文章目录
数据管理的前提认识：
将数据视为资产进行积极管理，并从中获得持续价值。
要想获取价值，需要由目标、规划、协作和保障，也需要管理和领导力。
数据管理是为了：（作用）
为了交付、控制、保护并提升数据和信息资产的价值；并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。
数据管理需要技术和非技术的双重技能。
业务人员 + 信息技术人员
数据管理的目标：
理解并支持企业及其利益相关方(包括客户、员工和业务合作伙伴等)的信息需求得到满足；
获取、存储、保护数据和确保数据资产的完整性；
确保数据和信息的质量；
确保利益相关方的数据隐私和保密性；
防止数据和信息未经授权或被不正当访问，操作及使用；
确保数据能够有效的服务于企业增值的目标。
数据与信息：
相互依赖，相互交织。
数据被称为"信息的原材料"，信息被称为"在上下文语境中的数据"。
数据管理原则：（12个）
(1)数据是有独特属性的资产；
相比金融和实物资产，数据资产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来表示；
(3)管理数据意味着对数据的质量管理；
确保数据符合应用的要求(数据管理的首要目标)。
(4)管理数据需要元数据；
用于管理和如何使用数据的数据都称为元数据。
元数据源于与数据创建、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；
保持数据最终结果的一致。
数据在多个地方被创建，因为使用需要在很多存储位置间移动，因而需要做一些协调工作来保持最终结果一致性。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决策；
好的技术方法来管理数据。
(7)数据管理是跨职能的工作；
专业知识 + 技能。
单个团队无法管理组织的所有数据。
(8)数据管理需要企业级视角；
数据管理必须能够有效地被应用于整个企业。
(9)数据管理需要多角度思考；
数据是流动的，数据管理必须不断发展演进，以跟上数据创建的方式、应用的方式和消费者的变化。
(10)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；
(11)数据管理需要纳入与数据相关的风险；
数据可能丢失、被盗或误用。
(12)有效的数据管理需要领导层承担责任。
不仅需要管理技巧，还需要来自领导层的愿景和使命。
数据管理的挑战：
(1)数据和其他资产的区别；
数据：
不是有形的；
是持久的、不会磨损的；
在使用时不会被消耗、甚至可以在不损耗的情况下被偷走；
数据是动态的；
可以在同时被许多人使用；
数据被多次使用产生了更多的数据；
数据是描述其他资产的元资产，为组织的洞察力提供了基础。
(2)数据价值；
价值：是一件事物的价值和从中获得利益的差额。
数据的价值是上下文相关的，而且往往是暂时的。
(3)数据质量；
确保高质量的数据是数据管理的核心。
低质量的数据对任何组织来说都是价格高昂的。
低质量数据成本主要来源：
报废和返工；解决方法和隐藏的纠正过程；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：
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。
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概念。
(4)数据优化计划；
更好的数据规划需要有针对架构、模型和功能设计的战略路径。
组织在执行战略路径时必须平衡长期目标和短期目标。
(5)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为高质量数据。
元数据是以数据形式构成的。
元数据管理是全面改进数据管理的起点。
通常，管理不好数据的组织根本不管理元数据。
(6)数据管理是跨职能的工作；
需要系统规划的设计技能、管理硬件和构建软件的高技术技能、利用数据分析理解问题和解释数据的技能、通过定义和模型达成共识的语言技能以及发现客户服务商机和实现目标的战略思维。
(7)建立企业的视角；
数据治理帮助组织跨垂直领域做出数据决策。
数据源于组织内的多个来源，管理数据的目标是这些数据以合理的方式组合在一起，以便广大的数据消费者可以使用它。
(8)数据管理需要多角度思考；
了解数据的潜在用途有助于更好的地规划数据生命周期，并据此获得更高质量的数据。
(9)数据生命周期；
创建或获取、移动、转换和存储数据、维护和共享、使用、处理。
血缘：
从起点移动到使用点的路径。也称为数据链。
(1)创建和使用是数据生命周期中的关键点。
生产数据需要花费资金。只有当数据被消费或应用时，它才是有价值的。
(2)数据质量管理必须贯穿整个数据生命周期。
数据质量管理是数据管理的核心。
(3)元数据质量管理必须贯穿整个数据生命周期。
组织依赖元数据来管理其他数据。
(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。
那些需要保护的数据必须在其整个生命周期中受到保护(从创建到销毁)。
(5)数据管理工作应聚焦于关键数据。
将重点放在组织关键的数据上，并将数据ROT(冗余的Redundant、过时的Obsolete、碎片化Trivial)降至最低。
(10)不同种类的数据；
不同种类的数据各有不同的生命周期管理需求。
管理系统将管理对象进行分类。
按照数据类型分为：
交易数据、参考数据、主数据、元数据、类别数据、源头数据、事件数据、详细交易数据。
还可以按照数据内容分类、数据所需的格式保护级别、存储或访问的方式和位置进行分类。
(11)数据和风险；
低质量数据：不准确、不完整或过时的。
数据的风险在于：可能被误用和误解。
(12)数据管理和技术；
因为现在绝大多数数据是以电子方式存储的，所以数据管理策略受到技术的强烈影响。
(13)高效的数据管理需要领导力和承诺。
一个对组织成功至关重要的因素：坚定地领导和组织中各级人员的参与。
数据管理框架：
战略一致性模型(SAM);
阿姆斯特丹信息模型(AIM)；
DAMA框架：DAMA车轮图；环境因素六边形；知识领域语境关系图。
DAMA管理框架：
DAMA-DMBOK(DAMA车轮图、环境因素六边形图、知识领域语境关系图)
DAMA-DMBOK金字塔：
第1阶段：组织购买包含数据库功能的应用程序。
第2阶段：说明了来自不同系统的数据是如何协同工作的。
第3阶段：管理数据质量、元数据和架构需要严格的实践数据治理，为数据管理活动提供体系性支持。
第4阶段：充分利用了良好管理数据的好处，并提高了其分析能力。
DAMA和DMBOK：
DAMA的成立是为了应对数据管理带来的挑战。
DMBOK是一本面向数据管理专业人员的权威参考书。
DMBOK是围绕DAMA-DMBOK数据管理框架(也称为DAMA车轮图)的11个知识领域构建的。
元数据：
源于与数据创建、使用和处理相关的一系列流程；包括架构、建模、管理、治理、质量管理、系统开发、IT和业务运营分析。
数据治理和数据管理
数据治理：保证数据是受到恰当管理。（总体视角）
数据管理：管理数据以达到既定目标。（执行层面）
