第1章 筑巢：来自建筑行业的启示 4
1.1 谋划：像盖房子一样架构企业·· 5
以企业发展战略为指导，结合业务架构与技术架构，按照系统的方法论，将企业架构绘制成一座10个维度的小房子。
1.2 过程：企业是业务活动的集合体 7
按照分层分类的方法，从战略、建设、产品到运营的时间维和从市场需求到资源供给的空间维进行设计，业务过程框架表现为时空交叉的矩阵形式。
1.3 信息：企业业务活动的承载者·· 22
信息与业务过程是一体的、不可分割的，业务过程是动态的，信息是静态的，两者相互配合，组成了各种各样的业务活动。
1.4 应用：业务与技术之桥············ 27
应用即能力，它填平了业务与技术之间的鸿沟，是业务与技术之桥，应用框架又称为能力蓝图，体现了业务人员与技术人员的共同愿景。
1.5 功能：特定任务的执行单元····· 31
功能以应用/能力需求为输入，采用信息技术手段，将能力需求转化为用户可以使用的、具有特定规格要求的单元。
1.6 数据：信息社会的永恒记忆····· 33
“数据”是经过电子设备采集并存储后的载体，从业务需求到技术实现，通过概念模型、逻辑模型和物理模型来实现对数据的承载。
1.7 集成：价值网络时代的整合者·· 37
集成的目的就是将整体中的各个部分粘合起来, 借助业务服务，可以实现对业务过程、信息、应用、数据、技术等元素的有效集成。
1.8 技术：改变世界的源动力········· 40
构建技术架构的目标是保障系统的可靠性、可用性、可伸缩性、高性能以及安全性，分层、组件化和开放是技术架构设计的主要方法。
1.9 部署：让飞机平稳着陆············ 45
部署是设计方案和系统实现的落地，它将处于不同层级的“硬件”和“软件”有机地结合起来，最终实现可供用户使用的系统和服务。
1.10 安全：都是开放惹的祸·········· 54
坚持开放就必然会带来安全问题，可以沿着系统架构的“云+管+端”思路来分析引起安全问题和提供整体安全解决方案。
1.11 治理：没有规矩不成方圆······· 56
治理是对业务、应用与技术的管理，通过组织、人员、流程来保障，由于操作型应用与分析型应用的特点不同，治理重点也不一样。
1.12 本章主要内容回顾················· 58
第2章 联姻：当企业架构爱上大数据 60
2.1 大数据与决策：选择远比努力更重要 61
分析后形成的决策决定了企业发展的方向与道路，影响深远，正确的决策会让企业靠近成功，而错误的决策必然会导致失败。
2.2 张开想象的翅膀：大数据服务畅想 62
技术是手段，业务发展才是最终目标，企业首先需要从战略、建设、产品、客户、供应商、人才物等业务视角畅想可能需要的大数据服务。
2.3 对号入座：定位大数据发力点·· 81
立足于业务过程框架和业务过程块，不仅能够有利于快速发现新的大数据服务，又便于从业务角度来管理越来越多的大数据服务。
2.4 能力落地：大数据服务数据源及其关键实现活动 90
数据源是大数据服务的“根”，决定了大数据服务的能力，可以基于可能获取到的数据源，初步确定实现大数据服务的关键活动。
2.5 主要内容回顾·························· 108
第3章 孕育：凡事预则立，不预则废 109
3.1 大数据服务战略：大数据决定大未来 111
数据服务战略既是企业面向外部市场竞争的需要，又是企业释放自身能力的内在需求，是企业长远发展的必然选择。
3.2 大数据服务设计方法论：方法比努力更重要 122
首先分析大数据可能具备的能力，然后再分析问题域的特点，最后结合大数据能力与问题域特点，形成大数据服务需求。
3.3 大数据服务架构设计：在平衡中实现完美 129
大数据服务运营框架从业务角度出发，体现业务到数据的互动过程，大数据服务应用框架从能力角度出发，体现了大数据的管理过程。
3.4 大数据服务模型设计：默默无闻的贤内助 139
行成于思而毁于随，面向操作的数据模型侧重对“行”的支持，而面向分析的数据模型则侧重对“思”的支持。
3.5 大数据服务容量设计：海纳百川，有容乃大 156
与事务处理应用相比，大数据服务属于分析处理应用，由于两者的数据处理特点不同，因此容量估算方法也有一定的区别。
3.6 大数据服务过程设计：卓有成效的管理者 160
大数据服务过程包括服务目录管理、容量管理、可用性管理、连续性管理、服务等级管理、信息安全管理、供应商管理等。
3.7 大数据服务组织设计：分工不分家 164
