TVP 读书分享会,是为 TVP 打造的专属好书分享会,我们希望能够为大家提供一个分享书籍、交流感悟的平台,使每一位参与者都能在这里获得独特的感受,品味阅读的乐趣。
在8月27日举办的「跨“阅”局限」第三期读书分享会中,我们邀请了三位技术大咖,分享了六本精选好书。在读书会后,为鼓励大家坚持读书,分享感悟,读书会交流群中首次举办了TVP七天读书打卡活动。接下来,让我们看看优秀读者nimbus在活动中都分享了哪些阅读思考和感悟吧~
书籍名称:《数据治理:工业企业数字化转型之道》
作者:祝守宇 / 蔡春久
内容简介:数据治理:工业企业数字化转型》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。
当下时代是个信息碎片化的时代,如果想要在这个时代中学习到完整的信息,一定要沉下心来去看完整的阅读资料,我通过微信阅读,闲时就会翻阅很多的书籍。基于用户画像的个人推荐系统,让我接触到了更多有意思的书。这本《数据治理:工业企业数字化转型之道》就是系统推荐给我的,就我当前阅读的发表一些观点:
1.这本书是一本全面关注工业企业数据治理方面的工具书,先是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。然后再深入介绍数据管控、数据战略、数据架构、主数据管理等的基本原理与管理体系;书籍中也提供了很多案例,在制造方面为我提供了很多思考的空间。
2.美中不足的地方,书籍中的工具类只不过是浮光掠影,匆匆一笔带过,如果需要去了解这些工具的使用方法,还是需要去翻阅其他的相关工具书籍,如果书籍中能够推荐一些可靠的工具就比较完美。
总之,如果是想要了解工业大数据治理,我推荐这本书籍,能够让我们从片面化到全面化,从多个维度看问题,转变自己的思路,是一本不可多得的较为系统的书籍,值得一看!
书籍名称:《数据生产力:企业BI项目建设与运营》
作者:王文信 / 杨扬
内容简介:经过十余年信息化建设,很多企业都上线了各种业务系统,积累了大量业务数据,具备应用 BI (商业智能)进行数据分析和数据化管理的条件。而如何让BI项目在企业中落地并持续运转,成为很多企业尤其是传统企业头疼的问题。本书聚焦 BI(商业智能)与 BI 项目, 重点介绍 BI 项目的建设流程和运营技巧,并围绕 BI 项目中的场景和人员两大要素,分享了 BI 在零售、金融、 制造、 医疗和教育等行业中的应用案例, 提出了搭建企业数据人才培养体系的方法。 本书阐述了一套较为完善的 BI 项目成功方法论,无论是负责规划企业整体 BI 战略的 CIO 或其他高层管理者,还是负责实施具体 BI 项目的项目经理或 IT 人员,抑或是需要从中配合的业务人员,都可以通过本书了解 BI 项目成功的要点,提升规划、实施和运营 BI 项目的能力。
本书是在之前参与活动的时候抽奖获得的,书本的内容对于个人来说也是与职业比较特别贴合的。包括当下在做的工作及自己未来想要长期从事发展的领域都是息息相关,对个人起到了十分重要的作用。
个人思考:在我们公司数字化转型的过程中,企业可以充分利用内部系统所积累的大量数据,为公司业务定制一个数据标准进行治理。本书对于数据治理方面提供了很多解决方案,小到数据治理的颗粒度划分,并具有前瞻性的业务架构图。让我获益匪浅的是,他不仅仅给我传递的是一种宏观思维,更多的是接地气的实战经验。工欲善其事,必先利其器,目前bi工具的出现如果能够与我们企业管理相融合,运用个性化的场景当中去,一定能够驱动我们企业内部的资源的流动到最需要的地方,集中精力干好大事情!
