数据治理：工业企业数字化转型之道（第2版）

本书是一本全面关注工业企业数据治理方面的工具书，主要内容分为概述篇、体系篇、工具篇、实施篇及案例篇。

其中概述篇主要介绍工业企业数据治理的基础概念、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；工具篇主要介绍主数据管理工具、数据模型管理工具、数据资产运营工具等；实施篇主要介绍具体实施策略及路径选择、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、钢铁、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。

对企业的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、组织进行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。

祝守宇，中国航天科工集团航天云网公司副总经理、工业大数据应用技术国家工程实验室主任、教授级高级工程师。曾获1997年美国贝尔实验室总裁金奖、美国电信管理协会（TMF）年度新产品大奖、北京市科技进步一等奖一次、北京市科技进步三等奖两次。先后主持国家级重大产业专项十余项，拥有美国和中国发明专利十余项。长期从事互联网、大数据、复杂软件系统、移动通信、网络安全等领域的研究和产业化工作，是航天科工集团“五重大一专项”集团特聘专家。

蔡春久，数治云联合创始人，大数据技术标准推进委员会数据资产专家，数据工匠俱乐部创始人。具有20余年的IT咨询和数据治理行业经验， 为中国石化、南方电网、国家电投、中国核工业集团、腾讯等80余家世界500强企业提供数据治理服务。

中国工程院院士 高金吉、倪光南荐读
13个工业企业案例
紧跟国家政策与技术发展，介绍更新、更先进的企业数据治理案例。
本书既具有国际性理论高度，也具备面向中国工业企业的实操性。
参与本书编著的作者均为国内各企业的数据治理专家，所有案例均为企业的真实实践

