数据治理工具概述 2
19.1 数据标准管理工具 2
19.2 数据模型管理工具 3
19.3 主数据管理工具 4
19.4 元数据管理工具 4
19.5 数据目录管理工具 5
19.6 数据质量管理工具 6
19.7 数据安全和隐私保护工具 6
19.8 时序数据管理工具 7
19.9 湖仓一体化数据平台 8
19.10 如何选择合适的数据治理工具 10
本章精要 10

第20章 数据资产运营工具 11
20.1 数据资产目录 11
20.1.1 数据资产概述 12
20.1.2 系统构建 12
20.2 数据资产确权 14
20.3 数据资产健康评估 15
本章精要 17

第21章 数据模型管理工具 18
21.1 数据模型管理工具概述 18
21.2 企业级数据模型管控 18
21.3 数据标准管控 20
21.3.1 数据标准的发布和工具访问 20
21.3.2 模型设计中的应用数据标准 21
21.3.3 数据标准应用情况的自动检核 21
21.3.4 自定义数据标准的发布管理 22
21.4 企业架构与数据架构 22
本章精要 25

第22章 指标数据管理工具 26
22.1 指标平台的定义和选型方法 26
22.2 指标平台的组成部分 27
22.3 模块A：指标标准 29
22.4 模块B：指标开发 31
22.5 模块C：指标管理 33
22.6 模块D：指标存储与计算 35
22.7 模块E：指标应用 36
22.8 模块F：指标服务 38
22.9 指标平台的其他模块 38
22.10 指标平台与其他系统（或模块）之间的关系 39
本章精要 41

第23章 主数据管理工具 42
23.1 主数据功能概述 42
23.2 主数据标准管理 43
23.3 主数据模型管理 43
23.4 主数据清洗管理 43
23.4.1 主数据清洗的内容 44
23.4.2 主数据清洗的一般过程 45
23.5 主数据全周期管理 47
23.6 主数据质量管理 49
23.7 主数据发布与共享 51
23.8 人工智能组件 52
本章精要 53

第24章 元数据管理工具 54
24.1 元数据管理工具概述 54
24.2 元数据管理工具组成 54
24.3 元数据管理工具的架构 59
24.4 元数据管理工具的发展趋势 61
本章精要 62

第25章 时序数据处理工具 63
25.1 通用大数据处理工具的不足 63
25.2 时序数据处理工具应具备的功能和特点 64
25.3 时序数据的采集 66
25.4 时序数据处理工具 67
本章精要 69

第26章 非结构化数据管理工具 70
26.1 非结构化数据管理工具概述 70
26.2 非结构化数据收集工具与技术 70
26.3 非结构化数据存储工具与技术 72
26.4 非结构化数据加工标注技术 75
26.4.1 非结构化数据清洗技术 75
26.4.2 OCR识别技术 76
26.4.3 语音识别技术 77
26.4.4 元数据标注技术 77
26.4.5 复杂知识表示结构化加工技术 78
26.4.6 数据分类与标签化技术 79
26.4.7 知识图谱构建技术 79
26.4.8 内容摘要技术 80
26.4.9 内容向量化技术 80
26.5 非结构化数据索引与检索技术 81
26.5.1 索引技术 82
26.5.2 检索技术 83
26.5.3 主流工具与技术栈 84
26.6 数据集成技术 84
26.7 数据安全与隐私保护技术 85
26.8 人工智能模型训练技术 86
26.9 非结构化数据管理平台 88
本章精要 89

第27章 数据质量管理工具 90
27.1 数据质量管理工具概述 90
27.1.1 数据质量管理平台 91
27.1.2 数据清洗工具 91
27.1.3 数据质量监控工具 92
27.2 数据质量稽核规则设置 92
27.3 数据质量任务管理 94
27.4 数据质量报告 94
27.4.1 数据内容分析 94
27.4.2 数据关系分析 95
27.4.3 数据遵从度分析 95
27.5 数据质量与数据管理各领域的协同关系 96
本章精要 99

第28章 数据交换与服务工具 100
28.1 数据交换与服务工具概述 100
28.2 数据采集 101
28.3 数据交换 104
28.3.1 前置交换子系统 104
28.3.2 交换传输子系统 105
28.3.3 交换管理子系统 105
28.4 数据加工服务 106
28.5 数据共享服务 107
28.6 工业大数据技术平台 108
28.6.1 工业大数据的采集 108
28.6.2 工业大数据的交换 109
28.6.3 工业大数据的处理 111
本章精要 113

