《中台落地手记：业务服务化与数据资产化》读书笔记模板

中台落地手记：业务服务化与数据资产化读书笔记模板01思维导图读书笔记精彩摘录内容摘要目录分析作者介绍目录0305020406思维导图手记服务化业务中台业务数据建设企业数据中台业务运营方案第章服务架构数据仓库平台化本书关键字分析思维导图内容摘要内容摘要当前，中台建设如火如荼，相关技术也在快速发展。本书试图帮助读者拨开迷雾，旨在向读者提供一个“stepbystep”的中台建设实操指导。本书从中台的规划、设计、实现、运维等多个方面入手，从组织架构、业务流程、技术选型角度，以一个典型的民航生产系统落地场景为例，对基于微服务的“业务中台”、基于大数据的“数据中台”以及基于企业战略的“组织中台”分别进行了阐述。中台落地手记业务服务化与数据资产化分10章，内容主要涉及总体规划、业务服务化建设、微服务解决方案、收集各类数据、数据预处理、数据湖和数据仓库数据处理、数据计算开发、深入挖掘业务数据、安全措施和中台运营及周边。中台落地手记业务服务化与数据资产化的主要读者对象为企业信息化人员（包括管理人员及产品设计、开发人员等）、数字化转型研究方向和专业的高校师生等。读书笔记读书笔记其中一些案例和总结好的思路，对现在的工作有一些触动，希望后面能有更深刻的理解。勉强可以，毕竟对于某些概念讲的还算清楚。大部分关于中台的书都是泛泛而谈。对于想了解业务建模流程，数据建模流程，数据仓库概念普及，数据资产，机器学习普及的，可以看看，很适合入门，高度抽象概括又不会看不懂，很大白话。技术出身的作者，写出来的东西就是更接地气，更具备落地的可能。快速翻过。目录分析1.1统一内部认识1.2把握外部环境1.3中台具体建设思路1.4运营中台规划与设计第1章总体规划1.3中台具体建设思路1.3.1阿里巴巴中台建设思路拆解1.3.2企业组织变革1.3.3业务与数据逻辑架构设计1.4运营中台规划与设计1.4.1运营中台面临的几个典型痛点1.4.2行业规范与趋势1.4.3运营中台前期准备情况2.1多种方法梳理业务2.2领域驱动（DDD）业务建模2.3业务服务化带来的效益2.4服务提供者第2章业务服务化建设2.5服务消费者2.7运营中台业务服务化设计2.6服务管理者第2章业务服务化建设2.2领域驱动（DDD）业务建模2.2.1领域驱动建模介绍2.2.2业务架构设计2.7运营中台业务服务化设计2.7.1梳理各业务线流程2.7.2定义业务领域2.7.3确定聚合与聚合根2.7.4确定限界上下文3.1RPC框架：ApacheDubbo3.2Spring框架：SpringCloud3.3微服务难点剖析3.4服务格ServiceMesh第3章微服务解决方案3.6运营中台基于微服务技术搭建业务中台3.5无服务架构Serviceless第3章微服务解决方案3.1RPC框架：ApacheDubbo3.1.1架构分层剖析3.1.2核心流程介绍3.1.3关键生态组件介绍3.1.4Dubbo使用举例3.2Spring框架：SpringCloud3.2.1关平台3.2.2服务注册与发现3.2.3配置管理3.2.4负载均衡3.2.5服务保护3.2.6链路追踪3.2.7安全控制3.3微服务难点剖析3.3.1络延迟3.3.2分布式事务3.3.3分布式计算3.6运营中台基于微服务技术搭建业务中台3.6.1微服务划分3.6.2整体微服务架构3.6.3缓存方案3.6.4搜索方案3.6.5通信方案3.6.6SPI与插件化方案4.1多渠道收集数据4.2多数据结构收集数据4.3收集工具介绍4.4运营中台数据收集过程第4章收集各类数据4.3收集工具介绍4.3.1ApacheFlume4.3.2ApacheSqoop4.3.3AlibabaDataX4.3.4爬虫系统工具4.3.5ApacheKafka4.3.6AlibabaCanal5.1数据标准建立5.2数据建模子系统5.3元数据管理子系统5.4数据质量控制子系统5.5运营中台数据预处理12345第5章数据预处理5.2数据建模子系统5.2.1关系型数据建模5.2.2数据仓库建模5.2.3非关系型数据建模5.2.4通用建模步骤5.3元数据管理子系统5.3.1元数据的内涵5.3.2元数据管理的意义5.3.3元数据管理开源方案：ApacheAtlas5.4数据质量控制子系统5.4.1数据质量维度度量5.4.2数据质量控制方案5.4.3数据质量管理开源方案：ApacheGriffin5.5运营中台数据预处理5.5.1建立内部数据标准5.5.2与业务模型对应的数据模型子系统5.5.3自研元数据管理子系统5.5.4自研数据质量控制子系统6.2数据湖与大数据6.1数据仓库第6章数据湖和数据仓库数据处理6.4运营中台数据仓库和数据湖的建设情况6.3开源数据湖方案：ApacheHudi第6章数据湖和数据仓库数据处理6.1数据仓库6.1.1数据仓库分层6.1.2数据仓库分类6.2数据湖与大数据6.2.1Lambda架构6.2.2Kappa架构6.2.3大数据平台6.3开源数据湖方案：ApacheHudi6.3.1Hudi存储6.3.2Hudi读取6.4运营中台数据仓库和数据湖的建设情况6.4.1基于Hive的离线数据仓库6.4.2基于Kylin的准实时数据仓库6.4.3基于Flink+TiDB的实时数据仓库6.4.4基于Hudi的数据湖建设7.1离线计算7.2在线计算7.3流式计算7.4运营中台数据资产化过程第7章数据计算开发7.1离线计算7.1.1MapReduce经典计算引擎7.1.2ApacheSpark内存计算引擎7.2在线计算7.2.1事务优先类引擎7.2.2非事务优先类引擎7.2.3预计算类引擎7.3流式计算7.3.1无状态计算引擎：ApacheStorm7.3.2有状态计算引擎：ApacheFlink7.4运营中台数据资产化过程7.4.1典型问题解决方案7.4.2性能调优8.1利用机器学习进行数据挖掘8.3运营中台业务数据挖掘8.2机器学习通用步骤第8章深入挖掘业务数据8.1利用机器学习进行数据挖掘8.1.1监督学习8.1.2非监督学习8.1.3强化学习8.2机器学习通用步骤8.2.1数据清洗处理8.2.2特征工程8.2.3对模型进行训练8.2.4评估模型的泛化程度8.2.5模型保存及导入8.3运营中台业务数据挖掘8.3.1客户数据挖掘：分类营销8.3.2安全数据挖掘：运行事件预测9.1安全体系范畴9.3运营中台安全措施9.2大数据平台安全开源方案：ApacheRanger第9章安全措施9.1安全体系范畴9.1.1平台安全9.1.2数据安全9.1.3隐私安全9.3运营中台安全措施9.3.1运营中台安全告警系统9.3.2运营中台两地三中心数据容灾方案10.1运营中的运维：维护优势10.2运营中的营收：提升价值10.3各类中台形态10.4运营中台的运营规划第10章中台运营