数据治理、数据管理学习文章 DAMA数据管理知识体系指南第二版（DAMA-DMBOK2）总结一：数据管理

本文章由个人总结编写，后续将持续更新，建议结合工作经验来反复阅读。欢迎大家评论区探讨学习！！！

第一章 数据管理

数据管理是为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周期中制定计划、制度、规程和实践活动、并执行和监督的过程。

数据管理专业人员是指从事数据管理各方面的工作（从数据全生命周期的技术管理工作到确保数据的合理利用及发挥作用），并通过其工作来实现组织战略目标的任何人员。数据管理专业人员在组织中担当者诸多角色，从高级技术人员（比如数据库管理员网络管理员等等）到战略业务人员（比如数据管理专员、数据策略师、首席数据管等等）。

数据管理原则

注：数据管理的需求是业务部门的需求！！！

1. 数据是有独特属性的资产：数据是一种资产和其他资产比起来管理方式的某一些有很大差异，对比金融和实物资产比起来最明显的特点就是在使用过程中不会产生消耗。

2. 数据的价值可以用经济术语表示：将数据称为资产就意味着他有价值，虽然有技术手段可以测量数据的数量金额质量 但是还没有这样做的标准来衡量它的价值，想要对数据做出更好决策的组织，应该开发一致的方法来量化该价值，还应该衡量低质量数据的成本和高质量数据的好处等等。

3. 管理数据意味着对数据质量的管理：确保数据符合应用的要求是数据管理的首要目标。为了管理质量，组织必须了解利益相关方对质量的要求，根据要求度量数据。

4. 管理数据需要元数据：管理任何资产都需要先拿到该资产的数据，因为数据不是实物资产无法拿到手中和触摸到，要理解他是什么和如何使用它，都需要以元数据的形式定义这些知识。元数据源于数据创建、处理和使用相关的一系列流程，包括架构、建模、管理、治理、数据质量管理、系统开发、IT和业务运营以及分析。

5. 数据管理需要规划：即便是小组织也可能有着复杂的技术和业务流程蓝图。数据在多个地方创建，在使用过程中产生位置的移动等等，需要做一些协调工作来保证最终结果的一致，需要从架构和流程的角度进行规划。

6. 数据管理须驱动信息技术和决策：管理数据需要一种方法，确保技术服务于组织的战略数据而不是驱动组织的战略数据。

7. 数据管理是跨职能的工作：数据管理需要一些列的技能和专业知识，单个团队无法管理组织的所有数据，数据管理需要技术能力，非技术技能以及协作能力。

8. 数据管理需要企业级视角：虽然数据管理存在很多专用的应用程序，但它必须能够有效的被应用整个企业。这就是为什么数据管理和数据治理是交织在一起的原因之一。

9. 数据管理需要多角度 的思考：数据是流动的，数据管理必须不断发展演进、跟上数据创建的方式、应用的方式和消费的变化。

10. 数据管理需要管理数据的全生命周期，不同的数据类型有不同的生命周期特征：因为数据在使用的过程中或者应用等等的过程中都会产生新的数据，所以数据的生命周期可能非常复杂，数据管理实践活动需要考虑数据的整个生命周期。不同类型的数据有着不同的生命周期，所以有着不同的管理需求，数据管理实践需要基于这些差异，保持足够的灵活性，来满足不同类型数据的生命周期需求。

11. 数据管理需要纳入与数据相关的风险：数据除了是一种资产以外，还代表这一种风险，数据可能会丢失、被盗和误用。组织必须考虑其考虑使用数据的伦理影响。数据质量也会产生风险。数据相关风险必须作为数据生命周期的一部分进行管理。

12. 有效的数据管理需要领导层承担责任：数据管理涉及到一些复杂的过程，需要协调、协作和承诺。为了达到目标，不仅仅需要管理技巧，还需要来自领导层的愿景和使命。

数据管理的挑战

1.数据与其他资产的区别：数据的价值经常随着时间的推移而变化，但它是持久的不会磨损的，数据很容易被复制和传送，一但丢失和销毁，就不容易重新产生。因为数据在使用是不会进行消耗，所以它甚至可以在不损耗的情况下被偷走。数据是动态的，可以用于多种目的，数据可以同时被多人使用，对于实物资产和金融资产不一样。数据多次使用后产生了更多的数据，大多数组织不得不管理不断提升的数据量和越来越复杂的数据关系。这些差异使得给数据设定货币价值具有挑战性。如果没有这种货币价值，就很难衡量数据是如何促进组织成功的。还引发了数据管理的其他问题，如定义数据所有权、列出组织拥有的数据量、防止数据滥用、管理与数据冗余（冗余指数据重复，浪费空间，通常指通过多重备份来增加系统的可靠性）相关的风险以及定义和实施数据质量标准。一个组织的数据对于它自身而言是唯一的，如果组织的唯一数据（如客户列表、产品库存或索赔历史等）被丢失或销毁，重新生产这些数据将是不可能的 或者是极其昂贵的。数据也是组织了解自身的手段，数据是描述其他资产的元资产。数据为组织的洞察力提供了基础。无论是组织内部还是各组织之间，数据和信息对于开展业务都是至关重要的。大多数业务交易涉及信息交换。大多数信息都是以电子方式交换的，从而创建一个数据流。除了标记已经发生的交换之外，此数据流还可用于其他目的，比如可以提供关于组织如何工作的信息等。由于数据子啊任何组织中都扮演着重要的角色，因此需要谨慎的管理数据。