第29章 数据安全与合规管理工具 114
29.1 数据安全与合规管理工具概述 114
29.2 需求与评估类 116
29.2.1 合规跟踪对标工具 116
29.2.2 流程化的自动风险评估 117
29.3 权益保障类 117
29.4 事件管理类工具 118
29.5 数据采集安全合规工具 118
29.5.1 数据分类分级工具 118
29.5.2 数据源鉴别及记录 119
29.5.3 数据质量规则制定与监测 119
29.6 数据传输安全合规工具 120
29.6.1 加密算法 120
29.6.2 对称加密 120
29.6.3 非对称加密 121
29.7 数据存储安全合规工具 121
29.7.1 数据存储安全 122
29.7.2 数据备份和恢复 122
29.7.3 灾难恢复能力等级划分 123
29.8 数据应用与服务安全合规工具 123
29.8.1 统一的身份认证系统 124
29.8.2 API安全管控系统 124
29.9 数据交换安全合规工具 125
29.10 数据销毁安全合规 126
29.11 数据安全与合规审计工具 127
29.12 隐私保护计算技术 128
29.13 可信数据空间的安全合规能力 130
29.14 人工智能技术赋能数据安全合规管理 132
本章精要 133

第30章 湖仓一体大数据平台 134
30.1 大数据平台的演变与现状 134
30.1.1 大数据平台的演变 134
30.1.2 大数据平台的新内涵 135
30.2 大数据平台的基本建设思路与原则 135
30.2.1 大数据平台的目标 135
30.2.2 建设方针和思路 136
30.2.3 建设路径 136
30.3 大数据平台功能架构 137
30.3.1 湖仓一体大数据平台的产生和总体架构 137
30.3.2 数据采集 138
30.3.3 数据存储管理 139
30.3.4 数据计算 140
30.3.5 数据分析与挖掘 142
30.3.6 数据服务 143
30.3.7 应用与可视化模块 144
30.3.8 作业调度系统 145
30.3.9 集成开发环境门户 146
30.4 大数据平台的主要技术 146
30.5 大数据平台团队建设 147
30.5.1 大数据平台团队的职能 147
30.5.2 大数据平台实施团队构成 148
30.6 大数据平台的能力评估 148
30.7 大数据平台发展趋势 149
30.7.1 数字经济中的发展与安全的平衡 150
30.7.2 信息与大数据技术的迭代发展 151
本章精要 152

第4篇 实施篇
第31章 数据治理建设策略和路径选择 154
31.1 数据治理建设策略和路径选择概要 154
31.2 数据治理常见误区 157
31.3 遵循的十项基本原则 161
31.4 数据治理工作的整体建设策略 164
31.4.1 六个导向 165
31.4.2 三个结合 170
31.4.3 四个坚持 172
31.4.4 五个避免 173
31.5 十二条建设路径 175
31.5.1 路径选择 175
31.5.2 实施路径 177
31.6 数据治理成效 180
本章精要 182
第32章 数据治理顶层架构规划与设计 183
32.1 规划目标和内容 183
32.1.1 规划目标 184
32.1.2 实施注意事项 184
32.1.3 方法论 185
32.2 规划步骤 187
32.2.1 第一阶段A：现状调研及需求分析 187
32.2.2 第二阶段B：数据体系顶层规划 191
32.2.3 第三阶段C：实施路线图规划 209
32.2.4 项目成果展示 211
本章精要 212
第33章 数据资产入表 213
33.1 数据资产入表是数据资产化的重要内容 213
33.2 相关规定解读 214
33.2.1 总体原则 214
33.2.2 数据资产定义 215
33.2.3 数据资产分类与确认 216
33.2.4 数据资产的核算与计量 218
33.2.5 数据资产列示与披露 219
33.2.6 数据资源入表与数据资产入表的异同 221
33.3 数据资产入表难点分析 223
33.4 数据资产入表的准备工作 224
33.4.1 搭建管理体系 224
33.4.2 构建数据治理平台 225
33.4.3 调整财务系统 226
33.5 数据资产入表的步骤和方法 227
33.5.1 数据资产盘点与梳理和数据产品的设计与运营 227
33.5.2 数据质量评估 228
33.5.3 数据资产场内登记与合规性审核 229
33.5.4 数据资产价值评估 230
33.5.5 数据资产入表 232
33.6 数据资产入表的外部协作生态机构 233
33.7 数据资产入表的企业内部参与部门 235
33.8 数据资产入表各主要阶段涉及的相关部门 236
本章精要 238

第34章 主数据管理实施 239
34.1 主数据管理实施内容 239
34.2 主数据管理实施步骤和方法 239
34.2.1 主数据管理实施步骤 239
34.2.2 主数据管理实施方法 241
本章精要 245

