CDMP（Data Management）

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。 信息和知识是获得竞争优势的关键。 与没有数据或数据不可靠的组织相比，拥有可靠，高质量的客户，产品，服务和运营数据的组织可以做出更好的决策。 无法管理数据类似于无法管理资金。 这导致浪费和失去机会。 数据管理的主要驱动力是使组织能够从其数据资产中获取价值，就像对财务和实物资产的有效管理使组织能够从这些资产中获取价值一样。

在组织内部，数据管理目标包括：
• 了解并支持企业及其利益相关者（包括客户，员工和业务合作伙伴）的信息需求
• 捕获，存储，保护并确保数据资产的完整性
• 确保数据和信息的质量
• 确保利益相关者数据的隐私性和机密性
• 防止未经授权或不当访问，操纵或使用数据和信息
• 确保可以有效地使用数据为企业增值

我们为什么需要数据管理

正确解释数据理解展示系统
人们和组织可能会在如何表达概念上做出不同的选择。这些选择将影响数据的解释方式
对技术的变革改变了人们对什么是数据的理解，从而扩大了这一需求的范围

数据是一种资产

资产是一种可以拥有或者控制的经济资源，可以持有或产生价值，资产可以转换为货币
是一种企业资产，但是对这意味着什么的理解仍在不断发展
组织依靠其数据资产来做出有效的决策并有效地运作
许多公司将其识别为数据驱动，这必须包含以下认识：必须通过业务领导层与IT部门之间的合作关系，以专业的纪律有效地管理数据

数据管理原则

1. 需要计划管理数据：即使是小型组织也可能具有复杂的技术和业务流程环境。数据在许多地方创建，并在不同地方之间移动以供使用。为了协调工作并使最终结果保持一致，需要从体系结构和过程角度进行规划。
2. 数据管理是跨职能的；它需要一系列的技能和专业知识：一个团队无法管理组织的所有数据。数据管理需要技术和非技术技能以及协作能力。
3. 数据管理需要从企业的角度出发：数据管理具有本地应用程序，但是必须在整个企业中应用，以使其尽可能有效。这是数据管理和数据治理相互交织的原因之一。
4. 数据管理必须考虑多种视角：数据是可变的。数据管理必须不断发展，以跟上数据的创建和使用方式以及使用它的数据使用者。
5. 数据管理是生命周期管理：数据具有生命周期，管理数据需要管理其生命周期。由于数据会生成更多数据，因此数据生命周期本身可能会非常复杂。数据管理实践需要考虑数据生命周期。
6. 不同类型的数据具有不同的生命周期特征：因此，它们具有不同的管理要求。数据管理实践必须认识到这些差异，并且必须足够灵活，才能满足不同种类的数据生命周期要求。
7. 管理数据包括管理与数据相关的风险：数据不仅是资产，还对组织构成风险。数据可能会丢失，被盗或滥用。组织必须考虑其使用数据的伦理意义。与数据相关的风险必须作为数据生命周期的一部分进行管理。
8. 数据管理要求必须驱动信息技术决策：数据和数据管理与信息技术和信息技术管理息息相关。管理数据需要一种方法，以确保技术满足而不是驱动组织的战略数据需求。
9. 有效的数据管理需要领导者的承诺：数据管理涉及一系列复杂的过程，要有效，这些过程需要协调，协作和承诺。到达那里不仅需要管理技能，还需要坚定的领导才能带来的愿景和目标。

数据管理原则

数据管理面临的挑战-数据资产，估值和数据风险

与其他资产不同，因此确定价值/货币化的数据也有所不同
因为数据对于每个组织都是唯一的，所以估值技术会有所不同-数据的价值取决于具体情况：每个组织都必须阐明用于评估数据资产 的一般成本或收益类别
建立将财务价值与数据关联的方法对于数据管理至关重要
不仅代表价值，还代表风险。低质量的数据有风险；因此，可能会误解和滥用

1. 数据质量
2. 信息差距（what we know /need to know）
3. 隐私/安全

数据管理面临的挑战-数据质量

确保高质量的数据是数据管理的核心，如果不能依靠数据来满足企业需求，那么收集、存储、保护和访问数据就是一种浪费。高质量数据作用包括：

1. 改善客户体验
2. 提高生产力
3. 降低风险
4. 快速响应商机
5. 增加收入
6. 洞察客户、产品、流程和商机，获得竞争优势。

数据管理面临的挑战-规划更优质的数据

1. 组织必须认识到他们可以控制他们如何获取和创建数据。如果他们将数据视为产品。他们将在其生命周期中做出更好的决策
2. 计划需要针对架构，建模和其他设计功能的协作和战略方法
3. 角色需要了解技术对数据的影响以防止从技术上诱使他们做出有关数据的决策
4. 角色必须平衡长期和短期目标。必须考虑权衡

数据管理面临的挑战-元数据和数据管理

需要可靠的元数据来将数据作为资产进行管理，元数据是必须管理的一种数据形式

1. 无法很好地管理数据的角色，通常根本不管理其元数据
2. 元数据描述组织拥有的数据，它代表什么，如何分类i，它来自何处，如何移动，如何发展，谁可以使用它以及其质量
3. 元数据生成数据，数据生命周期以及包含可理解的复杂系统
4. 元数据管理通常提供改进的起点在整体数据管理中

