大数据运营：服务型企业架构新思维

作品简介

犹如个人的修齐治平，企业大数据运营同样需要经历筑巢、联姻、孕育、分娩、培育、腾飞6个阶段。筑巢的目的是建立一个结构严谨的企业架构，为企业发展打下基础。联姻是将企业架构与大数据结合起来，从业务活动角度提出对大数据的需求，从大数据角度提出对业务活动的支撑方法与过程。孕育是以大数据战略为驱动，构建大数据应用框架。分娩是将大数据从想象变为现实，形成可以运行的大数据服务。

李福东，清华大学学士，北京邮电大学硕士，16年电信、金融、交通、政府等行业信息化工作经验，曾在国内外知名企业担任软件工程师、系统架构师、售前咨询工程师、项目经理、技术总监等职，在国内核心期刊和学术会议上公开发表论文10余篇，目前研究方向为信息系统顶层设计、大数据、移动互联网和电子商务。

作品目录

• 内容简介
• 致谢
• 专家推荐
• 序：全方位架构企业，赢在大数据运营
• 导读
• 引言
• 第1章筑巢：来自建筑行业的启示
• 1.1　谋划：像盖房子一样架构企业
• 1.2　过程：企业是业务活动的集合体
• 1.2.1　分层分级——最原始的方法论
• 1.2.2　CXO的那些事儿：企业发展战略
• 1.2.3　物质决定意识：基础设施生命周期管理
• 1.2.4　你我约定：产品生命周期管理
• 1.2.5　各就各位：运营支持与就绪过程
• 1.2.6　不仅是讨价还价：售前阶段的业务过程
• 1.2.7　零等待靠谱吗？售中阶段的业务过程
• 1.2.8　前后台的双簧：售后阶段的业务过程
• 1.2.9　无利不起早：企业计费收费过程
• 1.2.10　无声的发动机：企业内部管理业务过程
• 1.2.11　本节小结
• 1.3　信息：企业业务活动的承载者
• 1.3.1　概念模型
• 1.3.2　信息框架
• 1.4　应用：业务与技术之桥
• 1.4.1　应用框架/能力蓝图
• 1.4.2　应用框架与业务框架
• 1.5　功能：特定任务的执行单元
• 1.6　数据：信息社会的永恒记忆
• 1.6.1　数据定义及其价值
• 1.6.2　数据建模与存储
• 1.6.3　数据的分类
• 1.7　集成：价值网络时代的整合者
• 1.7.1　业务层面的集成
• 1.7.2　技术层面的集成
• 1.8　技术：改变世界的源动力
• 1.8.1　云技术架构模式
• 1.8.2　大数据技术架构模式
• 1.9　部署：让飞机平稳着陆
• 1.9.1　部署的不懈追求：5个不变
• 1.9.2　部署的好伙伴：配置管理
• 1.9.3　事务型应用系统部署架构
• 1.9.4　分析型应用系统部署架构
• 1.10　安全：都是开放惹的祸
• 1.10.1　开放的价值与代价
• 1.10.2　云管端模式下的安全管理
• 1.11　治理：没有规矩不成方圆
• 1.12　本章主要内容回顾
• 第2章联姻：当企业架构爱上大数据
• 2.1　大数据与决策：选择远比努力更重要
• 2.2　张开想象的翅膀：大数据服务畅想
• 2.2.1　大数据与战略管理
• 2.2.2　大数据与建设管理
• 2.2.3　大数据与产品管理
• 2.2.4　大数据与客户关系管理
• 2.2.5　大数据与供应商/渠道商关系管理
• 2.2.6　大数据与计费收费管理
• 2.2.7　大数据与人力资源管理
• 2.2.8　大数据与财务管理
• 2.2.9　大数据与资产管理
• 2.2.10　本节内容小结
• 2.3　对号入座：定位大数据发力点
• 2.3.1　市场营销和提供管理
• 2.3.2　服务开发与管理
• 2.3.3　资源开发与管理
• 2.3.4　服务实施
• 2.3.5　客户关系管理
• 2.3.6　资源管理与运营
• 2.3.7　合作伙伴关系管理
• 2.3.8　计费与收入保障
• 2.3.9　企业战略规划
• 2.3.10　企业效率管理
• 2.3.11　财务和资产管理
• 2.3.12　本节内容小结
• 2.4　能力落地：大数据服务数据源及其关键实现活动
• 2.4.1　聚集大数据：发挥资源聚合效应
• 2.4.2　行业通用数据源及关键实现活动
• 2.4.3　电信行业数据源及关键实现活动
• 2.5　主要内容回顾
• 第3章孕育：凡事预则立，不预则废
• 3.1　大数据服务战略：大数据决定大未来
• 3.1.1　大数据服务战略新思维
• 3.1.2　大数据服务战略原则
• 3.1.3　大数据服务战略过程
• 3.1.4　大数据服务战略组织
• 3.2　大数据服务设计方法论：方法比努力更重要
• 3.2.1　大数据服务设计原则
• 3.2.2　大数据服务需求分析方法
• 3.2.3　大数据服务开发方法
• 3.3　大数据服务架构设计：在平衡中实现完美