序

七十多年来，伴随着信息革命和信息化的飞速发展，计算机数据量的急剧增长，数据利用和管理的重要性与日俱增，数据逐渐在信息化这个大舞台上扮演着越来越重要的角色。
早期，数据处理（data processing）解决的是利用计算机技术对数据进行采集、存储、加工、转换和传输等的技术问题，目的在于将原始的、看似无序的和非结构化的数据，通过格式化的方法，使其转换为结构化的数据，并存储于计算机系统之中，以便于数据的高效检索、管理和利用。其后，随着数据的不断增加和重要性的凸显，计算机中的数据管理（data management）和数据管治（data administration）成为焦点。前者解决的是对于计算机数据的存储、检索、控制的管理，包括文件和数据库的接入、数据处理系统的管理等；后者关注的则是一个组织机构的计算机系统中所存储的数据、信息作为组织机构的资源的管理，包括数据的分析、分类、维护、流动、应用等。
进入21世纪以来，基于互联网的企业信息系统（企业内部网和外部网）的发展，企业数据的管理和管治更为复杂，不仅包含了企业内部的各种产品设计、生产、管理数据，还包含了与企业外部运行环境和竞争环境相关的一切数据；数据不仅要支撑企业的运行和管理，更要为企业对环境的把握和决策服务。在这样的背景下，企业数据治理（data governance）的概念，及其理论、方法和工具等应运而生，目的在于对企业所需数据的可获得性、相关性、可用性、整体性、安全性等，实现全面、有效的管理，将数据作为企业的战略资产加以重视和综合利用，为实现企业长期的发展战略和增长目标服务。
不过，值得注意的是，数据治理是一个宽泛的概念，在国际、国家、地区、企事业单位，乃至个人等层面，都存在着内涵各不相同的数据治理问题。
在数据时代来临之际，本书的适时推出，无论是对推动中国企业的数据管理和利用水平的提高，还是对推动工业大数据的应用发展，无疑都是一件非常有意义的大事。
本书对于工业企业数据治理的讨论非常全面而系统。正如书中所介绍的，完整的数据治理包括战略、组织、制度、流程、绩效、标准、工具，以及数据价值、数据共享、数据变现等许多方面。全书既介绍了工业企业数据治理的概念和内涵、标准和框架（特别是主流数据治理的标准及框架）；也从系统工程的角度，介绍了工业企业数据治理体系的各个关键环节，以及现有的、可获得的各种数据治理工具；而且，书中所给出的大量中国工业企业数据治理的实践和经验，非常具有启发性、实践性和可操作性。鉴于本书的编著者之一工作于中国工业大数据领域唯一的国家级工程技术研究平台，对于工业大数据的应用技术、工业大数据的管理和治理，有着长期、深入的研究和丰富的实践经验，因此，本书对于工业数据治理体系的顶层设计提出的一系列推进中国大数据应用和治理的建议，特别具有创新性和指导性，值得中国工业界相关领域的同行认真研究和讨论。
数据治理是现代企业在信息化和全球化的大环境下，谋求竞争优势和向高端发展进程中难得的一个机遇，也是一个无可回避的挑战。对中国企业更是如此。根据国际数据公司（IDC）2018年年末的测算，2025年，中国将成为全球五个分区 中，最大的数据资源拥有地区（占比为28%，数据总量为49ZB），其数据总量将是美国（排名第四，占比为18%）的1.56倍。实际上，2019年，中国的数据总量已经超过了美国。但是，本书的研究指出，中国工业企业的数据资源存量普遍不大，宝贵的数据资源由于缺乏科学的数据管理而随意流失；工业企业数据总量低下，与企业规模极不相称；半数以上的工业企业仍在使用纸质或更原始的方式进行数据的存储和管理；数据孤岛几乎是所有工业企业都面临的困境。此外，无论是数据管理还是数据治理，中国工业企业的状况也不容乐观。调查显示，仅有37.84%的大型工业企业、46.67%的中型工业企业、13.64%的小型工业企业开展了数据管理工作；大多数工业企业缺乏专门的数据管理部门，投入数据管理的人、财资源也非常有限，更谈不上顶层规划和战略管理。凡此种种都说明，中国工业企业的数据拥有量、数据管理和治理水平，甚至落后于许多其他行业。这些，都从侧面证明了中国工业企业在数据管理和数据治理方面亟待迎头赶上。否则，中国制造业的转型升级将无从谈起。
中国企业与发达国家的企业对标，所显露出来的差距并不可怕。正是这些差距，向我们揭示了大多数中国企业进一步发展和努力的方向，告诉我们中国企业数字化转型的方向和道路何在。“欲致鱼者先通水，欲致鸟者先树木”。中国企业的数字化转型，只有充分利用“大数据、人工智能、全联网、云计算”等新一代信息技术提供的条件，以新的形态实现企业业务活动的数字化和网络化，并且在这个过程中不断认识和强化企业的数据治理，向着智能化的方向进发，才有可能走上一条与时俱进的发展快车道，跨入现代企业的行列。
衷心期盼本书的出版，能让中国工业界从中获益，有效推动工业企业数据治理的发展，并促使企业的信息化扎扎实实迈向一个数据驱动的、新的发展阶段。

