数据治理——数据管理

数据治理（数据管理）

一、背景

随着社会的发展和数据的与日俱增，很多企业逐步认识到数据内部潜在的价值，开始意识到数据是一种至关重要的资产。即便如此也很少由企业能将数据资产以一个积极的方式管理起来。

1. 不能产生短期内的价值

   数据往往是处于后台的看不见摸不着，再未形成正向作用的规模前，很少会被所有人认可，往往会被核心收入部门轻视。

2. 认知的差异

   人们对同一概念往往有不同的表达方式，因为不同的人在企业内部所扮演的角色是不同的，认识概念的角度也会有所不同，对内容的颗粒度和详细度也会有所差异，在沟通和表示的过程中会变得复杂，随着时间的推移和业务的衍进会逐步加剧，所以有必要建立一个统一的概念来表示同一概念。

3. 协同变得困难

   同一个站位对数据也会有不同的理解，往往导致协同不起来，所以需要对数据架构、建模、治理、管理制度以及元数据和数据质量进行管理，所有这些都有助于人们理解和使用数据。

4. 技术选型

   数据技术存在两个方面的问题，一是守旧求稳，避免新技术引进以后时间和金钱的消耗；二是盲目追新，总觉得新的技术更优，生怕落后于行业，不考虑适用性。尤其当数据跨越组织的时候这种问题尤为严重，千差万别导致难以统一。

5. 种类增多

   随着技术的发展和衍进，数据获取和挖掘技术使得，许多低价值密度的数据得到重视，有效管理变得尤为重要。

所有很有必要指定一套成型的数据管理模式，让数据以一种健康合理的方式运作起来。

二、什么是数据管理

数据管理是为了交付、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。数据管理所涉及的范围是广泛的包括技术、流程、和组织架构涉及数据运营日常的方方面面。

三、数据管理的目标

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

四、数据管理的流程

1、站位企业视角

数据管理必须能够有效的应用于整个企业，仅适用于某个业务块或者部门，将出现多个管理模式，导致无法统一，数据管理将失去意义。

2、领导层支持并承担责任

数据管理涉及多个部门的协调和配合，需要领导层的支持，才能有强有力的推动。可以直接由领导层发起，也可以由主要数据管理者发起并多次与领导层对齐，最终取得认知上的一致，获得授权并共同承担责任。

3、跨职能管理

数据是在不断地跨部门流转的，单一的某个部门很难将数据管理起来，需要设立管理中心，制定相关的标准和原则，又各个部门去执行，相互协调合作达到技术和业务相辅相成。

4、规划管理流程

数据在部门间流转的过程中，会存在一份数据多份副本，在流转过程中也可能会发生变更导致多个副本之间的不一致。所以需要一个数据架构将流程统一起来，减少不必要的副本，并保证数据的一致性。

5、技术服务数据管理而不是决策数据管理

6、数据质量管理

识别数据的主责方，由数据主责方确定数据质量的原则，并定期进行质量评估

7、元数据管理

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。

8、制定相关风险管理措施

数据可能会存在丢失、误用、泄露的情况，所以需要将风险管理作为数据生命周期管理的一部分，并贯彻始终。