《DAMA数据管理》读书笔记-第一章（数据管理）

一、前言

本章是整本书的开篇章节，主要从较为宏观的视角讲述了数据管理的背景、目标、主要方法和衡量标准以及对一些关键名词的详细解释，让我们可以对整个数据管理框架有一个较为清晰的认识。该章节的主要作用在于帮助我们搭建数据管理的认识框架，所以专业深入的知识点较少（在整个CDMP认证中只占2%的比重），但其中的核心思想和基本概念对全书都有提纲挈领之意，所以对本章进行总结分享。

二、内容结构

本章节的行文结构主要包括引言（该章节的背景、意义、目标等）、基本概念（本章节涉及到的数据管理中的各种概念）、数据管理框架（数据管理的框架、演变以及其优劣取舍等）、DAMA和DMBOK（本书的介绍）。后续章节的行文也大体类似，主要包含：背景及目的、概念阐述、常见方法及对比、管理效果衡量指标等方面，本章节的主要内容结构如下图所示。

三、主要内容

1.引言

数据是一种至关重要的企业资产，从数据中获取的价值不可能凭空产生或依赖偶然，需要有目标、规划、协作、保障，也需要管理和领导力。
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、规程和实践活动，并执行和监督的过程。
1.1 业务驱动因素
数据管理的主要驱动力是使企业能够从其数据资产中获得价值，应对各类监管审计以及提升业务效率。
1.2 目标
数据只有在使用的过程中才能产生价值，组织管理数据的目的是更好的服务于生产过程，创造业务价值，其中主要目标包含如下几个方面：
理解并支持企业级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
确保利息相关放的数据隐私和保密性
防止数据和信息未经授权被不当访问、操作及使用
确保数据有效地服务于企业增值的目标

2.基本概念

2.1 数据是一种组织资产
资产是一种经济资源，能被拥有或控制、持有或产生价值。组织依靠数据资产做出更高效的决定，并拥有更高效的运营；企业应用数据去理解客户，创造出新的产品和服务，并通过削减成本和控制风险的手段来提高运营效率。政府、教育等机构通过数据来知道他们的运营、战术和战略活动。随着组织越来越依赖数据，可以更清楚地确定数据资产的价值。
2.2 数据管理原则
数据管理与其他资产管理具有共同的特性，它主要涉及了解一个组织拥有什么数据，以及可以用它来完成什么，然后确定利用数据资产来实现组织目标的最佳方式。数据管理为了平衡战略和运营需求，需要准寻一套适用于数据管理特征的原则，如下所示：
数据是一种有独特属性的资产
数据的价值可以用经济术语来表示
管理数据意味着对数据质量的管理
管理数据需要元数据
数据管理需要规划
数据管理需驱动信息决策
数据管理是跨职能的工作
数据管理需要跨企业级视角
数据管理需要多角度思考
数据管理需要全生命周期的管理
数据管理需要纳入和数据相关的风险
有效的数据管理需要领导层承担责任
2.3 数据管理的挑战
数据管理的挑战来源于数据本身属性的独特性，为了遵循这些原则带来了很多的挑战，主要包含如下几个方面：
数据与其他资产的区别：数据资产是无形的，数据价值随着时间推移变化，但具有高可复制性、持久性，难以重生性。
数据价值：数据的价值具有场景性（对一个组织有价值的数据对另一个组织不一定有用）、临时性（一个时间点有价值的数据在另一个时间不一定有价值）。
数据质量：确保高质量的数据是数据管理的核心，如果不能依靠其来满足企业需求，那么收集、存储、保护和访问数据就是一种浪费，高质量数据可以改善用户体验、提升效率、降低风险、快速响应商机等。
数据优化计划：数据流程通常独立于业务流程之外，相互之间的关联性较差。
元数据和数据管理：元数据描述的是一个组织拥有什么数据、代表什么、如何分类、来自哪里、如何在组织内移动、如何演进、谁可以使用它以及其质量程度。
数据管理是跨职能工作：不同阶段的数据管理侧重点不同，需要业务、开发、数据协作进行。
建立企业级的视角：数据是组织中“横向领域”之一，跨越不同的垂直领域，需要有全局性视角。
数据证明周期：数据产生、加工、使用都与业务发展相关，随着业务的发展数据的时效性和价值性会随着时间的推移而变动，不同时期对数据的需求是不同的。
不同类型的数据：数据的类型复杂多样，结构化数据、半结构化数据、非结构化数据等。
数据风险：数据不仅代表价值，也代表风险，数据的安全保障也是一大核心挑战。
数据管理和技术：成功的数据管理需要合适的数据技术，不能拒绝新技术，也不能被新技术诱导。
2.4 数据管理战略
数据管理是使用信息已获得竞争优势和支持企业目标的业务计划，数据战略必须来自对业务战略固有的数据需求的理解：组织需要什么数据，如何获取数据，如何管理数据并确保可靠性及如何利用数据。数据管理战略的组成应包含：
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
复合SMART原则（具体、可衡量、可操作、可实现、有时间限制）
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。

3.数据管理框架

数据管理涉及一组相互依赖的功能，每个功能都有自己的目标，活动和职责。需要有一个合理的框架来全面了解数据管理，并查看各组件之间的关系。
书中提供了一些视角和不同的数据管理模型框架，战略一致性模型和阿姆斯特丹信息模型，展示了组织管理数据的高阶关系，主要以矩阵方式描述组件之间的关系（横轴表示业务&IT战略，纵轴表示业务战略和业务运营）；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体系，并解释了他们在DMBOK中的视觉表现。
战略一致性模型（SAM)，SAM模型是数据和信息之间的关系，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。

阿姆斯特丹信息模型（AIM），AIM从战略角度看待业务和IT的一致性，它抽象出一个关注结构和策略的中间层。

DAMA_DMBOK框架，定义数据管理知识领域，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须的，其他知识领域围绕车轮平衡，是成熟数据管理功能的必要组成部分，根据各组织的需求，可能在不同时间实现。

DMBOK金字塔，金字塔是基于DAMA车轮图构建出来的，展示了各知识领域之间的关系。使用Aiken框架，组织科定义一种演化路径，达到拥有可靠的数据和流程的状态，支持战略业务目标和实现。

DAMA数据管理功能框架

四、分析总结

本章以数据管理的背景、现状为切入点，着重介绍了数据资产、数据价值、数据管理原则、数据管理挑战和数据管理战略的基本概念，并对数据管理中的各种架构方式及演进历史进行了比较说明，非常清晰地阐述了数据管理的必要性、目的性以及数据管理面临的核心困难。通过该章节，我们对整个数据管理的主要内容以及其中的重难点分布、各内容的位置和组件间的关系有了基础的了解。
对于本章的主要核心点总结如下，抛砖引玉，与大家共同分享探讨：
数据管理的必要性：数据质量决定数据价值，没有高质数据是对既有资源的浪费
数据管理核心原则：以业务价值为导向，高处着眼细处着手，夯实基础，面相应用
数据管理的挑战：问题复杂、价值难定、周期漫长、缺乏支持
数据管理内容间的协调：精确定位，找准切入点，分层搭建，建立体系
转载链接：https://mp.weixin.qq.com/s/pQ6MjAfzLvGRax_6RSZ5jw