目录

概述

基本概念

数据与信息

数据管理原则

1. 数据是有独特属性的资产

2. 数据的价值可以用经济术语来表示

数据价值评估模型

3. 管理数据意味着对数据的质量管理

4. 管理数据需要元数据

5. 数据管理需要规划

6. 数据管理须驱动信息技术决策

7. 数据管理是跨职能的工作

8. 数据管理需要企业级视角

9. 数据管理需要多角度思考

10. 数据管理需要全生命周期的管理

11. 数据管理需要纳入与数据相关的风险

12. 有效的数据管理需要领导层承担责任

数据管理挑战

数据价值实现的路径

数据管理战略

数据管理框架

DAMA数据管理框架（DAMA车轮图）

DAMA环境因素六边形图

数据管理11个知识领域简介

1.数据治理

2.数据架构

3.数据建模和设计

4.数据存储和操作

5.数据安全

6.数据集成和互操作

7.文件和内容管理

8.参考数据和主数据

9.数据仓库和商务智能

10.元数据

11.数据质量

---

概述

数据需要被管理！

基本概念

数据与信息

数据被称为“信息的原材料”，信息被称为“在上下文预警中的数据”，但在DAMA中，信息和数据是可以互通的，不用纠结，或者说去区分太细，数据和信息都需要被管理。

数据管理原则

1. 数据是有独特属性的资产

数据是一种资产，但相比其他资产其在管理方式的某些方面有很大差异，对比金融和实物资产其中最明显的一个特点是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

数据的价值也应该用经济术语来表示！

将数据称为资产意味着它有价值，虽然有技术手段可以测量数据的数量和质量但还未形成这样做的标准来衡量其价值，想要对其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，他们还应该衡量低质量数据的成本和高质量数据的好处。

• •   通过为业务赋能实现价值
• •   通过数据交易直接实现价值

• 数据价值评估模型

1. 基于成本（Cost Value of Information，CVI) ，DAMA使用的就是这种，成本包括获取和存储的成本；
   基于市场价值（Market Value of Information，MVI) ；
   基于经济价值（Economic Value of Information，EVI) 。

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并根据这些要求度量数据。

4. 管理数据需要元数据

管理任何资产都需要首先拥有该项资产的数据(员工人数、账户号码等)，用于管理和如何使用数据的数据都称为元数据，因为数据无法拿在手中或触摸到，要理解它是什么以及如何使用它，需要以元数据的形式定义这些知识，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

规划包括数据应用场景设计（精准营销）、技术框架、参考体系。

即便是小型组织也可能有复杂的技术和业务流程蓝图，数据在多个地方被创建且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的一致需要从架构和流程的角度进行规划。

顶层设计需要：

• 基于框架
• 基于一定的原则
• 3-5年

具体落地需要：

• 小步快跑（3个月左右周期）
• 对标成功案例

6. 数据管理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紧密结合，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需求。
数字化转型应该由业务部门来驱动，由IT部门来做许多工作的具体执行。

7. 数据管理是跨职能的工作

数据管理需要一系列的技能和专业知识因此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

业务驱动，技术落地。

数据孤岛为什么难打破就是因为缺乏企业级的视角。

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

管理任何资产都需要首先拥有该项资产的数据(员工人数、账户号码等)，用于管理和如何使用数据的数据都称为元数据，因为数据无法拿在手中或触摸到，要理解它是什么以及如何使用它，需要以元数据的形式定义这些知识，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。

11. 数据管理需要纳入与数据相关的风险

数据就是风险，包括伦理风险、法律风险。

数据除了是一种资产外还代表着组织的风险，数据可能丢失、被盗或误用，组织必须考虑其使用数据的伦理影响，数据相关风险必须作为数据生命周期的一部分进行管理。
数据管理是数字经济的基础，数据是黄金、是石油；但是如果没有管理，数据不会有价值，甚至还有可能会成为巨大的风险。

12. 有效的数据管理需要领导层承担责任

数据管理涉及一些复杂的过程需要协调、协作和承诺，为了达到目标不仅需要管理技巧，还需要来自领导层的愿景和使命。

数据管理挑战

数据价值实现的路径

1、业务赋能

2、数据交易直接实现价值

数据作为生产要素如何实现价值：1、现状评估；2、数据管理；3、数据流通；4、数据要素。

数据管理战略

数据管理框架

顶层的设计需要框架，基于一定的原则，具体落地要小步快跑（国内特性一般就是3 - 6个月），要对标成功的案例。

DAMA数据管理框架（DAMA车轮图）

DAMA环境因素六边形图

数据管理11个知识领域简介

11个知识领域即DAMA车轮图中的内容。

1.数据治理

和我们国内对于数据治理的理解不同，在DAMA中，数据治理是一套规则，是保证数据管理其他领域不出问题，是数据管理的1/11。

数据治理在数据资产管理过程中行驶权力与管控，是数据管理的核心。

2.数据架构

定义了与组织战略相协调的数据资产蓝图，以建立及满足战略性数据需求的总体设计。

常见的框架有Zachman 框架、TOGAF 框架、FEA框架。

3.数据建模和设计

建模就是为了建表，建表是为了存储。

4.数据存储和操作

特别要注意的是“备份”。

以数据价值最大化为目标，包括存储数据的设计、实现和支持活动，以及在整个数据生命周期中，从计划到销毁的各种操作活动。

5.数据安全

确保数据隐私和机密性得到维护，数据不被破坏，数据被适当访问 。

这里要注意的是，数据安全与隐私保护是两回事。

6.数据集成和互操作

主要目的是为了对数据移动进行有效管理，包括与数据存储、应用程序和组织之间的数据移动和整合相关的过程。

7.文件和内容管理

用于管理非结构化的数据和信息的生命周期过程，包括计划、实施和控制活动，尤其是指支持法律法规遵从性要求所需的文档。

8.参考数据和主数据

对共享数据通过标准化的建设来提高数据质量。

9.数据仓库和商务智能

包括计划、实施和控制流程，来管理决策支持数据，并使知识工作者通过分析报告从数据中获得价值。

10.元数据

“元数据”是一个技术术语，它的业务术语我们也很熟悉，是“数据资源目录”，但是不要将它和“数据资产目录”、“数据开放目录”搞混。

11.数据质量

包括规划和实施质量管理技术，以测量、评估和提高数据在组织内的适用性。