2.数据价值：数据的成本和利润没有统一标准，每个组织的数据都是唯一的，因此评估数据的价值需要首先计算在组织内部持续付出的一般性成本和各类收益，列举如下：

• 获取和存储数据的成本。
• 如果数据丢失，更换数据需要的成本。
• 数据丢失对组织的影响。
• 风险缓解成本与数据相关的潜在风险成本。
• 改进数据的成本。
• 高质量数据的优势。
• 竞争对手为数据付出的费用。
• 数据潜在的销售价格。
• 创新性应用数据的预期收入。

评估数据资产面临的挑战是，数据的价值是上下文相关的（有可能对A部门有价值对B部门却没有价值），而且往往是暂时的（昨天的数据有价值今天不一定有价值），在一个组织中某些数据可能随着时间的推移而具有一定的价值。比如：获取可靠的客户信息，随着越来越多与客户活动相关的数据得以积累，客户信息随着时间的推移变的更有价值。在数据管理方面，将财务价值与数据建立关联的方法至关重要，因为组织需要从财务角度了解资产，以便做出一致的决策。重视数据是重视数据管理活动的基础。数据评估过程也可以作为变更管理的一种手段。要求数据管理专业人员和他们支持的利益相关方了解他们工作的财务意义，可以帮助组织转变对自己数据的理解，并通过这一点转变对数据管理的方法。

3.数据质量：确保高质量的数据是数据管理的核心。组织想要管理自己的数据就是想要使用它，如果不能靠这些数据来满足企业的需求，那么收集、存储、保护和访问数据就是一种浪费，为了确保数据满足商业需要，他们必须与数据消费放共同合作来定义需求，其中包括高质量数据的具体要求。多数情况下要在运用数据的过程中进行学习，并进一步创造价值。比如：了解客户习惯以改进产品或服务质量，评估组织绩效或市场趋势以定制更好的业务战略。低质量的数据会对这些决策产生负面影响。低质量数据对任何组织来说代价都是高昂的尽管估计值不尽相同，但是专家认为企业在处理数据质量问题上的支出占收入的10%-30%，很多低质量数据的成本都是隐藏的、间接的， 很难测量。比如罚款等直接成本很容易计算。低质量数据的成本主要来自于：

• 报废和返工。
• 解决方案和隐藏的纠正过程。
• 组织效率低下或生产力低下。
• 组织冲突。
• 工作满意度低。
• 客户不满意。
• 机会成本，包括无法创新。
• 合规成本或罚款。
• 声誉成本。

高质量数据的作用包括：

• 改善客户体验。
• 提高生产力。
• 降低风险。
• 快速响应商机。
• 增加收入。
• 洞察客户、商品、流程和商机获得竞争优势。

管理数据质量并不是一次性的工作。生成高质量数据需要做好计划并执行，以及拥有将质量构建到流程和系统中的观念。所有数据管理功能都会影响数据质量，可能很好，也可能会很糟糕，所以在执行任何数据管理工作时都必须考虑到这一点。

4.数据优化计划：从数据中获取价值不是偶然的，需要以多种形式进行规划。首先要认识到组织可以控制自己如何获取和创建数据，如果吧数据视作创造的一种产品，他们将要通过他的生命周期做出更好的决定。这些决策需要系统思考，因为涉及到如下几点：

• 数据也许被视为独立于业务流程存在。
• 业务流程与支持他们的技术之间的关系。
• 系统的设计和架构及其所生产和存储的数据。
• 使用数据的方式可能被用于推动组织战略。

更好的数据规划需要针对架构、模型和功能设计的战略路径。也取决于业务和IT领导之间的合作和单个项目的执行力。挑战在于通常在组织、时间和金钱方面的长期压力，因而阻碍了优化计划的执行。组织在执行战略是必须平衡长期目标和短期目标。只有明确权衡才会获得有效决策

5.元数据和数据管理：组织需要可靠的元数据进行数据管理，挑战在于元数据是以数据形式构成的，因此需要进行严格管理。通常管理不好数据的组织不管理元数据。元数据管理是全面改进数据管理的起点。

