本报告将描绘中国数字化转型的宏观环境及市场驱力,剖析企业数字化转型过程中面临到的核心数据问题,点出数据治理的战略性与重要性,并确立数据治理的范围原则,洞察数据治理的行业规模与供需市场,推出【数据工程】方法论,改变传统方式规划与实践“两张皮”、对业务感知弱、缺乏业务价值、数据管理缺乏体系等弊端,实现业务驱动、高效落地、价值体现、管理规范。并以制造业、能源业等行业场景为数据治理实践样本,呈现相关产业在数据治理的诉求、进程及方法,结合头部公司标杆案例,最后对中国数据治理产业的发展趋势给出分析及建议。
1 中国企业数据治理势在必行
1.1 政府侧:政策支持数据产业优化
1.2 政府侧:数据管理成熟度模型DCMM
1.3 产业侧:数字资产已成为重要生产要素
1.4 产业侧:数据治理行业性差异明显
1.5 企业侧:数字化转型已进入深水区
1.6 企业侧:数字化转型下的数据治理
2 中国企业数据治理行业发展洞察
2.1 数据治理模块及功能
2.2 数据治理价值体现
2.3 供给侧:数据治理厂商类型及特征
2.4 需求侧:数据治理应用端需求特征
3 中国企业数据治理实践应用
3.1 数据治理最佳实践
3.2 数据治理的内涵:整体方案架构图
3.3 数据工程建设:咨询环节
3.4 数据工程建设:落地环节
3.5 数据工程建设:应用环节
3.6 数据工程建设:管理环节
3.7 数据工程2.0
3.8 数据工程的价值
3.9 制造业行业痛点及数据治理效果
3.10 制造业数据治理典型解决方案
3.11 工程设计行业痛点及数据治理效果
3.12 工程设计行业数据治理典型解决方案
3.13 创投行业痛点及数据治理效果
3.14 创投行业数据治理典型解决方案
4 中国企业数据治理行业发展趋势
4.1 数据治理趋势(1/3)工程化
4.2 数据治理趋势(2/3)业务驱动
4.3 数据治理趋势(3/3)透明化
图1-1 国家及地方数据相关政策
图1-2 DCMM的八能力域与五等级
图1-3 DCMM对于数据治理供需双侧的意义
图1-4 2017-2022 年中国数据产量(ZB)
图1-5 2017-2022 年中国大数据产业规模(万亿元)
图1-6 重点行业数据治理痛点及需求
图1-7 企业数字化转型中面临的数据治理难点
图1-8 企业数字化建设整体架构下的数据治理
图1-9 数据治理在企业数字化中的难点及价值
图2-1 业务数据地图核心能力
图2-2 数字化应用赋能企业运营优化及风险管控
图2-3 数据治理厂商类型及特征
图2-4 数据治理应用端需求特征
图3-1 数据工程整体方案架构图
图3-2 企业数据建设闭环:咨询环节
图3-3 企业数据建设闭环:落地环节
图3-4 企业数据建设闭环:应用环节
图3-5 企业数据建设闭环:管理环节
图3-6 数据工程2.0 建设
图3-7 数据工程的价值解读
图3-8 制造业行业痛点及数据治理效果
图3-9 制造业数据治理典型解决方案
图3-10 工程设计行业痛点及数据治理效果
图3-11 工程设计行业数据治理典型解决方案
图3-12 创投行业痛点及数据治理效果
图3-13 创投行业数据治理典型解决方案
图4-1 数据治理全流程线上化平台承载
图4-2 业务数据地图
图4-3 数据治理透明化
通过剖析汽车研发数字化的驱动因素与本质、研发流程的协同性变革和数字化转型的路径抉择及数据治理,和大家一同探讨汽车行业研发数字化转型的逻辑。
扫一扫,或长按识别二维码
关注贝塔网官方微信公众号
我们有直面错误的勇气,点击按钮即可发言。
您也可以邮件:
prnews@iresearch.com.cn