周宏仁
国家信息化专家咨询委员会常务副主任

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 工业大数据是工业智能化的核心基础 ． 6
1．3 主要工业国家地区的工业大数据战略 ． 8
1．4 企业工业数据的核心价值 ． 9
1．5 我国各行业数据治理现状 ． 11
1．6 数据治理是实现工业数据价值的基础 ． 13
1．7 工业企业数据治理面临的困难与挑战 ． 14
第2 章 工业企业数据治理概述 ． 17
2．1 相关概念和定义 ． 17
2．1．1 数据与数据管理 ． 17
2．1．2 大数据内涵及其特征 ． 17
2．1．3 工业大数据的定义及其独特属性 ． 18
2．1．4 狭义数据治理与广义数据治理 ． 19
2．2 工业数据的分类 ． 22
2．3 数据治理的顶层架构 ． 25
2．3．1 数据治理“五域模型”：管理视角 ． 25
2．3．2 数据治理“黄金屋”：技术视角 ． 26
2．3．3 数据全生命周期 ． 27
2．4 数据治理的核心内容 28
第3 章 主流数据治理标准及框架介绍 30
3．1 国际标准 ． 30
3．2 国内标准及模型 30
3．3 专业组织及理论框架 32
3．4 数据治理体系比较 34
第4 章 数据治理的发展趋势 ．37
4．1 国内外数据治理体系的演变与发展 ． 37
4．2 以组织为核心的数据治理体系建设 ． 38
4．3 从传统式数据治理到资产化数据治理 ． 38
4．4 从企业级数据治理到产业级数据治理 ． 39
4．5 新一代信息技术促进数据治理的发展
4．6 数据文化与伦理道德建设是重要一环 ． 43
4．7 数据运营是数据资产价值的实现过程 ． 45
第5 章 本书阅读导引 48
5．1 数据治理是一个系统工程 48
5．2 工具是数据治理的保障 49
5．3 实施数据治理有路线可循 49
5．4 数据治理已在诸多行业成功实施 49

