如下解读只是自己心得，如有不足，恳请指正。
【解读：2020年，华为数据管理部出版了华为数据之道，系统的讲解了华为数据管理部的主要工作内容和当前进展。
华为作为一家国际知名的电信设备和手机制造商，这样大张旗鼓宣传内部数据流程与数据架构，看上去与之前华为在安全保密上谨慎风格，显得有点异常。不过从此书的推荐人中可以得到一点启发，华为希望以自身数字化工作为案例，在云和企业服务两个较弱的业务领域寻得一些发展和突破。】
数据管理组织建立
【解读：华为数据管理工作起于2007年，那时还没有数字化转型。当时目标:引入IBM数据管理框架,启动信息架构与数据质量建设,孵化各领城数据组织。内容包括：
1）在IBM顾问指导下,建立数据管理框架
2）支掉业务流程中的数据组织逐步建立
3）初步启动核心数据的信息架构建设
数据管理组织如何建立的呢？这又是IBM有关。华为任老板学IBM企业管理的内容，网上有很多介绍，这里不提了。为了规范内部信息化建设，IBM给华为引入了企业架构EA的理念。从组织上，成立了企业架构部。IBM企业架构分四块：
业务架构：定义了企业在总体企业战略指导下希望实现的业务能力及其关系，它们能帮助企业业务发展，实现高效率的运营。
应用架构：是对信息系统进行的高层应用划分，指导整个信息系统构建和实施，应用架构是基于业务架构和业界最佳实践建立的。
数据架构：是从跨组织应用系统的视角，对数据进行组织和管理，包括对整个数据生命周期中数据的处理、存儲、转换、整合、分布制定的策略、模型、流程、以及支持这些策略、模型、流程的架构方案。
技术架构：是基于面向服务架构思路，实现信息、应用、流程横向贯通，支持应用架构优化和提升的技术平台架构；定义各个信息基础设施之间的关系，从宏观和微观角度分析信息系统的发展过程和技术要求，并为保障和支撑应用和数据提供一个可实现的基础；定义支撑业务运作的技术标准体系；根据企业或组织的需要定义的安全能力和功能，在业务安全需求和安全需求之间建立联系；运用各项成熟技术,实现对企业各类数据的可视化展现，从而有效支撑智能决策。
下面有四个小部门承接了这四个模块：其中成立数据管理部，承接了数据架构建设和看护职责。
这四个组织在内部作为能力提供部门，任何内部IT项目建设（也称为变革项目），都需要四个团队一起提供人力参与。
华为数据管理部门的职责，除了数据架构外，做了一些扩充，用当前的视角来看，就是负责数据治理（后面数字化转型时扩充了数据分析职能）：
华为数据治理的体系框架如图：
上有政策引导，下有IT、组织、流程支撑。中间的核心是数据架构与数据质量。
其中主业务流数据打通是四条横线（表示业务流程）：从战略到执行；业务交易到核算；产品生命周期；问题解决。纵向打通靠主数据（客户主数据、供应商主数据、产品主数据、财务账目主数据等 ）和维度数据（数据仓库中）
】
集团与分公司的两级数据管理部门
为支撑公司实施数据治理，华为在企业范围内建立一个公司级数据管理部，代表公司制定数据管理相关政策、流程、方法和支撑系统，制定公司数据管理的战略规划和年度计划并监控落实。建立并维护企业信息架构，监控数据质量，被露重大数据问题，建立专业任职资格管理体系，提升公司数据管理能力，推动企业数据文化建立和传播。
【解读：集团数据管理部门的职责】
为落实公司制定的数据管理目标，在各业务领域要建立实体化的数据管理专业组织，实线向GPO（各业务领域全球流程 Owner，通常是业务高主管）汇报，承接落实GPO的数据管理责任，虚线向公司数据管理部门汇报。遵从公司统一的数据管理改策、流程和规则要求。
【解读：各子公司数据管理部行政隶属于各子公司，向子公司领导汇报，虚线上与集团数据管理部拉通，使得各公司数据管理体系在标准和语言上统一】
华为虚实结合的数据组织设置，是确保数据工作充分卷入业务，同的能在应用系统中有效落地的关键。
【解读：各子公司数据管理部与业务以及应用系统建设更近】
总结：数据管理部门的职责
体系建设者
负责数据管理的战略、规划、政策、规则的制定；负责数据管理体系建设；数据架构及核心数据资产管理；确保公司数据质量水平。
【解读：政策制定，数据专业系统化建设】
能力中心
构建数据管理的方法、工具、平台；负责专业能力开发建设，包括数据架构、数据分析、信息管理，据质量管理。
【解读：能力中心，很多企业数据部门都已经能够做到，毕竟这是数据工作需要专业能力】
业务的数据伙伴
面向业务，提供数据解决方案，解决业务数据痛点；支撑业务数据需求；向业务提供标准化的主数据/基础数据服务。
【解读：数据代表已经深入到所有的变革项目中，支持业务变革】
文化倡导者
在公司范围建设追求卓越、“谁创建（录入）数据，谁对数据质量负责”；以数据支撑业务决策的文化。
【解读：在传统企业中，数据需要通过文化工作长期宣传，让数据价值深入到每个人心目中】
在数据工作不同建设阶段，分场景组建了不同的虚拟数据团队，如信息架构建设工作组、数据质量执行组、元数据工作组等，保障跨领域数据工作的有序开展。