DataOps實踐手冊：敏捷精益的數(shù)據(jù)運營
定 價：99 元
- 作者：哈文德 · 阿特瓦爾（Harvinder Atwal）
- 出版時間：2022/10/1
- ISBN：9787111716068
- 出 版 社：機械工業(yè)出版社
- 中圖法分類：TP274-62
- 頁碼：207
- 紙張：
- 版次：
- 開本：16
數(shù)據(jù)運營是指通過數(shù)據(jù)來分析和解決問題，利用各種數(shù)據(jù)科學技術(shù)挖掘數(shù)據(jù)價值，幫助企業(yè)優(yōu)化業(yè)務(wù)管理和提升決策效率。隨著我國數(shù)字化轉(zhuǎn)型的深入，傳統(tǒng)基于項目、人工處理的各類數(shù)據(jù)運營活動已經(jīng)無法滿足業(yè)務(wù)發(fā)展要求。集合了敏捷開發(fā)、精益制造以及DevOps理念的DataOps因此順勢而生，并且受到了業(yè)界的廣泛關(guān)注。
《DataOps實踐手冊：敏捷精益的數(shù)據(jù)運營》總結(jié)了作者25年的行業(yè)經(jīng)驗和對DataOps的認知，從當前數(shù)據(jù)科學交付面臨哪些挑戰(zhàn)、什么是DataOps、通過哪些手段可以建立對數(shù)據(jù)的信任，以及如何實現(xiàn)DataOps目標和成功實施DataOps幾個方面進行了系統(tǒng)的闡述。
《DataOps實踐手冊：敏捷精益的數(shù)據(jù)運營》適合參與數(shù)字化轉(zhuǎn)型的各類角色人員學習，尤其有助于數(shù)據(jù)科學高級管理崗位的專業(yè)人士開拓視野、提升領(lǐng)導(dǎo)力。
譯者序
前言
第1部分 入門
第1章 數(shù)據(jù)科學中的問題
有問題嗎？
現(xiàn)實
數(shù)據(jù)價值
技術(shù)、軟件和算法
數(shù)據(jù)科學家
數(shù)據(jù)科學過程
組織文化
知識鴻溝
數(shù)據(jù)科學家的知識鴻溝
IT知識鴻溝
技術(shù)知識鴻溝
領(lǐng)導(dǎo)力知識鴻溝
數(shù)據(jù)素養(yǎng)鴻溝
缺乏支持
教育和文化
不明確的目標
留給數(shù)據(jù)科學家來弄清楚
總結(jié)
尾注
第2章 數(shù)據(jù)戰(zhàn)略
我們?yōu)槭裁葱枰碌臄?shù)據(jù)戰(zhàn)略
數(shù)據(jù)已不再屬于IT
數(shù)據(jù)戰(zhàn)略的范圍
戰(zhàn)略時間跨度
戰(zhàn)略發(fā)起人
從識別現(xiàn)狀開始
組織方面
人員方面
技術(shù)方面
流程方面
數(shù)據(jù)資產(chǎn)方面
識別分析用例
使命、愿景和KPI
構(gòu)思——我們能做些什么?
數(shù)據(jù)生命周期的基準能力
差距分析——需要改變什么?
定義數(shù)據(jù)戰(zhàn)略目標——我們需要
從哪里開始?
交付數(shù)據(jù)戰(zhàn)略
定義數(shù)據(jù)戰(zhàn)略舉措——我們?nèi)绾?br> 實現(xiàn)目標?
制定執(zhí)行和度量計劃——如何
知道進度?
