前言

为何写作本书

数字化大潮来临，所有组织都摩拳擦掌，却常常“拔剑四顾心茫然”。看过各种“包装精美”、优秀的解决方案，频繁参加各种交流会，了解了媒体上层出不穷的热炒概念，如数据中台、SaaS、PaaS、CaaS、API First、云原生、大数据、AI、DataOps、业务数据化、数据资产化、数据业务化、深度数字化、数字孪生、数字原生、数字化生存，以及让游戏娱乐与商业办公在数字世界产生碰撞的元宇宙，“破圈”加“悬浮”的剧情太容易让人热血上脑，但着眼于手头现实的工作，仍困惑于数字化该如何落地：

·数字化首先应该做什么？它与信息化有什么区别？

·需要聘请什么样的人才？各类人才需要具备哪些知识和技能？组织结构应该如何设计？

·什么是DT？它可以创造哪些价值？如何选择合适的数据技术？如果自建数据平台，该如何设计？若采用外部平台，该如何选择数据平台供应商？

·数据治理都需要做什么？数据资产该怎样建设？基于现有数据能够开发哪些数据应用以支撑业务？

·数据作为数字经济的核心生产要素，如何被收集、加工、治理？如何解决组织自身缺少数据、数据价值不高、数据打通与利用存在障碍、数据应用发展找不准方向等问题？

·如何应对数字化的诸多不确定性？例如技术的突破性变化、信息保护立法政策变化、数字平台因“守门人”职责继续垒高数据围墙而国家反垄断又在打破平台交互壁垒而对数据市场产生的综合影响，等等。

结合IT的发展历史和当前的数字化发展趋势，我们可以做如下总结：信息化是记录的无纸化，即信息的数字化，核心变化是效率提升；数字化是连接的在线化，即一切事物的数字化及数字化原生，核心变化是关系重构；进一步来说，数据化是数据的资产化与业务化，以实现数据驱动和新价值创造，而智能化可以实现规模化的数据价值挖掘。显然，我们可以认为信息化是数字化的早期阶段，而数据化是数字化发展的必然趋势。

数字经济将全面改变组织、商业、社会的未来，甚至改变宏观经济规律。巨大的潜能让全球都趋之若鹜。数据技术的快速发展、“新基建”的兴起、数字原生企业的扩张、全球的智能制造竞争、社会治理模式的转型、政府政策的引导和刺激，都让大家感觉到数字化时代会快速地全面来临。

要回答以上问题，我们需要对数字化发展规律进行分析和研究，对知识体系、最佳实践进行总结。本书的作者们在营销大数据服务、工业大数据、办公数字化、政府数字化治理领域有多年的从业经验，大家基于自身的实践、客户案例、行业观察、文献研究，建立了描述组织数字化发展规律的成熟度模型，并从模型的各个评价维度出发，梳理和归纳了相应工作领域的知识体系与技术方法，同时进一步结合具体实践案例，展示了对理论、方法、知识的实践应用。希望本书能够帮助读者全面了解数据应用工程，找到数字化落地的方法。

本书主要特点

本书既有模型理论又有丰富实践，是对具体数据实践的归纳和总结，是一本务实、落地的书。在基于实践进行规律总结时，本书不是仅仅简单地提出一点理论假说，而是进行深入研究，构建了完整的数字化方法论，并提供了具有广泛行业应用基础的成熟度理论背景，努力做到理论基础扎实，模型系统、知识体系完整，实践案例翔实，从而帮助大家从数据利用角度理解数字化发展规律、了解数据相关工作的知识与技能体系、熟悉发现数据价值的最佳实践，为组织开展数字化发展工作提供系统的指导和借鉴。

