數字化轉型關鍵技術

定　價：￥89.00

作　者：	[美]托馬斯·埃爾(Thomas Erl),[美]羅杰·斯托弗斯(Roger Stoffers)
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥66.70)

ISBN：	9787111739050	出版時間：	2022-05-01	包裝：	平裝-膠訂
開本：	16開	頁數：		字數：

內容簡介

　　本書分為數字化轉型驅動因素、數字化轉型實現要素、數字化轉型關鍵技術和數字化轉型解決方案四部分。第一部分闡述了什么是數字化轉型、什么導致了數字化轉型、什么推動了數字化轉型，以及數字化轉型的風險和挑戰(zhàn)。第二部分探討了數字化轉型的實現要素，包括實現以客戶為中心、數據智能、智能決策。第三部分簡要介紹了數字化轉型的關鍵技術，包括數字化轉型的智能技術簡介和數字化轉型的數據科學技術簡介。第四部分給出了數字化轉型的解決方案，剖析了一個以客戶為中心的數字化轉型解決方案實例的業(yè)務場景，包括理解數字化轉型解決方案和剖析以客戶為中心的解決方案。

作者簡介

　　作者簡介：托馬斯·埃爾（Thomas Erl）作為Arcitura Education的創(chuàng)始人和總裁，領導開發(fā)了國際認可的、供應商中立的培訓和認證計劃的課程體系，包括100多門課程、90多個Pearson VUE考試和40多個認證途徑，涵蓋數字化轉型、機器人流程自動化（RPA）、DevOps、區(qū)塊鏈、物聯網、容器化、機器學習、人工智能（AI）、網絡安全、面向服務的架構（SOA）、云計算和大數據分析等主題。羅杰·斯托弗斯（Roger Stoffers）TOGAF認證的企業(yè)架構師，對數字化轉型和集成充滿熱情。Roger在電信、政府和金融行業(yè)的組織中工作（包括與組織合作），在跨國組織中積累了25年的經驗。他曾擔任數字化業(yè)務轉型倡議的首席和主導企業(yè)域架構師，強調客戶關系和分布式環(huán)境。譯者簡介：方志剛，研究興趣包括數字化工廠、智慧企業(yè)和工業(yè)4.0愿景。從1995年加入IBM咨詢服務部（前身為普華永道咨詢）起，他在北京、美國費城、上海等分公司歷任顧問、高級顧問、首席架構師、咨詢總監(jiān)等職，專注于為制造業(yè)、鋼鐵、石油行業(yè)等大客戶提供信息化規(guī)劃、咨詢和實施服務，主要服務過的客戶包括中航工業(yè)、航天科工、中國石油、中海油、上海汽車、寶鋼、海爾、青島四方等等，并具有美國和日本實施大型IT項目工作經驗。方志剛曾獲得北京科技大學管理信息系統學士和碩士學位。