總結(jié)
尾注
第2部分 邁向數(shù)據(jù)運營
第3章 精益思維
精益思維簡介
豐田的起源
精益軟件開發(fā)
精益產(chǎn)品開發(fā)
精益思維和數(shù)據(jù)分析
識別浪費
價值流圖
快速交付
拉動式系統(tǒng)
看到整體
根因分析
總結(jié)
尾注
第4章 敏捷協(xié)作
為什么選擇敏捷？
瀑布式項目管理
敏捷價值觀
敏捷框架
Scrum
XP及 Scrum/XP 混合
看板方法
Scrumban
大規(guī)模敏捷
SoS
規(guī)范敏捷交付
規(guī)模化敏捷框架
DataOps的敏捷
DataOps宣言
DataOps原則
數(shù)據(jù)科學生命周期
敏捷DataOps 實踐
構(gòu)思
準備
研發(fā)
過渡/生產(chǎn)
總結(jié)
尾注
第5章 構(gòu)建反饋和度量
系統(tǒng)思維
持續(xù)改進
反饋循環(huán)
團隊健康
回顧
健康檢查
海星回顧
帆船回顧
事前檢驗
服務(wù)交付
服務(wù)交付審查會議
改進服務(wù)交付
產(chǎn)品健康
數(shù)據(jù)產(chǎn)品監(jiān)控的KPI
監(jiān)控
概念漂移
產(chǎn)品效益
效益度量
效益度量的挑戰(zhàn)
A/B測試和度量的替代方案
指標的挑戰(zhàn)
總結(jié)
尾注
第3部分 進一步措施
第6章 建立信任
信任擁有數(shù)據(jù)和系統(tǒng)的人
訪問和供應(yīng)數(shù)據(jù)
數(shù)據(jù)安全和隱私
資源利用率監(jiān)控
人們可以信任數(shù)據(jù)
元數(shù)據(jù)
加標簽
采集過程中的信任
數(shù)據(jù)質(zhì)量評估
數(shù)據(jù)清理
數(shù)據(jù)血緣
數(shù)據(jù)發(fā)現(xiàn)
數(shù)據(jù)治理
總結(jié)
尾注
第7章 面向 DataOps 的 DevOps
開發(fā)和運營
沖突
打破螺旋
持續(xù)交付的快速流程
可重現(xiàn)的環(huán)境
部署管道
持續(xù)集成
自動化測試
部署和發(fā)布流程
自動部署
發(fā)布流程
DevOps 度量
審核流程
數(shù)據(jù)分析的DevOps
數(shù)據(jù)沖突
數(shù)據(jù)管道環(huán)境
數(shù)據(jù)管道編排
數(shù)據(jù)管道持續(xù)集成
簡化和重用
MLOps 和 AIOps
機器學習模型開發(fā)
機器學習模型投產(chǎn)
總結(jié)
尾注
第8章 DataOps 組織
團隊結(jié)構(gòu)
面向職能的團隊
面向領(lǐng)域的團隊
新技能矩陣
核心角色
支持角色
團隊不需要“I型人”
優(yōu)化團隊
溝通渠道和團隊規(guī)模
產(chǎn)品型而非項目型
辦公位置
匯報關(guān)系
數(shù)據(jù)平臺管理
跨職能角色
總結(jié)
尾注
第4部分 自服務(wù)組織
第9章 DataOps 技術(shù)
基于DataOps的價值和原則選擇
工具
調(diào)整脊椎模型
對實踐和工具的影響
DataOps技術(shù)生態(tài)系統(tǒng)
流水線
數(shù)據(jù)集成
數(shù)據(jù)準備
流處理
數(shù)據(jù)管理
可重復(fù)性、部署、編排和監(jiān)控
計算基礎(chǔ)設(shè)施和查詢執(zhí)行引擎
數(shù)據(jù)存儲
DataOps平臺
數(shù)據(jù)分析工具
挑戰(zhàn)
建造vs購買
擴展
內(nèi)部構(gòu)建
購買或租賃現(xiàn)成產(chǎn)品
借用開源軟件
擴建、構(gòu)建、購買、出租或借用
云原生架構(gòu)
不斷發(fā)展的技術(shù)棧
Wardley地圖
使用Wardley地圖
技術(shù)雷達
總結(jié)
尾注
第10章 DataOps工廠
第一步
從數(shù)據(jù)戰(zhàn)略開始
領(lǐng)導(dǎo)力
小可行的DataOps
第一個方案
度量
第一個DataOps團隊
跨團隊擴展
達到臨界點
團隊協(xié)調(diào)
文化
數(shù)據(jù)治理
擴展
成功的組織
集中化平臺
全局自動化
提供自助服務(wù)
總結(jié)
尾注
書單推薦