本书读者对象

本书是关于数字化理论、方法、知识和实践的，主要适合以下几类读者阅读：

·组织数字化发展的决策者、为组织数字化转型提供咨询与解决方案服务的从业者、各行业组织内部数据相关岗位的从业者等；

·对数据治理、数据分析、数据产品、数据工程、数据咨询等数据相关工作感兴趣的初学者；

·大数据、数据分析相关专业的师生。

如何阅读本书

本书一共9章，分为行业分析、理论方法、知识体系、实践案例四个部分。行业分析部分介绍了数据时代的数字化趋势大背景；理论方法部分提供了数字化的方法论——数据应用成熟度模型，能够指导组织有效应对数字科技发展；知识体系部分完整地介绍了数字化涉及的数据治理、数据工程、数据技术的知识和技能体系；实践案例部分介绍了四个数据实践案例，阐述在不同领域如何开展数据治理、数据工程、数据应用的工作。

行业分析部分为第1章，从数字经济作用、技术发展、政策趋势、市场竞争等方面系统地总结了数字化发展的背景、趋势、政策、存在的问题，并引出解决以上问题需要掌握的理论与方法需求。

理论方法部分包含第2、3章。数字经济中数据是生产要素，所以数据管理及处理能力和数据利用水平，是一个组织数字化水平的体现。本部分基于成熟度模型的基础理论与模型构建方法，建立了一个完整的数据应用成熟度模型，并通过该模型描述了组织在数据利用方面的数字化发展规律。

第2章介绍了在各领域（特别是信息领域）普及的成熟度模型的理论基础、构建方法，并对技术创新、技术应用、组织能力建设三个领域的典型成熟度模型进行了分析和总结，是第3章提出的数据应用成熟度模型的理论根源和构建基础，特别是数据领域流行的DMM、DCMM、DSMM等描述某一维度数据能力的成熟度模型，属于第3章数据应用成熟度模型的互补模型。

第3章详细介绍了数据应用成熟度模型框架，说明了模型评估的维度内容及级别要求，并以过程模型的过程描述方法对数据应用成熟度模型的数据工程、数据治理两个核心能力过程维度进行了详细分解，以展示组织如何优化数据相关的过程，持续提升组织的数据能力。这是一个开放模型，组织可以参考建立适合自己实际情况的具体实施模型。

知识体系部分包括第4、5章，分别详细归纳了数据治理与管理知识、各类大数据技术及流行的开源组件知识。通过阅读这两章，读者可以了解数据相关工作需要掌握的知识体系，并在此基础上进一步按图索骥，对自己感兴趣的知识与技能领域进行深入学习。

实践案例部分包括第6～9章，介绍了四个实践案例，每个案例都非常详细，能够帮助大家了解数据能力建设与数据价值挖掘的关键细节。

宏观决策者可以重点阅读第1章和第3章，了解数字化的趋势和数字化发展规律；具体的数字化规划者可以重点阅读第2章和第3章，以掌握可指导数字化的方法论，并在运用数据应用成熟度模型时把握成熟度方法的核心理念；初学者可以重点阅读第4章和第5章，掌握入门的基础知识体系。实践案例部分适合各类读者阅读。

致谢

本书的核心理论方法来源于很多人的实践。在撰写本书的过程中，我们得到了大家的大力支持和无私帮助，在这里要十分感谢孙强、刘海军、周婷、张小艳、卢健、张自玉、田金周、李伟强、王丽、刘红欣、刘大伟、韩广利、李瑞杰、田娇娇、马冬、肖冉、张学敏、李国祥、史忠贤、刘晨、金秋香、何兴权、刘小红、吴西庆勇、程薛柯、徐双、张晓宇、张雪渊、刘金龙、李瑞欣等朋友的支持和指导。

感谢机械工业出版社华章分社的杨福川老师和李艺编辑，没有他们的督促、鼓励与指导，本书不会这么快与大家见面，感谢他们对书稿内容的审校和提炼，使本书内容更加扎实、引证有据。本书成书时间较长，感谢老师们的耐心等待。

本书第1～8章由钟大伟、高铎、王鹏完成，第9章的实践案例由宋超完成。

希望本书能够为数据领域的从业者提供一些有价值的参考，并引发一些思考，也希望大家能够积极反馈。在数字时代中，我们愿与大家共同成长。