DMBOK学习笔记-第一章 数据管理

一、引言

1.数据管理：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。
2.数据管理专业人员：从事数据管理各方面的工作，并通过其工作来实现组织战略目标的任何人员。
3.数据管理需要技术的和非技术双重技能。
4.管理数据责任由业务人员和信息技术人员共同承担。

1.业务驱动因素

数据管理的主要驱动力是使组织能够从其数据资产中获取 价值。

2.组织管理数据的目标

• 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。
• 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当访问、操作及使用。
• 确保数据能有效地服务于企业增值的目标。

二、基本概念

1.数据

• 数据的定义今天已经变的更广泛，需要可靠的、可扩展的数据管理实践将数据合并成可用的信息，而不被其容量和增长速度所压倒。
• 数据既是对其所代表对象的解释，也是必须解释的对象,这些解释数据通常记录在一种特殊类型的数据——元数据中。
• 数据定义表述各不相同，带来了管理过程的复杂，需要行业级的数据标准来提高数据一致性。

2.数据和信息

金字塔模型用于分层描述位于底层的数据、信息、知识与位于顶层的知识之间的关系，但也存在以下问题：

• 基于数据是简单存在的假设。但数据并不是简单存在，而是要被创造出来的。
• 人们数据到知识描述为一个自下而上的逐级序列，但未认识到创建数据首先需要知识。
• 金字塔模型意味着数据和信息是分开的，但事实上这两个概念是相互交织并相互依赖的。数据是信息的一种形式，信息也是数据的一种形式。
  核心原则：数据和信息都需要被管理。

3.数据是一种组织资产

数据已被广泛认为是一种企业资产。数据驱动必须通过业务领导和技术专业知识的合作关系，以专业的规则高效地管理数据

4.数据管理原则

数据管理必须平衡战略和运营需求，平衡遵循的原则如下图：

5.数据管理的挑战

(1)数据与其他资产的区别

• 数据是无形的，价值随时间而变化。
• 难以设定货币价值，引发影响数据管理的问题：如定义数据所有权，列出组织拥有的数据量，防止数据滥用，定义和实施数据质量标准
• 数据是组织了解自身的手段，它是描述其他资产的元资产（meta-asset），它为组织的洞察力提供基础。

(2)数据价值

• 价值是一件事物的成本和从中获得利益的差额，数据的成本和利润没有统一标准，难以估算价值。
• 数据价值的相关性和时效性给数据资产评估带来难度，某些数据会随时间推移更有价值。
• 将财务价值与数据建立关联有助于转变数据管理的方法。

(3)数据质量

• 确保数据质量是数据管理的核心。
• 低质量的数据带来隐藏的成本的支出。

(4)更好的数据规划

从数据中获取价值需要规划，从整个生命周期中决策，需要考虑以下几点：

• 数据与业务流程独立
• 业务流程与技术支持之间的关系
• 系统的设计和架构与生成和存储数据
• 使用数据的方式推动组织战略
  好的数据规划需要有针对架构、模型和功能设计的战略。取决与业务与吉师领导之间的协作以及项目地点执行能力。
  数据规划的挑战在于钱、时间带来的压力，以及长短期目标的平衡。

(5)元数据和数据管理

组织需要元数据管理数据资产。元数据描述了组织拥有什么数据，代表什么，如何分类以及组织内的演进，管理元数据是改进数据管理的起点。

(6)数据管理是跨职能的工作

数据管理需要进行系统规划设计、管理硬件、构建软件、利用数据分析理解问题，解释数据、通过统一定义和模型以及发现客户服务商机和实现目标的战略思维。

(7)建立企业视角

管理数据需要了解数据在组织内的领域和等级。
数据治理变得越来越重要的一个原因是帮助组织跨垂直领域做出数据决策

(8)数据管理需要多角度思考

如今组织使用内部和外部数据，需要遵守不同的国家法律和行业要求。

(9)数据生命周期

数据生命周期是基于产品的生命周期，不应该与系统开发生命周期混淆。关键步骤如下图：

数据不仅具有生命周期，而且具有血缘，生命周期和血缘相互交叉。
以下几点对于数据生命周期管理有重要影响：

• 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。

(10)不同种类的数据

任何管理系统都需要将管理的对象进行分类，不同类型的数据具有不同的需求与风险。

(11)数据风险

(12)数据管理技术

成功的数据管理需要对技术做出正确的决策。

(13)高效的数据管理需要领导力和承诺

成功的数据管理必须由业务驱动，而不是由IT驱动。

6.数据管理战略

数据战略应该包括使用信息以获得竞争优势和支持企业目标的业务计划。通常数据管理战略由CDO维护。
数据管理战略的组成包括：
• 令人信服的数据管理愿景
• 数据管理商业案例总结
• 指导原则、价值观和管理观点
• 数据管理的使命和长期目标
• 数据管理成功的建议措施
• 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
• 数据管理角色和组织的描述，以及其职责和决策权的概要
• 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
数据管理战略规划的可交付成果包括数据管理章程、数据管理范围声明、数据管理实施路线图

三、数据管理框架

数据管理涉及一组相互依赖的工作，需要对这些工作跟踪管理，因此需要一个框架来了解各项工作之间的关系。

1.战略一致性模型

战略一致性模型（Strategic Alignment Model，SAM）抽象了各种数据管理方法的基本驱动因素。模型的中心是数据和信息之间的关系。信息与业务战略和数据的操作使用相关。数据与信息技术和流程相关联。围绕这一概念的是战略选择的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

3.DAMA-DMBOK框架

DAMA-DMBOK框架更加深入地介绍了构成数据管理总体范围的知识领域。通过DAMA车轮图、环境因素六边形图、知识领域语境关系图描述了DAMA的数据管理框架。
DAMA车轮图定义了数据管理知识领域。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需的。其他知识领域（数据体系结构、数据建模等）围绕车轮平衡。

4.DMBOK金字塔（Aiken）

5.DAMA数据管理框架的进化