第2 篇 体系篇
第6 章 数据管控 55
6．1 数据管控概述 ． 55
6．2 组织架构 ． 57
6．2．1 数据治理组织架构 ． 57
6．2．2 数据治理组织模式 ． 59
6．2．3 数据治理职责分工 ． 61
6．3 制度规范 ． 64
6．3．1 数据治理制度框架 ． 64
6．3．2 数据治理管理制度的修订 ． 67
6．4 执行流程 ． 69
6．4．1 数据治理总体流程框架 ． 69
6．4．2 数据治理典型场景的流程 ． 70
6．5 设计机制 ． 73
6．6 考核体系 ． 75
6．7 标准体系 ． 77
第7 章 数据战略 79
7．1 数据战略概述 ． 79
7．2 数据战略规划 ． 79
7．2．1 数据战略愿景和目标 ． 80
7．2．2 数据战略规划基本原则 ． 81
7．2．3 数据战略举措选择 ． 82
7．2．4 数据战略模型工具 ． 82
7．3 数据战略实施 ． 84
7．3．1 实施策略 84
7．3．2 实施路径 ． 84
7．3．3 实施步骤 ． 85
第8 章 数据架构 ．88
8．1 数据架构概述 89
8．1．1 数据架构组成 ． 90
8．1．2 企业数据架构的主要问题 ． 91
8．1．3 做好数据架构的意义 ． 92
8．2 数据目录 ． 92
8．2．1 数据目录类型 ． 93
8．2．2 数据目录管理 ． 95
8．3 数据模型 ． 96
8．3．1 数据模型中的基本概念与数据关系 ． 97
8．3．2 主题域模型 ． 101
8．3．3 概念数据模型 ． 103
8．3．4 逻辑数据模型 ． 103
8．3．5 物理数据模型 ． 105
8．3．6 数据模型设计和建模方法 ． 105
8．4 数据标准 ． 107
8．4．1 对象类数据标准 ． 107
8．4．2 基础类数据标准 ． 111
8．5 数据分布与流向 112
8．5．1 数据分布 ． 113
8．5．2 数据流向 ． 113
8．5．3 数据资产全景图 ． 114
8．5．4 数据地图分布应用 ． 115
8．6 数据架构评价指标 ． 116
第9 章 主数据管理 ． 118
9．1 主数据和主数据管理 ． 118
9．1．1 主数据的特征． 118
9．1．2 主数据管理的基本概念 ． 119
9．2 主数据规划管理 ． 119
9．3 主数据识别管理 ． 120
9．4 主数据标准管理 ． 123
9．5 主数据全生命周期管理 ． 124
9．6 主数据应用管理 ． 125
9．6．1 统一源头集中共享 ． 125
9．6．2 主数据应用需求管理 ． 125
9．6．3 主数据应用质量管理 ． 126
9．6．4 主数据应用服务管理 ． 127
9．7 主数据评价指标 ． 128
9．8 企业常用的几类主数据 ． 130
9．8．1 物料主数据 130
9．8．2 设备主数据 130
9．8．3 固定资产主数据 ． 131
9．8．4 会计科目主数据 ． 132
9．8．5 组织机构和员工主数据 ． 132
第10 章 元数据管理 ． 134
10．1 元数据的定义 ． 134
10．2 元数据分类 ． 134
10．2．1 业务元数据 135
10．2．2 技术元数据 135
10．2．3 管理元数据 135
10．3 元数据相关概念理解 ． 136
10．4 元数据管理关键活动 ． 140
10．5 元数据管理内容 ． 141
10．6 主动元数据管理 144
10．7 元数据的价值 146
10．8 元数据管理评价指标 147
第11 章 数据指标管理 148
11．1 数据指标管理概述 148
11．1．1 数据指标应用和管理中的挑战 ． 148
11．1．2 指标体系框架设计目的 ． 149
11．1．3 指标体系框架设计思路 ． 149
11．2 指标体系框架 150
11．2．1 典型的指标定义框架 ． 151
11．2．2 指标选取原则及方法 ． 151
11．2．3 指标体系框架层级设计 ． 153
11．2．4 指标体系评价方法 ． 153
11．3 找指标 154
11．4 理指标 156
11．5 管指标 157
11．6 用指标 158
第12 章 时序数据管理 160
12．1 时序数据管理概述 160
12．2 时序数据的特点 161
12．3 时序数据的应用 162
12．3．1 技术挑战 ． 163
12．3．2 典型的技术架构及特点 ． 164
12．3．3 系统核心功能 ． 164
第13 章 数据质量管理 166
13．1 数据质量需求分析 167
13．2 数据质量检查 168
13．3 数据质量分析 168
13．4 数据质量提升 169
13．5 数据质量评估 171
13．5．1 数据质量问题的起因 ． 172
13．5．2 数据质量管理技术指标 ． 173
13．5．3 数据质量管理业务指标 ． 174
第14 章 数据安全管理 ． 176
14．1 数据安全管理概述 ． 176
14．2 数据安全体系框架 ． 177
14．3 数据安全防护策略 ． 179
14．4 数据安全审计 ． 181
14．5 数据安全风险评估 ． 182
14．6 数据应急保障 ． 184
第15 章 数据交换与服务 186
15．1 数据交换与服务的意义 ． 187
15．2 数据交换与服务技术演进 ． 187
15．2．1 文件共享技术 ． 188
15．2．2 数据库中间表技术 ． 188
15．2．3 点对点接口技术 ． 188
15．2．4 消息队列技术 ． 189
15．2．5 企业服务总线交换技术 ． 191
15．2．6 ETL 数据交换技术 ． 192
15．2．7 物联网数据采集交换技术 ． 192
15．3 工业企业数据交换与服务标准体系架构 ． 193
15．3．1 CPS 信息交换模型 ． 195
15．3．2 设备互联总线 ． 195
15．3．3 服务总线 ． 196
15．3．4 数据总线 ． 198
15．3．5 开放互联API 网关 199
第16 章 数据共享与开放 201
16．1 数据共享与开放概述 201
16．2 数据资源目录 203
16．3 数据资源准备 203
16．3．1 数据采集 ． 204
16．3．2 数据加工 ． 204
16．3．3 数据保密 ． 204
16．3．4 数据装载 ． 205
16．3．5 数据发布 ． 206
16．4 数据服务 ． 206
16．5 数据共享与开放评价 207
第17 章 数据管理成熟度评估 ． 209
17．1 数据管理成熟度评估模型 209
17．2 数据管理成熟度等级定义 213
17．3 数据管理成熟度评估指标 216
17．4 数据管理成熟度评估实施 217

