一、数据管理原则:
- 数据是有独特属性的资产,相比其他的资产,其在管理方式的某些方面有很大的差异。相比金融和实物资产,最明显的一个特点是数据资产在使用过程中不会产生消耗;
- 数据的价值可以用经济术语来表示,有技术手段可以测量数据的数量和质量,但是还没有形成标准来衡量其价值;如果想对数据做出更好的决策的组织,应该开发一致的方法来量化该价值;
- 管理数据意味着对数据的质量管理,为了质量管理,必须了解利益相关方对质量的要求,并根据这些要求度量数据;
- 管理数据需要元数据,用于管理和如何使用数据的数据都称为元数据,元数据源于与数据创建、处理和使用相关的一系列的流程,包含架构、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;
- 数据管理需要规划,数据在多个地方创建,因而需要做一些协调工作来保证最终结果一致,需要从架构和流程的角度进行规划;
- 数据管理须驱动信息技术决策,管理数据需要一个方法,确保技术服务与而不是驱动组织的战略数据;
- 数据管理是跨职能的工作,数据管理需要一系列的技能和专业知识。数据管理需要技术能力、非技术能力和协作能力;
- 数据管理需要企业级视角;
- 数据管理需要多角度思考,数据流动的,数据管理必须不断发展演变,跟上数据创建的方式、应用的方式和消费者的变化;
- 数据管理需要全生命周期的管理,不同类型的数据有不同的生命周期特征;
- 数据管理需要纳入与数据相关的风险,数据可能丢失、被盗或误用;数据相关风险必须作为生命周期的一部分进行管理;
- 有效的数据管理需要领导层承担责任,数据管理涉及一些复杂的过程,需要协作、协调和承诺,为了达到目标,不仅需要管理技巧,还需要来自领导层的愿景和使命。
二、低质量数据的成本来源:
- 报废和返工;
- 解决方法和隐藏的纠正过程;
- 组织效率低下或者生产力低下;
- 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;
- 合同成本或罚款;
- 声誉成本。
三、高质量数据的作用
- 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。
四、SMART原则:具体、可衡量、可操作、现实和有时间限制。
五、战略一致性模型
- 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;
- 信息通常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,这些技术和过程支持可访问数据的物理系统;
- 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。
六、数据治理前端输入内容:
- 业务策略与目标
- IT策略与目标
- 数据管理和数据策略
- 组织原则和标准
- 商业文化评估
- 数据管理成熟度评估
- IT实践
- 监管要求
七、DAMA车轮图
- DAMA车轮图定义了数据管理知识领域
- 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须的
八、数据伦理准则,生物伦理学以维护人类尊严为中心的公认原则为数据伦理准则提供了一个良好的起点。
- 尊重他人:这个反应了对待人类最基本的伦理要求;
- 行善原则:不伤害、利益最大化、伤害最小化;伦理的数据和信息从业者应识别利益相关方,并考虑数据处理和工作的结果,最大限度地提高效益并最大限度地降低设计过程造成的伤害;
- 公正:待人公平和公正。
九、数据处理伦理必须遵守的四大支柱:
- 面向未来的数据处理条例、尊重隐私权和数据保护权;
- 确定个人信息处理的责任人;
- 数据处理产品及服务设计及工程过程中的隐私意识;
- 增加个人的自主权。
十、数据的混淆和修订时进行信息脱敏或者信息不公开的常用方法,如果下游的活动需要公开数据,仅仅混淆就不足以保护数据,下列活动存在风险:
- 数据聚合:跨越多个维度进行聚合数据并删除标识数据时,这组数据仍然可以用于其他分析服务;
- 数据标记:用于对敏感数据进行分类,并将其控制发布到合适的社区;
- 数据脱敏:数据脱敏是一种只有提交适当数据才能解锁过程的实践。
十一、数据治理最常见的驱动因素是法规遵从性。
十二、数据治理的驱动因素大多聚焦于减少风险或者改进流程:
- 减少风险
- 一般性风险管理
- 数据安全
- 隐私
- 改进流程
- 法规遵从性
- 数据质量提升
- 元数据管理
- 项目开发效率
- 供应商管理
十三、评估数据资产面临的主要挑战是,数据的价格是上下文相关的(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)。
十四、DAMA环境因素六边形图