• 3.3.1　大数据服务运营框架设计
• 3.3.2　大数据服务应用框架设计
• 3.3.3　大数据服务数据源
• 3.3.4　大数据服务数据采集
• 3.3.5　大数据服务存储库
• 3.3.6　大数据服务数据管理
• 3.3.7　大数据分析
• 3.3.8　大数据治理
• 3.3.9　大数据服务应用
• 3.4　大数据服务模型设计：默默无闻的贤内助
• 3.4.1　面向操作的数据模型设计
• 3.4.2　面向分析的数据模型设计
• 3.4.3　大数据服务元数据设计
• 3.5　大数据服务容量设计：海纳百川，有容乃大
• 3.6　大数据服务过程设计：卓有成效的管理者
• 3.6.1　大数据服务目录管理
• 3.6.2　大数据服务容量管理
• 3.6.3　大数据服务供应商管理
• 3.6.4　大数据服务安全管理
• 3.6.5　大数据服务等级管理
• 3.6.6　大数据服务可用性管理
• 3.6.7　大数据服务连续性管理
• 3.7　大数据服务组织设计：分工不分家
• 3.7.1　大数据服务业务分析师
• 3.7.2　大数据服务系统架构师
• 3.8　主要内容回顾
• 第4章分娩：从幕后到台前的华丽转身
• 4.1　大数据服务转换原则
• 4.2　大数据服务转换过程
• 4.2.1　大数据服务转换计划
• 4.2.2　大数据服务变更管理
• 4.2.3　大数据服务资产与配置管理
• 4.2.4　大数据服务发布与部署管理
• 4.2.5　大数据服务验证与测试
• 4.2.6　大数据服务评估
• 4.2.7　大数据服务知识管理
• 4.3　大数据服务转换组织设计
• 4.3.1　大数据服务资产管理员
• 4.3.2　大数据服务配置管理员
• 4.3.3　大数据服务配置分析师
• 4.3.4　大数据服务部署管理员
• 4.3.5　大数据服务测试管理员
• 4.4　主要内容回顾
• 第5章培育：调整、巩固、充实、提高
• 5.1　大数据服务运营：多、快、好、省
• 5.1.1　大数据服务运营原则
• 5.1.2　大数据服务运营过程
• 5.1.3　大数据服务运营职能
• 5.2　大数据服务改进：自强不息止于至善
• 5.2.1　大数据服务改进方法
• 5.2.2　大数据服务改进过程
• 5.3　主要内容回顾
• 第6章腾飞：在实践中检验真理
• 6.1　大数据在电信行业的应用
• 6.1.1　应用场景1：移动用户上网记录查询
• 6.1.2　应用场景2：基于IP大数据设置内容交付网络节点
• 6.2　大数据在金融行业的应用
• 6.2.1　应用场景1：大中型企业信用评估新思路
• 6.2.2　应用场景2：小微企业信用评估新思路
• 6.2.3　应用场景3：个人信用评估新思路
• 6.3　大数据在互联网行业的应用
• 6.3.1　应用场景1：大数据在社交网络领域的应用
• 6.3.2　应用场景2：大数据在电子商务领域的应用
• 6.4　大数据与隐私保护
• 6.4.1　科技进步的代价
• 6.4.2　人们应该做些什么
• 6.4.3　寻求法律保护
• 6.5　大数据相关热点话题
• 6.5.1　概述
• 6.5.2　云计算
• 6.5.3　移动互联网
• 6.5.4　物联网
• 6.5.5　电子商务
• 6.6　主要内容回顾
• 第7章框架体系：以不变应万变
• 7.1　企业架构：战略与运营之桥
• 7.2　Frameworx框架体系：电信行业的灯塔
• 7.2.1　Frameworx的发展历程
• 7.2.2　Frameworx框架体系大局观
• 7.2.3　业务过程框架介绍
• 7.2.4　信息框架介绍
• 7.2.5　应用框架介绍
• 7.2.6　集成框架介绍
• 7.3　ITIL/ITSM框架体系：IT行业的指南针
• 7.3.1　ITIL/ITSM框架体系发展历程
• 7.3.2　ITILv2框架体系介绍
• 7.3.3　ITILv3框架体系介绍
• 7.4　主要内容回顾
• 第8章大数据技术：他山之石，可以攻玉
• 8.1　开源框架Hadoop
• 8.2　大数据存储技术
• 8.2.1　分布式集群存储技术
• 8.2.2　关系型数据库存储技术
• 8.3　大数据分析技术
• 8.3.1　大数据建模方法：机器特点与人类诉求
• 8.3.2　关系型数据库分析技术
• 8.3.3　大数据离线分析技术
• 8.3.4　大数据实时流式分析技术
• 8.3.5　数据统计分析技术
• 8.4　大数据展示技术
• 8.4.1　Web展示技术
• 8.4.2　GIS展示技术
• 8.4.3　移动客户端展示技术
• 8.5　主要内容回顾
• 附录A重点概念及其定义
• 参考文献
• 后记：愿大数据运营成为一种思维方式