【CDGA数据治理工程师考试认证】第一章 数据管理重难点整理（二）

1.2.5  数据管理的挑战

1）数据与其他资产的区别

无形的、持久的、不会磨损的；容易被复制传送；使用时不会被消耗；动态的；可以同时被多人适用；

差异所引发的数据管理问题：

• 定义数据所有权
• 列出组织拥有的数据量
• 防止数据滥用
• 管理与数据冗余相关的风险
• 定义和实施数据质量标准

2）数据价值

价值(Value)是一件事物的成本和从中获得利益的差额。

评估数据价值需要首先计算在组织内部持续付出的一般性成本和各类收益。类别举例如下：

• 获取和存储数据的成本。
• 如果数据丢失，更换数据需要的成本。
• 数据丢失对组织的影响。
• 风险缓解成本和与数据相关的潜在风险成本
• 改进数据的成本。
• 高质量数据的优势。
• 竞争对手为数据付出的费用。
• 数据潜在的销售价格。
• 创新性应用数据的预期收入。

评估数据资产面临的主要挑战是，数据的价值是上下文相关的(对一个组织有价值的东西可能对另一个组织没有价值)，而且往往是暂时的(昨天有价值的东西今天可能没有价值)。也就是说在一个组织中，某些类型的数据可能会随着时间的推移而具有一致的价值。

3）数据质量

确保高质量的数据是数据管理的核心。数据治理的核心是使数据变成数据资产。

低质量数据的成本主要来源于:

• 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。

高质量数据的作用包括:

• 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。

管理数据质量并不是一次性的工作。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观念。

4）数据优化计划

决策需要系统思考，因为它们涉及:

• 数据也许被视为独立于业务流程存在。
• 业务流程与支持它们的技术之间的关系。
• 系统的设计和架构及其所生成和存储的数据。
• 使用数据的方式可能被用于推动组织战略。

数据规划需要有针对架构、模型和功能设计的战略路径。它也取决于业务和领导之间的战略协作，以及单个项目的执行力。

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。元数据管理是全面改进数据管理的起点。

6）数据管理是跨职能的工作

数据管理是一个复杂的过程。在数据生命周期中，不同阶段由不同团队进行不同的管理。数据管理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。

挑战在于，让具备这一系列技能和观点的人认识到各部分是如何结合在一起的，从而使他们能够协作并朝着共同的目标努力。

7）建立企业的视角

管理数据需要理解一个组织中的机会和数据范围。

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

涉及自有和外部获取的数据，需要考虑不同国家和行业的法律和合规要求。避免误用的风险。

9）数据生命周期

像其他资产一样，数据也有生命周期。为了有效管理数据资产，组织需要理解并为数据生命周期进行规划。（一个组织越了解数据的生命周期和血缘关系，管理数据的能力就越强。）数据管理对数据生命周期的关注有几个重要影响:

• 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，将数据ROT降至最低

（ROT：冗余的Redundant、过时的Obsolete、碎片化的Trivial）

10）不同种类的数据

按数据类型分类，例如划分为交易数据、参考数据、主数据、元数据，或者类别数据、源头数据、事件数据、详细交易数据;也可以按数据内容(如数据域、主题区域)、数据所需的格式或保护级别、存储或访问的方式和位置进行分类。

11）数据和风险

数据的风险在于，它可能被误解和误用。

最高质量的数据带给组织最大的价值——可获得、相互关联、完整、准确、一致、及时、适用、有意义和易于理解。

12）数据管理和技术

管理技术与管理数据不同。组织需要了解技术对数据的影响，以防止技术诱惑推动他们对数据的决策。相反，与业务战略一致的数据应该推动有关技术的决策。

13）高效的数据管理需要领导力和承诺

《领导者的数据宣言》(The LeadersData Manifesto)(2017)认为,“组织有机增长的最佳机会在于数据。”

一个对组织成功至关重要的因素是:坚定的领导和组织中各级人员的参与。

倡导首席数据官(CDO)的作用源于认识到管理数据会带来独特的挑战，成功的数据管理必须由业务驱动，而不是由IT驱动。

1.2.6   数据管理战略

战略是一组选择和决策，它们共同构成了实现高水平目标的高水平行动过程。

战略计划是为实现高水平目标而采取的高水平行动。

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。

数据战略需要一个支持性的数据管理战略——一个维护和改进数据质量、数据完整性、访问和安全性的规划，同时降低已知和隐含的风险。该战略还必须解决与数据管理相关的已知挑战。

数据管理战略的组成应包括:

• 令人信服的数据管理愿景
• 数据管理的商业案例总结
• 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
• 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
• 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。包括总体愿景、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。
• 数据管理范围声明。包括规划目的和目标(通常为3年)，以及负责实现这些目标的角色组织和领导
• 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。

数据管理战略应涉及与组织有关的所有DAMA数据管理框架知识领域。