圖書目錄

目　錄前言第一部分　數字化轉型驅動因素第1章　理解數字化轉型 2 1.1　業(yè)務、技術、數據和人員 4 1.1.1　數字化轉型與業(yè)務 4 1.1.2　數字化轉型與技術 6 1.1.3　數字化轉型與數據 7 1.1.4　數字化轉型與人員 8 1.2　數字化轉型解決方案與組織 10 第2章　數字化轉型的業(yè)務驅動因素 11 2.1　適應快速變化的市場，實現市場增長 12 2.2　提高組織敏捷性與業(yè)務一致性 15 2.3　擺脫低效率，增強數據智能 19 2.4　提升自動化能力與生產力 21 2.5　改善客戶體驗，提升客戶信心 24 第3章　數字化轉型的技術驅動因素 31 3.1　強有力和多樣化的數據獲取 32 3.2　數據科學技術 34 3.3　高級自動化技術 35 3.4　自主決策 36 3.5　集中化、可擴展、彈性的IT資源 37 3.6　不可變的數據存儲 39 3.7　多體驗訪問 40 第4章　數字化轉型的風險和挑戰(zhàn) 42 4.1　數據質量差和數據偏差 43 4.2　數字化數據增加，易受攻擊的風險增加 44 4.3　抵制數字文化 46 4.4　過度自動化的風險 47 4.5　難以治理 48 第二部分　數字化轉型實現要素第5章　實現以客戶為中心 52 5.1　產品 53 5.2　客戶 53 5.3　產品中心模型與客戶中心模型的關系 55 5.4　交易價值與關系價值行為 56 5.5　面向客戶與以客戶為導向的行為 58 5.6　關系價值和溫暖度 60 5.6.1　溝通中的熱情 61 5.6.2　主動提供熱情服務 62 5.6.3　給客戶獎勵 64 5.6.4　超越客戶期望 65 5.7　單渠道、多渠道和全渠道的客戶交互 66 5.8　客戶旅程 69 5.9　客戶信息與客戶檔案 70 第6章　數據智能 76 6.1　數據來源 77 6.1.1　組織數據 78 6.1.2　第三方數據 78 6.1.3　創(chuàng)建新的數據智能 79 6.2　常見數據類型 79 6.2.1　運營數據 80 6.2.2　客戶數據 82 6.2.3　社交媒體數據 82 6.2.4　公共數據 83 6.2.5　私營數據 84 6.3　數據獲取方法 84 6.3.1　手動輸入數據 85 6.3.2　自動輸入或獲取數據 85 6.3.3　捕獲遙測數據 85 6.3.4　信息數字化 86 6.3.5　數據輸入 88 6.4　數據利用 88 6.4.1　分析和報告 89 6.4.2　自動化決策 90 6.4.3　解決方案輸入 90 6.4.4　機器人驅動的自動化 90 6.4.5　模型訓練和再訓練 90 6.4.6　保留歷史記錄 91 第7章　智能決策 92 7.1　條件自動化決策 93 7.2　計算機輔助決策 94 7.3　智能自動化決策 94 7.3.1　直接驅動的自動化決策 97 7.3.2　定期自動化決策 98 7.3.3　實時自動化決策 99 7.4　計算機輔助決策與智能自動化決策 100 第三部分　數字化轉型關鍵技術第8章　數字化轉型的智能技術簡介 104 8.1　云計算 105 8.1.1　云計算實踐 106 8.1.2　常見風險和挑戰(zhàn) 110 8.2　區(qū)塊鏈 111 8.2.1　區(qū)塊鏈實踐 112 8.2.2　常見風險和挑戰(zhàn) 119 8.3　物聯網 120 8.3.1　物聯網設備 121 8.3.2　物聯網實踐 125 8.3.3　常見風險和挑戰(zhàn) 127 8.4　機器人流程自動化 128 8.4.1　機器人流程自動化實踐 129 8.4.2　常見風險和挑戰(zhàn) 132 第9章　數字化轉型的數據科學技術簡介 134 9.1　大數據分析與預測 136 9.1.1　大數據的5個V 138 9.1.2　大數據實踐 140 9.1.3　常見風險和挑戰(zhàn) 140 9.2　機器學習 141 9.2.1　模型訓練 142 9.2.2　機器學習實踐 144 9.2.3　常見風險和挑戰(zhàn) 147 9.3　人工智能 147 9.3.1　神經網絡 148 9.3.2　自主決策 149 9.3.3　人工智能實踐 151 9.3.4　常見風險和挑戰(zhàn) 152 9.4　數字化轉型關鍵技術總結 154 第四部分　數字化轉型解決方案第10章　理解數字化轉型解決方案 158 10.1　分布式解決方案設計基礎 159 10.2　數據輸入基礎 163 10.2.1　文件拉取 163 10.2.2　文件推送 164 10.2.3　API拉取 165 10.2.4　API推送 166 10.2.5　數據流傳輸 166 第11章　剖析以客戶為中心的解決方案 169 11.1　術語回顧 170 11.2　場景背景 171 11.2.1　業(yè)務挑戰(zhàn) 172 11.2.2　原始的客戶旅程 172 11.2.3　業(yè)務目標 175 11.3　提升客戶旅程 176 11.4　擴展業(yè)務流程 178 11.5　制定未來決策 212