DAMA数据治理认证 CDGA 知识点总结：1.数据管理（4分）

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

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。

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。

车轮图

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。

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。

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。