第3 篇 工具篇
第18 章 数据治理工具概述 220
第19 章 数据资产运营工具 223
19．1 数据资产目录 ． 223
19．1．1 总体概述 224
19．1．2 数据资产目录系统构建 ． 224
19．1．3 数据资产目录能力评估模型 ． 226
19．2 数据资产价值评估 228
19．2．1 总体概述 ． 228
19．2．2 数据资产价值评估模型 ． 230
19．2．3 数据资产价值评估工具 ． 238
第20 章 数据模型管理工具 240
20．1 数据模型管理工具概述 ． 240
20．2 企业级数据模型管控 ． 241
20．3 数据标准管控 ． 243
20．3．1 数据标准的发布和工具访问 ． 243
20．3．2 数据模型设计中的数据标准应用 ． 243
20．3．3 数据标准应用情况的自动检核 ． 244
20．3．4 自定义数据标准的发布管理 ． 244
20．4 数据字典的质量检核 ． 245
第21 章 数据指标管理工具 246
21．1 指标库管理 ． 246
21．2 指标体系管理 ． 247
21．3 指标评价管理 ． 248
21．4 指标应用管理 ． 248
第22 章 主数据管理工具 251
22．1 主数据标准管理 ． 251
22．2 主数据模型管理 ． 252
22．3 主数据清洗管理 ． 252
22．3．1 主数据清洗的内容 ． 252
22．3．2 主数据清洗的一般过程 ． 253
22．4 主数据全生命周期管理 ． 255
22．5 主数据质量管理 ． 257
22．6 主数据发布与共享 ． 259
第23 章 元数据管理工具 261
23．1 元数据管理工具概述 ． 261
23．2 元数据管理工具组成 ． 261
23．3 元数据管理工具的架构 ． 265
23．4 元数据管理工具的发展趋势 ． 267
第24 章 时序数据处理工具 ． 269
24．1 通用的大数据处理工具的不足 269
24．2 时序数据处理工具应具备的功能和特点 ． 270
24．3 时序数据的采集 272
24．4 时序数据处理工具 273
第25 章 数据质量管理工具 ． 276
25．1 数据质量管理工具概述 276
25．2 数据质量稽核规则设置 277
25．3 数据质量任务管理 278
25．4 数据质量报告 278
第26 章 数据交换与服务工具 ． 280
26．1 数据交换与服务工具概述 280
26．2 数据采集 ． 281
26．3 数据交换 ． 283
26．3．1 前置交换子系统 ． 283
26．3．2 交换传输子系统 ． 283
26．3．3 交换管理子系统 ． 284
26．4 数据加工服务 284
26．5 数据共享服务 286
26．6 工业大数据技术平台 286
26．6．1 工业大数据的采集 ． 287
26．6．2 工业大数据的交换 ． 288
26．6．3 工业大数据的处理 ． 289
第27 章 数据安全管理工具 ． 292
27．1 数据安全管理工具概述 292
27．2 数据采集安全管理工具 292
27．2．1 数据分类分级工具 ． 293
27．2．2 数据采集内容及策略 ． 294
27．2．3 数据采集人员管理 ． 294
27．2．4 数据采集安全审计 ． 294
27．2．5 数据源鉴别及记录 ． 294
27．3 数据传输安全管理工具 ． 295
27．3．1 加密算法 295
27．3．2 对称加密 295
27．3．3 非对称加密 296
27．3．4 传输安全审计 ． 296
27．4 数据存储安全管理工具 ． 296
27．4．1 数据存储介质管理 ． 297
27．4．2 数据存储安全 ． 297
27．4．3 数据备份和恢复 ． 297
27．4．4 灾难恢复能力等级划分 ． 298
27．4．5 数据存储安全审计 ． 299
27．5 数据处理安全管理工具 ． 299
27．6 数据交换安全管理工具 ． 300
27．6．1 数据导入/导出安全保障 301
27．6．2 数据交换安全 ． 301
27．6．3 数据销毁安全管理 ． 302
27．7 统一的身份认证系统 ． 303
27．8 API 接口安全管控系统 304
27．9 人工智能技术赋能数据安全 ． 305
第28 章 大数据平台 ． 307
28．1 大数据平台的演变与现状 ． 307
28．1．1 大数据平台的演变 ． 307
28．1．2 大数据平台的新内涵 ． 308
28．2 大数据平台的作用与建设 308
28．2．1 大数据平台的作用 ． 308
28．2．2 大数据平台的建设思路 ． 309
28．2．3 大数据平台的建设路径 ． 309
28．3 大数据平台功能架构 310
28．3．1 湖仓一体大数据平台的产生和总体架构 310
28．3．2 数据采集 ． 311
28．3．3 数据存储 ． 312
28．3．4 数据计算 ． 314
28．3．5 数据分析与挖掘 ． 315
28．3．6 数据服务 ． 316
28．3．7 数据应用与可视化 ． 317
28．3．8 作业调度系统 ． 317
28．3．9 数据治理 ． 318
28．3．10 集成开发门户 ． 320
28．4 大数据平台的主要技术 321
28．5 大数据平台团队建设 321
28．5．1 大数据平台团队的职能 ． 321
28．5．2 大数据平台实施团队构成 ． 322
28．6 大数据平台的能力评估 323
28．7 大数据平台发展趋势 324
28．7．1 数字经济中的发展与安全的平衡 325
28．7．2 信息与大数据技术的迭代发展 ． 325