第35章 元数据管理实施 246
35.1 元数据管理实施内容 246
35.2 元数据管理实施步骤和方法 246
本章精要 249

第36章 指标数据管理实施 250
36.1 指标数据管理项目实施概述 250
36.1.1 指标数据管理项目实施的相关人员 250
36.1.2 指标项目实施的业务价值和目标 251
36.1.3 指标数据管理项目实施的阶段划分 251
36.2 第一阶段：指标体系规划 252
36.2.1 指标体系构建方法 252
36.2.2 任务A：确定指标标准 257
36.2.3 任务B：制定保障机制 261
36.3 第二阶段：项目实施推进 263
36.3.1 指标项目实施原则 263
36.3.2 任务C：指标蓝图设计 264
36.3.3 任务D：指标开发与运营 271
本章精要 273

第37章 数据质量管理实施 274
37.1 数据质量管理实施内容 274
37.2 数据质量管理步骤和方法 275
37.2.1 数据剖析 275
37.2.2 数据质量诊断 276
37.2.3 数据处理规则 277
37.2.4 数据质量优化 277
37.2.5 数据质量监管 278
37.2.6 数据质量评估 279
37.3 数据质量管理“三道防线”体系 280
37.4 数据质量提升要点 282
37.4.1 数据质量管理文化 282
37.4.2 数据源头管控 282
37.4.3 数据质量管理流程 283
37.4.4 数据考核评价机制 284
37.5 实施数据质量管理所面对的挑战与应对策略 286
37.5.1 实施挑战 286
37.5.2 应对策略 287
37.6 实施数据质量管理时需注意的问题 288
本章精要 289

第38章 数据安全与合规管理实施 290
38.1 数据安全与合规管理实施概述 290
38.2 数据安全与合规管理实施步骤 290
38.2.1 第一阶段：统筹规划 291
38.2.2 第二阶段：数据全生命周期监管 292
38.2.3 第三阶段：检查审计 292
38.3 实施典型案例 293
38.3.1 数据安全产品案例 293
38.3.2 数据合规任务清单 296
本章精要 297

第5篇 案例篇

第39章 电力行业：夯实数字化转型基础――南方电网数据资产管理行动实践 300
39.1 背景介绍 300
39.2 项目实施 302
39.3 项目成果 315
39.4 项目亮点和洞察 317
39.5 数据治理愿景 319
第40章 钢铁行业：产线时序数据治理实践 320
40.1 背景介绍 320
40.2 项目目标 320
40.3 项目实施 321
40.4 项目总结 327
40.5 未来展望 328
第41章 核电：秦山核电基于AI大模型的核电非结构化数据治理与智能化知识管理应用 329
41.1 背景介绍 329
41.2 整体架构 331
41.2.1 “采-治-存-管-用”数据生命周期管理整体规划 331
41.2.2 基于大模型的核电智能管理平台架构 332
41.2.3 以大模型为底座的非结构化数据处理 333
41.3 项目实施 334
41.3.1 多业务系统数据集成管理 334
41.3.2 基于大模型的多源异构数据深度加工 335
41.3.3 多维度知识体系下的数据分类处理 336
41.3.4 秦山核电知识库构建与存储 337
41.3.5 以大模型为底座的核电知识图谱构建 340
41.3.6 “管理-监控-修正”的数据质量管理体系建设 340
41.3.7 多层级管控下的数据安全策略 341
41.4 项目成果 342
41.5 未来展望 343

第42章 航天行业：军工企业的“三位一体”数据治理体系建设实践 344
42.1 背景介绍 344
42.2 数据治理体系建设实践 345
42.3 数据治理成效 349
42.4 未来展望 353
第43章 航空行业：基于统一模型的数据赋能业务实践 354
43.1 背景介绍 354
43.1.1 单位简介 354
43.1.2 信息化现状 354
43.1.3 数据治理需求 355
43.2 工作历程 355
43.2.1 战略规划 355
43.2.2 建设蓝图 356
43.2.3 组织保障与统一管理 357
43.2.4 数据文化 358
43.3 项目成果 358
43.3.1 数据治理体系 358
43.3.2 数据治理效果 359

43.3.3 创新经验 362
43.3.4 应用价值 363
43.4 未来展望 363
第44章 交通物流行业：数据治理助力中国外运数字化转型 364
44.1 背景介绍 364
44.2 主数据管理项目实施 366
44.3 数据资源目录项目实施 369
44.4 构建数据供应链 373
44.5 主要成果 376
第45章 煤炭行业：中国中煤大数据体系建设项目 381
45.1 背景介绍 381
45.2 项目建设情况 383
45.3 项目效果 408
附录A 工业英文缩写术语表 410
附录B 数据治理411个重要名词
术语 417