我个人认为,本书不仅仅是一本工具书,更是指明了企业未来发展的方向,让数据真正产生价值,数据驱动生产力发展。
报告名称:《数据应用工程成熟度模型》
愈来愈觉得在现代社会,随着企业的发展产生了大量的数据,生产部门有生产制造的数据记录,业务运营部门有营销数据,财务部门有经营数据,数据无处不在,数据又时时刻刻影响着企业运转中每个环节的决策。数据已经成为除了资金和人才以外企业新的资产价值增长点。
数据本身并不代表价值,数据仅仅是以一定格式对事实进行记录,是原始材料;只有结合环境和上下文的数据才有意义,这就是信息;伴随着信息的积累,我们从趋势和关系的挖掘中总结出了规律,这些规律就变成了知识;然后依据知识在企业经营中进行决策和行动,能进一步促进企业的良性循环。
个人理解和观点:数据应用工程-成熟度模型(LPDT)主要还是从数据的管理和应用的角度来衡量企业的数据能力,划分了业务系统化、业务数据化、数据资产化、业务智能化、成熟度进阶等几个过程,我们企业自身还是需要结合自身的具体情况来进行治理。
数据质量是十分重要的一个维度,数据从收集、整理、分析到应用会受到多个环节的影响,所以要想使最后数据应用环节的数据质量效果好,必须保证前序各个环节的数据质量。数据质量不是单点的管理,是全方位的管理,是持续的管理。需要所有部门一起付出努力才能保证最后数据应用产品的质量。
数据质量维度包括 :准确性、完整性、一致性、时效性、精确度、有效性,“如何进行数据质量管理”面对这个问题不同的企业和个人会给出多种不同的答案,有正向的质量控制方法,有逆向的质量保证方法,有丰田的 QCC,有问题管理导向的 5-WHY和 8D。
个人理解和感悟:要学会借力打力,使用正确的方法和工具对日常工作进行优化处理,提升日常工作效率,对数据质量的管理。掌握一个适合自己的工具和方法是十分重要的。
在开始读这篇报告前,作者给了我这么几个问题,引起了我的共鸣,让我能够带着问题去阅读。
1、产业带的聚合优势是否正在越来越强,在全国产业内的竞争力是否正在变大?
2、产业带越强的省市,是否在经济方面表现更好?
3、未来竞争是否是产业带之间的竞争?
21世纪头20年,互联网和数字化的发展正改变着中国经济社会地貌。从数字化产业发展的角度,我们发现一些明显的变化。一方面数字化产业正在向中西部地区渗透,显示出互联网无边界普惠的优势。另一方面,沿海一代的数字化产业发展增速加快,集中度明显高于内陆地区,显示出很好的聚集效应,广东省和浙江省表现出了十分强劲的生命力,以及各省产业布局的差异化也在逐步形成和扩大。
个人感悟:数字产业能够帮助我们去完善的行业规范和行业标准,产业带应在运营和管理上不断推动数字化水平。在我们过去一年多的疫情中,使数字化的重要性前所未有的被大家所认知到。疫情带来了几个趋势的加剧:1. 线下卖场惨淡、越来越多的客户和订单来自线上;2. 大单变小、小单变多;需求越来越个性化;3. 要货周期越来越短。这些趋势无形当中提升了对企业数字化的全面要求,包括在线营销、个性化定制、柔性制造、弹性供应链等等。唯有做好运营和管理的全面数字化,才能在当前的市场中生存发展。
书籍名称:《幕后产品》
作者: 王诗沐
书籍简介:网易云音乐在激烈的竞争中实现了红海突围,获得了很好的口碑,实现了用户量行业前三,这一切离不开背后的核心人物王诗沐。在《幕后产品:打造突破式产品思维》一书中作者(王诗沐)将自己做产品过程的心路历程、细节决策、思维模式等鞭辟入里地分享出来,阅读本书就像高手手把手地教你做产品。
本书不仅是一部严谨的用户型产品经理全阶段成长指南,还深度解读了网易云音乐等产品的经典案例,讨论和分享了优秀的产品经理应该具备的素质、能力、方法与思维方式等。通过本书一窥优秀产品幕后,感受与它们一起成长和进化的体验,能够指导我打造突破式产品思维。
诗沐的这本小书就是这样一条六尺巷(当然,他很健康),很少有顶尖级别的产品经理会将自己做产品过程中的心路历程、细节决策、思维模式如此鞭辟入里地分享出来。不管你处于产品经理的哪个阶段,这种“高手手把手教剑”的经验都是非常珍贵的。
全书大部分案例都来自网易云音乐,读者能感受到真实产品发展全过程中的思考、决策和突破。它是非常系统化的专业书籍,凝聚了网易云音乐从0到1,再到备受瞩目全过程的思考沉淀,不同阶段的从业者都能从中获得启发。当然,非常熟悉网易云音乐发展历程的产品经理更能获得身临其境的阅读体验。
读书会和读书打卡的感受:“读书会是一种能够很好的将爱读书爱分享的人聚集在一起的模式,在参与读书会的打卡活动中,不仅仅让我每日主动去阅读一些数据,而更是让我养成了一种分享交流的习惯。若我的分享和感触能够影响到一些人,并推进大家一起参与到相关书籍的阅读中,或多或少的促使大家养成一种主动性汲取知识的习惯,那也就是我分享的价值所在,也是读书会给我们带来‘体验式分享’的意义吧!”
——nimbus
(文章内容来自nimbus在TVP读书会交流群中的分享)
TVP读书会交流群旨在为大家提供一个读书交流的平台,在这里你可以参与TVP大咖云集的读书分享会,发布读书打卡照片,分享喜欢的金句或想法,也可以找到志同道合一起读书交流的书友,让阅读不再孤“读”!扫描下方二维码或是搜索微信号:yunjiadahui,添加云小助微信,回复关键词“读书会”,即可加入读书会分享交流群,赶快行动吧~
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。