6.数据管理是跨职能的工作：数据管理的一个复杂的过程。管理数据不是一个部门就可以干好的，有很多时候业务部门不能和技术部门协调。挑战在于，让具备这一系列技能和观点的人认识到各部分是如何结合到一起的，从而使他们能够协作并朝着共同的目标努力。

7.建立企业视角：整体来说就是要从宏观角度去看待数据不能从单一角度（业务角度或者技术人员角度）去看待。

8.数据管理需要多角度思考：组织既使用自己产生的数据，也会使用从外部获取的数据，必须要考虑到国家和行业的法律和合规要求。了解数据 的潜在的用途有助于更好的规划数据的生命周期，并以此获得更高质量的数据。由于数据会被误用，因此要考虑减少误用的风险。

9.数据生命周期：数据和其他资产一样拥有生命周期。为了有效的管理数据资产，需要理解生命周期并进行规划。数据终点也是起点。数据质量管理必须贯穿整个数据生命周期。

10.不同种类的数据：不同种类的数据有各自不同的生命周期管理需求，这使得管理数据变得更加复杂。任何管理系统都需要将管理的对象进行分类。可以按照数据类型分类，例如交易数据、主数据、元数据等等或者按照数据内容 数据域、主题区域或者数据的保护级别存储的位置等等进行分类。由于不同的数据类型有着不同的需求，与不同的风险相关，并且在一个组织中扮演不同的角色，因此许多数据管理工具都集中在分类和控制方面

11.数据和风险：数据不仅仅代表着价值，也代表着风险。不准确、不完整或过时的低质量数据，因为信息的不正确明显代表风险。数据的风险在于，数据可能被误解和误用。高质量的数据带给组织最大的价值——可获得、相互关联、完整、准确、一致、及时、适用、有意义和易于理解。然而对于很多重要的决定而言存在信息的缺口（已知信息和须知信息之间的差异）。企业在信息缺口方面的欠缺对经营效率和利润有潜在的深远影响。意识到高质量数据价值的组织能够采取具体的、主动的措施，在监管和伦理文化框架内提高数据和信息的质量的可用性。

12.数据管理和技术：数据管理活动范围广泛，需要的技术和业务技能。现在大多数的数据都是以电子形式存储的，所以数据管理策略受到技术的强烈影响。从一开始，数据管理的概念就与技术管理紧密结合在一起，这种状况还在延续。成功的数据管理需要对技术做出正确的决策，但管理技术和管理数据不同，组织需要了解技术对数据的影响，以防止技术诱惑推动他们对数据的决策，相反，与业务战略一致的数据应该推动有关技术的决策。

13.高效的数据管理需要领导力和承诺：CDO（倡导首席数据官）的作用源于认识到管理数据会带来独特的挑战，成功的数据管理必须由业务驱动，而不是IT驱动。CDO可以领导数据管理计划，使组织能够利用其数据资产并从中获得竞争优势。然而，CDO不仅领导倡议发起，他还得领导文化变革，使组织能够对其数据采取更具战略性的方法。

数据管理战略

战略是一组选择和决策，他们共同构成了实现高水平目标的高水平行动过程。战略计划是为实现高水平目标而采取的高水平行动。数据战略应该包括使用信息以获取竞争优势和支持企业目标的业务计划。数据战略必须来之对业务战略固有数据需求的理解：组织需要什么数据，如何获取数据，如何管理数据并确保其可靠性以及如何利用数据。通常，数据战略需要一个支持性的数据管理战略—— 一个维护和改进数据质量、数据完整性、访问和安全性的规划，同时降低已知和潜在的风险。该战略还必须解决与数据管理相关的已知挑战。许多组织中，数据管理战略由CDO拥有和维护，并有数据治理委员会支持的数据管理团队实施。通常，CDO会在数据治理委员会成立之前起草一份初步的数据战略和数据管理战略，以获得高级管理层对建立数据管理和治理的支持。数据管理战略的组成应该包括：

• 令人信服的数据管理愿景。

• 数据管理的商业案例总结。

• 指导原则、价值观和管理观点。

• 数据管理的使命和长期目标。

• 数据管理成功的建议措施。

• 符合SMART原则的短期数据管理计划目标

• 对数据管理角色和组织的描述，以及对其职责和决策权的总结。

• 数据管理程序组件和初始化任务。

• 具体明确范围的优先工作计划。

• 一份包含项目和行动任务的实施路线图草案。

数据管理战略规划的可交付成果包括：

• 数据管理章程。包括总体愿景、业务案例、目标、指导原则、成功衡量标准、关键成功因素、可识别的风险、运营模式等。

• 数据管理范围声明。包括规划目的和目标，以及负责实现这些目标的角色、组织和领导。

• 数据管理实施路线图。确定特定计划、项目、任务分配和交付里程碑。