第4 篇 实施篇
第29 章 数据治理实施策略和路径选择 328
29．1 数据治理实施内容 ． 328
29．2 数据治理路径选择 ． 329
第30 章 数据治理顶层架构规划与设计 332
30．1 数据治理顶层架构规划与设计实施内容 ． 332
30．2 数据治理顶层架构规划与设计步骤和方法 ． 334
30．2．1 数据治理顶层架构设计总体思路 ． 334
30．2．2 数据治理顶层架构设计要点 ． 336
30．3 数据治理顶层架构规划与设计成熟度评估 ． 346
第31 章 数据资产运营实施 349
31．1 数据资产运营实施内容 ． 349
31．2 数据资产运营实施步骤和方法 356
第32 章 主数据管理实施 358
32．1 主数据管理实施内容 ． 358
32．2 主数据管理实施步骤和方法 ． 358
32．2．1 主数据管理实施步骤 ． 358
32．2．2 主数据管理实施方法 ． 360
第33 章 元数据管理实施 365
33．1 元数据管理实施内容 ． 365
33．2 元数据管理实施步骤和方法 ． 365
第34 章 数据指标管理实施 369
34．1 数据指标管理实施内容 ． 369
34．2 数据指标收集步骤和方法 ． 370
34．3 数据指标模板 ． 372
34．3．1 数据指标项定义 ． 372
34．3．2 形成数据指标卡片及数据指标模板 372
34．3．3 数据需求规划 ． 373
第35 章 数据质量管理实施 ． 375
35．1 数据质量管理实施内容 375
35．2 数据质量管理实施步骤和方法 376
35．2．1 数据剖析 ． 376
35．2．2 数据质量诊断 ． 377
35．2．3 数据处理规则 ． 378
35．2．4 数据质量优化 ． 378
35．2．5 数据质量监管 ． 379
35．2．6 实施数据质量管理时要注意的问题 379
第36 章 数据安全管理实施 ． 381
36．1 数据安全管理实施内容 381
36．2 数据安全管理实施步骤 381
36．2．1 第一阶段：统筹规划 ． 382
36．2．2 第二阶段：数据全生命周期监管 ． 382
36．2．3 第三阶段：稽核检查 ． 383
36．3 数据安全管理实施框架 384
第37 章 数据治理常见误区 ． 388

