第一章 数据管理

一、引言

       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。  

二、基本概念

1、数据管理原则

       数据管理涉及了解一个组织拥有什么数据以及用它完成什么，然后确定利用数据资产来实现组织目标的最佳方式。要遵循一套原则：

• 数据是有独特属性的资产，在使用过程中不会产生消耗。
• 数据的价值可以用经济术语来表示，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成本和高质量数据的好处。
• 管理数据意味着对数据的质量管理
• 管理数据需要元数据
• 管理数据需要计划，需要从架构和流程的角度进行规划
• 数据管理须驱动信息技术决策，管理数据需要一种方法，确保技术服务于而不是驱动组织的战略数据。
• 数据管理是跨职能的工作
• 数据管理需要企业级视角
• 数据管理需要多角度思考
• 数据管理需要全生命周期的管理，不同类型数据有不同的生命周期特征
• 数据管理需要纳入与数据相关的风险
• 有效的数据管理需要领导层承担责任

2、数据管理挑战

2.1 数据价值

       某些类型的数据可能会随着时间的推移而具有一致的价值，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。

2.2 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：

• 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、产品、流程和商机，获得竞争优势。

2.3 数据优化计划

       数据优化计划要考虑以下几点：

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

2.4 元数据和数据管理

       元数据描述了一个组织拥有什么数据、它代表什么、如何被分类、它来自哪里、在组织之内如何移动、如何在使用中演进、谁可以使用它以及是否可为高质量数据。

2.5 数据管理是跨职能的工作

       不同阶段由不同团队进行不同的管理。

2.6 建立企业视角

       数据是组织中“横向领域”之一，它跨越不同垂直领域，不同部门会用不同方式标识相同概念。

2.7 数据管理需要多角度思考

       了解数据潜在用途有助于更好地规划数据生命周期，并据此获得更高质量的数据。

2.8 数据生命周期

       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：

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

2.9 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。

2.10 数据和风险

       数据不仅代表价值，也代表风险。不准确、不完整或过时的低质量数据，因为其信息不正确明显代表风险，它可能被误解和误用；最高质量的数据带给组织最大的价值。

2.11 数据管理和技术

       成功的数据管理需要对技术做出正确的决策，以防止技术诱惑推动他们对数据的决策。

3、数据管理战略

       数据管理战略组成应包括：

• 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
• 数据管的使命和长期目标
• 数据管理成功的简历措施
• 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
• 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。

三、数据管理框架

       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。

1、战略一致性模型（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。

2、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。

3、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

• 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。
• 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。
• 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。

4、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。

四、DAMA和DMBOK

       DAMA的成立是为了应对数据管理带来的挑战，DMBOK通过以下方式支持DAMA使命：

• 为实施企业数据管理实践提供功能框架，包括指导原则、广泛采用的实践、方法和技术、功能、角色、可交付成果和度量指标。
• 为数据管理建立通用词汇表，并以此代表数据管理专业人员最佳实践的基础。
• 作为数据管理专业人士认证（CDMP）和其他认证考试的基本指导指南。