DAMA数据治理认证 CDGA 知识点总结:1.数据管理(4分)

2023-11-23 02:59

本文主要是介绍DAMA数据治理认证 CDGA 知识点总结:1.数据管理(4分),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

DAMA数据治理 CDGA 学习笔记-1.数据管理(4分)

其它文档:

  1. DAMA数据治理认证 CDGA 学习笔记:0.CDGA、CDGP介绍

  2. DAMA数据治理认证 CDGA 学习笔记:01.数据管理(4分)

第一章、数据管理

目录

  • DAMA数据治理 CDGA 学习笔记-1.数据管理(4分)
  • 第一章、数据管理
    • 1. 引言
      • 数据管理
      • 数据管理专业人员
      • 组织管理数据的目标
    • 2.基本概念
      • 数据和信息
      • 金字塔模型
      • 数据管理需要
      • 数据管理战略的组成
      • 数据管理战略规划的可交付成果
    • 2. 数据管理框架
      • 战略一致性模型
      • 阿姆斯特丹信息模型
      • 车轮图
      • DAMA环境因素六边形图
      • 知识领域语境关系图
      • 数据管理对数据生命周期的关注主要在以下方面

1. 引言

数据管理

数据管理(Data Management) 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订计划、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

数据管理专业人员(Data Management Professional) 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着诸多角色,从高级技术人员(如数据库管理员、网络管理员、程序员)到战略业务人员(如数据管理专员、数据策略师、首席数据官等)。

数据管理需要技术的和非技术的双重技能。管理数据的责任必须由业务人员和信息技术人员两类角色共同承担,这两个领域的人员需要相互协作,确保组织拥有满足战略需求的高质量数据。

组织管理数据的目标

数据管理的主要驱动力也是使组织能够从其数据资产中获取价值。

组织管理数据的目标包括:

  1. 理解并支撑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。
  2. 获取、存储、保护数据和确保数据资产的完整性。
  3. 确保数据和信息的质量。
  4. 确保利益相关方的数据隐私和保密性。
  5. 防止数据和信息未经授权或被不当访问、操作及使用。
  6. 确保数据能有效地服务于企业增值的目标。

2.基本概念

数据和信息

数据被称为“信息的原材料”,而信息则被称为“在上下文语境中的数据”
数据是信息的一种形式,信息也是数据的一种形式。

金字塔模型

用于分层描述位于底层的数据、信息、知识与位于顶层的智慧之间的关系。

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
  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,不同类型数据有不同的生命周期特征
  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

低质量的数据成本:

1)报废和返工。
2)解决方法和隐藏的纠正过程。
3)组织效率低下或生产力低下。
4)组织冲突。
5)工作满意度低。
6)客户不满意。
7)机会成本,包括无法创新。
8)合规成本或罚款。
9)声誉成本。

高质量数据的作用:

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。

元数据是全面改进数据管理的起点。
数据管理对数据生命周期的关注有几个重要影响:

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。

数据管理需要

设计技能、高技术技能、理解问题和解释数据的技能、语言技能、战略思维

数据管理战略的组成

  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. 数据管理的使命和长期目标。
  5. 数据管理成功的建议措施。
  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。

数据管理战略规划的可交付成果

1 数据管理章程:

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。

2 数据管理范围声明:

规划目的和目标(通常为 3 年),以及负责实现这些目标的角色、组织和领导。

3 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。

2. 数据管理框架

DMBOK2中提出的想法和概念在不同的组织中都可以应用。组织所采用的数据管理方法取决于某些关键要素,如其所处行业、所应用的数据范围、企业文化、成熟度、战略、愿景以及待解决的问题和挑战。
本节描述的框架中提供了一些视角,通过这些视角审视数据管理并应用DMBOK中提出的概念。
1)前两个模型,即战略一致性模型和阿姆斯特丹(Amsterdam)信息模型,展示了组织管理数据的高阶关系。
2)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领域,并解释了它们在
DMBOK中的视觉表现。

3)最后两个模型是以DAMA为基础重新排列组件,以便于更好地理解和描述它们之间的关系。

战略一致性模型

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。

在这里插入图片描述

阿姆斯特丹信息模型

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。

在这里插入图片描述

车轮图

在这里插入图片描述

DAMA环境因素六边形图

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。

在这里插入图片描述

知识领域语境关系图

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。

在这里插入图片描述

数据管理对数据生命周期的关注主要在以下方面

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。

生命周期管理活动源于数据的使用。
数据治理项目通过制定战略和支持原则、制度和管理实践,使组织能够以数据为驱动力,确保
组织认识到并利用从其数据 中获得价值的机会。

在这里插入图片描述

这篇关于DAMA数据治理认证 CDGA 知识点总结:1.数据管理(4分)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/414863

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

基本知识点

1、c++的输入加上ios::sync_with_stdio(false);  等价于 c的输入,读取速度会加快(但是在字符串的题里面和容易出现问题) 2、lower_bound()和upper_bound() iterator lower_bound( const key_type &key ): 返回一个迭代器,指向键值>= key的第一个元素。 iterator upper_bou