- 人员:角色和职责
- 过程:活动
- 技术:工具
- 人员:组织和文化
- 过程:方法
- 技术:交付成果
十五、数据价值的度量方式或者数据资产评估:替换成本、市场价值、发现商机、售卖数据和风险成本。
十六、高级技术人员:数据库管理员、网络管理员和程序员。
十七、战略业务人员:数据管理专员、数据策略师和首席数据官。
十八、技术数据管理专员:他们是某个知识领域内工作的IT专业人员,如数据集成专家、数据库管理员、商务智能专家或元数据管理员。
十九、数据所有者:他们是某个业务数据专员,对其领域内的数据有决策权。
二十、制定组织触点,首席数据官直接权力外,支持企业数据治理和数据管理一致性和凝聚力的组织触点:
- 采购和合同
- 预算和资金
- 法规遵从性
- SDLC/开发框架
二十一、数据治理指标或者度量
- 价值:对业务目标的贡献、风险的降低和运行效率的提高;
- 有效性:目标的实现、扩展数据管理专员正在使用的相关工具、沟通有效性、培训有效性和采纳变革的速度;
- 可持续性:制度和流程的执行情况和标准和规程的遵从情况。
二十二、数据库管理员(DBA)是数据专业中最常见、也是最广泛被接纳的角色。
二十三、开展数据治理需要在一下几个方面建立控制机制和流程:
- 识别、收集、记录和更新的问题
- 各项活动的评估和跟踪
- 记录利益相关方的观点和可选解决方案
- 确定、记录和传达问题解决方案
- 促进客观、中立的讨论,听取各方观点
- 将问题升级到更高权限级别
二十四、建立业务术语表的目标或者意义:
- 对核心业务概念和术语有共同的理解
- 降低由于对业务概念理解不一致而导致数据误使用的风险
- 改进技术资产与业务组织的一致性
- 最大限度提高搜素能力,并能够获得记录在案的组织知识
二十五、数据管理岗位的大概描述
- 首席数据管理专员:CDO替代角色,担任数据治理机构的主席,也可以是虚拟的或者在分布式数据治理组织中担任CDO
- 高级数据管理专员:是数据治理委员会(DGC)的资深管理者
- 企业数据管理专业:负责监督跨越业务领域的数据职能
- 业务数据管理专员:业务领域的专业人士,通常是公认的领域专家,对一个数据领域负责,他们和利益相关方共同定义和控制数据
- 数据所有者:某个业务数据管理专员,对其领域内的数据有决策权
- 技术数据管理专员:是某个知识领域内工作的IT专业人员,如数据集成专家、数据库管理员、商务智能专家、数据质量分析师或元数据管理员
- 协调数据管理员:大型组织尤为重要,其领导并代表业务数据管理专员和技术数据管理专员进行跨团队或者数据专员之间的讨论
二十六、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定计划、制度、规程、实践活动,并执行和监督过程。
二十七、数据管理的挑战:
- 数据与其他资产的区别
- 数据价值
- 数据质量
- 数据优化计划
- 元数据和数据管理
- 数据管理是跨职能的工作
- 建立企业的视角
- 数据管理需要多角度思考
- 数据生命周期
- 不同数据类型
- 数据和风险
- 数据管理和技术
- 高效的数据管理需要领导力和承诺
二十八、数据治理程序包括以下:
- 可持续发展
- 嵌入式:数据治理不是一个附加流程,数据治理活动需要融合软件开发方法、数据分析应用、主数据管理和风险管理
- 可度量
二十九、组织管理数据的目标
- 理解并支撑企业及其利益相关方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不当访问、操作及使用
- 确保数据能有效的服务于企业增值的目标
三十、数据管理战略规划的可交付成果
- 数据管理章程
- 数据管理范围声明
- 数据管理实施路线图
三十一、数据处理伦理问题主要集中在下面几个核心概念上
- 对人的影响
- 滥用的可能
- 数据的经济价值
三十二、数据管理活动的包含那几个阶段 PCDO 计划、控制、开发、运营
- 计划活动:为实现数据管理目标设定战略和战术工作
- 控制活动:持续地确保数据质量,以及数据存取和使用的完整性、可靠性和安全性
- 开发活动:围绕系统开发的生命周期开展分析、设计、构建、测试、准备和部署等活动
- 运营活动:支持系统和流程使用、维护和增强,通过这些系统和流程进行数据的存取和使用
三十三、数据治理的运营模型
- 集中式管理模式
- 分布式管理模式
- 联邦式管理模式
三十四、从数据中获取的价值不可能凭空产生或依赖与偶然,需要有目标、规划、协作和保障,也需要管理和领导力
三十五、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
三十六、数据制度
- 包括数据治理管理初衷的简要说明和相关规则,这些规则贯穿数据和信息的创造、获取、集成、安全、质量和使用的全过程