第5 篇 案例篇
第38 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 ． 392
38．1 背景介绍 ． 392
38．2 项目实施 ． 394
38．3 项目成果 ． 407
38．4 项目亮点和洞察 409
38．5 数据治理愿景 411
第39 章 电力行业：支撑集团产业数字化转型――国家电投集团数据治理实践 412
39．1 背景介绍 ． 412
39．2 数据治理工作实践 ． 414
39．2．1 五凌电力数据治理实践――水电领域 417
39．2．2 黄河公司数据治理实践――光、风、水领域 421
39．2．3 云南国际数据治理实践――风电领域 423
39．3 经验总结 ． 427
39．4 总结与展望 ． 428
第40 章 能源化工行业：数据治理助百年油企数字化转型 ． 429
40．1 背景介绍 ． 429
40．2 工作概况 ． 431
40．3 组织保障 ． 436
40．4 主要成果 ． 437
40．5 物资集团数据治理实践案例 ． 439
40．6 总结与展望 ． 441
第41 章 建筑行业：中建三局园区数据治理实践 ． 443
41．1 背景介绍 ． 443
41．2 愿景目标 ． 444
41．3 总体规划 ． 445
41．4 项目成果 ． 447
41．5 未来展望 ． 455
第42 章 钢铁行业：产线时序数据治理实践 ． 457
42．1 背景介绍 ． 457
42．2 项目目标 ． 457
42．3 项目实施 ． 458
42．4 项目总结 ． 464
42．5 未来展望 ． 465
第43 章 核工业：主数据治理助力中核供应链管理升级 ． 466
43．1 背景介绍 ． 466
43．2 目标现状 ． 467
43．3 项目实践 ． 469
43．4 项目成果 ． 475
43．5 未来展望 ． 479
第44 章 航天行业：军工企业的“三位一体”数据治理体系建设实践 480
44．1 背景介绍 ． 480
44．2 数据治理体系建设实践 481
44．3 项目成效 ． 484
44．4 未来展望 ． 486
第45 章 航空行业：基于全局模型的数据赋能业务实践 ． 487
45．1 背景介绍 ． 487
45．2 工作历程 ． 488
45．3 项目成果 ． 491
45．4 后续规划 ． 498
第46 章 重型装备制造行业：数据标准，装备中国――中国一重的数据标准化管理项目 ．499
46．1 背景介绍 ． 499
46．2 数据治理概况 ． 503
46．3 数据治理成果 ． 505
46．4 总结与成效 ． 507
第47 章 交通物流行业：数据治理助力中国外运数字化转型 ． 509
47．1 背景介绍 ． 509
47．2 主数据管理项目实施 ． 511
47．3 数据资产目录项目实施 ． 514
47．4 项目成果 ． 519
47．5 未来展望 ． 524
第48 章 多元化集团：越秀集团以数据为驱动，提升产品和服务竞争力，支撑高质量发展 525
48．1 背景介绍 ． 525
48．2 整体方案 ． 528
48．2．1 悦数通 529
48．2．2 悦分析 530
48．2．3 悦观察 532
48．2．4 悦资产 ． 533
48．2．5 主数据 ． 535
48．2．6 悦探索 ． 537
48．2．7 悦数研 ． 538
48．3 创新成果 ． 541
48．4 项目亮点 ． 542
第49 章 煤炭行业：大海则煤矿数据标准体系及数据湖建设 544
49．1 背景介绍 ． 544
49．2 项目实施 ． 547
49．3 项目成果 ． 553
49．4 未来展望 ． 556
第50 章 战略投资行业：国投集团的数据标准化管理实践 ． 557
50．1 背景介绍 ． 557
50．2 工作概况 ． 559
50．3 组织保障 ． 562
50．4 项目成果 ． 562
50．5 工作价值 ． 570
50．6 经验分享 ． 571
附录A 工业英文缩写术语表 574
附录B 数据治理221 个重要名词术语 578