数据管理面临的挑战-跨职能的协调

数据由负责数据生命周期不同阶段的团队在组织中的不同位置进行管理。 数据管理需要设计技能来计划系统。
面临的挑战是使具有各种技能和观点的人们认识到各个部分如何组合在一起，以便他们在朝着共同目标努力工作时能很好地协作

数据管理面临的挑战-建立在企业级别上

管理数据需要了解组织内部和整个组织中数据的范围和范围，并使其以常识的方式组合在一起

1. 数据不仅对于组织而言是唯一的，而且对于部门或者业务单位也可以是唯一的
2. 通常不计划将数据放在眼前的需求之外
3. 如果不同部门可能用不同的方式表示相同的概念--细微或公然的差异可能会在数据管理方面带来挑战
4. 利益相关者认为组织的数据应该保持一致
5. 数据治理对于帮助跨行业决策有关数据至关重要

数据管理面临的挑战-数据生命周期

1. 数据生命周期基于产品生命周期。不应将其与系统开发生命周期相混淆。
2. 管理数据涉及一组与数据生命周期保持一致的交互流程。
3. 给定组织中的数据生命周期的细节可能非常复杂，因为数据不仅具有生命周期，而且具有血缘（即从原始点到使用点的路径，有时也称为数据链）。

数据生命周期关键活动

组织中数据生命周期的细节非常复杂，因为数据不仅具有生命周期而且具有血缘。数据管理对数据数据生命周期的关注有以下几个重要影响：

1. 创建和使用是数据生命周期中的关键点；
2. 数据质量管理必须贯穿整个数据生命周期；
3. 元数据质量管理必须贯穿整个数据生命周期；
4. 数据管理还包括确保数据安全，并降低与数据相关的风险；
5. 数据管理工作应聚焦于关键数据。

数据管理面临的挑战-不同类型数据

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。

1. 任何管理系统需要对所管理的对象进行分类
2. 如果不同类型的数据在组织内部和组织中具有不同的要求，风险和角色
3. 数据管理工具专注于分类和控制

数据管理面临的挑战-领导力和承诺

数据管理既不容易又不简单，很少有组织会做的更好，因此这是未开发的机会的来源，为了变得更好，它需要远见，规划和改变的意愿

数据管理战略

1. 令人信服的数据管理愿景
2. 数据管理的商业案例总结
3. 指导原则、价值观和管理观点
4. 数据管的使命和长期目标
5. 数据管理成功的简历措施
6. 符合SMART原则（具体、可衡量、可操作、现实、有时间限制）的短期（12~24个月）数据管理计划目标
7. 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
8. 数据管理程序组件和初始化任务
9. 具体明确范围的优先工作计划
10. 一份包含项目和行动任务的实施路线图草案。

数据管理框架

数据管理涉及一组相互依赖的功能，每个功能都有其自己的目标，活动和职责。
战略一致性模型（SAM）和阿姆斯特丹（AIM）信息模型，展示了组织管理数据的高阶关系，从横轴（业务/IT战略）和纵轴（业务战略/业务运营）两个维度详细描述组件之间的关系。
DAMA-DMBOK框架（DAMA车轮图、六边形图和语境关系图）描述了由DAMA定义的数据管理知识体系，并解释了他们在DMBOK中的视觉表现。

战略对齐模型（SAM）

SAM模型是数据和信息之间的关系，战略选择的4个基本领域：业务战略、IT战略、组织和流程以及信息系统。

战略联盟模型

阿姆斯特丹信息模型（AIM）

AIM从战略角度看待业务和IT的一致性，它抽象出一个关注结构和策略的中间层。

阿姆斯特丹信息模型

DAMA-DMBOK框架

更深入地介绍了构成数据管理总体范围的知识领域，包括如下三部分

1. DAMA车轮图：定义数据管理知识领域，它将数据治理放在数据管理活动的中心，因为治理是实现功能内部一致性和功能之间平衡所必须的，其他知识领域围绕车轮平衡，是成熟数据管理功能的必要组成部分，根据各组织的需求，可能在不同时间实现。
2. 环境因素六边形图：显示了人、过程和技术之间的关系，它将目标和原则放在中心，因为这些目标和原则为人们如何执行活动及有效地使用工具成功进行数据管理提供了指导。

3. 知识领域语境关系图：描述了知识领域的细节，包括与人员、流程和技术相关的细节，是基于产品管理的SIPOC图的概念。

   
   
   DAMA-DMBOK2数据管理框架（DAMA车轮）
   
   
   DAMA环境因素六边形
   
   
   知识区上下文图

DMBOK金字塔（Aiken）

Aiken的金字塔是基于DAMA车轮图构建出来的，展示了各知识领域之间的关系。使用Aiken框架，组织科定义一种演化路径，达到拥有可靠的数据和流程的状态，支持战略业务目标和实现，步骤如下：
第1阶段：组织购买包含数据库功能的应用程序（数据集成和互操作、数据存储和操作、数据安全、数据模型和设计）
第2阶段：元数据、数据质量、数据架构
第3阶段：管理数据质量、元数据和架构需要严格地实践数据治理
第4阶段：高级实践（数据挖掘、大数据分析），充分利用良好管理数据的好处，提高其分析能力。

补充

1. 数据管理框架，从书籍中了解框架之间的细节