按照专业化分工和关注点分离的原则，大数据服务业务分析师和大数据服务系统架构师是两个非常重要的角色。
3.8 主要内容回顾·························· 165
第4章 分娩：从幕后到台前的华丽转身 168
4.1 大数据服务转换原则················ 170
大数据服务转换充满了期待又存在着风险和挑战，需要综合权衡转换成本与收益、转换速度与风险。
4.2 大数据服务转换过程················ 171
大数据服务转换过程包括转换计划、变更管理、资产与配置管理、发布与部署管理、验证与测试、评估以及知识管理。
4.3 大数据服务转换组织设计········· 178
大数据服务转换中涉及的角色主要包括资产管理员、配置管理员、配置分析师、部署管理员、测试管理员。
4.4 主要内容回顾·························· 181
第5章 培育：调整、巩固、充实、提高 182
5.1 大数据服务运营：多、快、好、省 183
大数据服务运营既包括事件管理、事故管理、请求实现、问题管理、访问管理等过程，又包括服务台、技术管理、应用管理等职能。
5.2 大数据服务改进：自强不息止于至善 190
大数据服务不是一蹴而就的，是需要一个不断改进完善的过程，发现问题和差距并持续改进是提升企业决策能力的唯一途径。
5.3 主要内容回顾·························· 192
第6章 腾飞：在实践中检验真理··· 193
6.1 大数据在电信行业的应用········· 194
通信大数据既包含真实可靠的用户属性信息，又包括通话、上网等用户实时行为信息，可以反映个体与群体的社交关系、需求偏好、行为特征等。
6.2 大数据在金融行业的应用········· 203
金融的本质是信用，管理的难点是风险，金融企业应当能够驾驭大数据，提升运营效率并降低经营风险。
6.3 大数据在互联网行业的应用····· 211
互联网强调平等、协作、去中心化，通过搜索、社交、购物等互联网应用沉淀下来的海量数据，成为推动社会创新发展的催化剂。
6.4 大数据与隐私保护··················· 214
信息共享和数据开放既是把双刃剑，能否为造福人类关键要看我们的态度和行动，只有构建科学的组织、制度和流程，才能趋利避害，实现共赢。
6.5 大数据相关热点话题················ 217
云计算为大数据提供弹性的基础设施，移动互联网、物联网、电子商务既是大数据的提供者，又是大数据服务的消费者。
6.6 主要内容回顾·························· 224
第7章 框架体系：以不变应万变··· 227
7.1 企业架构：战略与运营之桥····· 229
从不同层次、不同视角刻画企业，形成既能够承接企业发展战略，又能够指导企业日常运营的企业架构框架。
7.2Frameworx框架体系：电信行业的灯塔 232
业务过程框架、信息框架、应用框架、系统集成框架从四个不同视角定义业务、能力以及业务服务需求，为四位一体的框架体系架构。
7.3ITIL/ITSM框架体系：IT行业的指南针 245
以服务方式管理IT，采用全生命周期的管理方式，分为服务战略、服务设计、服务转换、服务运营、服务持续优化5个阶段。
7.4 主要内容回顾·························· 258
第8章 大数据技术：他山之石，可以攻玉 261
8.1 开源框架Hadoop···················· 263
是一个基于分布式文件系统HDFS的框架体系，包括离线计算引擎MapReduce、实时计算引擎Storm、内存计算引擎Spark等。
8.2 大数据存储技术······················· 267
大数据借助分布式数据库存储，通过软件算法保证数据可靠性，分布式/列式数据库需要与关系型数据结合起来使用。
8.3 大数据分析技术······················· 272
大数据典型分析技术为离线计算技术MapReduce，它以大数据块为操作单位，首先对数据进行微分Map，然后再对集合内数据进行聚类运算。
8.4 大数据展示技术······················· 285
从多个维度、多个视角、全方位、直观地发现大数据背后隐藏的规律，相当于大数据挖掘的“最后一公里”。
8.5 主要内容回顾·························· 297
附录A 重点概念及其定义·············· 300