DAMA数据管理知识体系指南之数据管理和数据治理

DAMA数据管理知识体系指南之

数据管理和数据治理

简介：DAMA：国际数据管理协会，是一个全球性数据管理和业务专业志愿人士

组成的非营利协会，是当前国际上在数据治理领域最权威的机构。DMB0K2则

是DAMA组织众多数据管理领域的国际级资深专家编著，深入阐述数据管理各

领域的完整知识体系。它是市场上唯一综合了数据管理方方面面的一部权威性著

作。本篇文章，将针木"DMBOK中的核心内容进行解读。

一、数据管理的原则

数据看理原则数据价伊

•数据是有独特属性的优产

•数据的价仇可以用经济术酒去示

存效的数据管理需

霍霍与所承揖责任

数据管理需求是业务的需求

•管理数据比味行时数据的质收管理

•需嬖元数据来管理数据

•数据管理需要规划

•数据管理阳《＜动信息技术决策

数据管理依检上不同的技能

•数据管理是躇职能的

•数据管理寓《企业级税角

•数据管理要为多方而要求负货

数据管理是生命同期管理

♦不同类收的数据“不同的牛命同期特征

•管理畋据35要纳入，数据柯美的风险

图1・1数据笠理愫则

1、整体原则解读

上图已经基本表达了在数据管理过程中，所需要遵循的原则：

1.数据管理需求是业务的需求。一切要从业务出发，并以最终满足业务作为验收条

件。

2.有效的数据管理需要领导层承担责任。数据管理经常涉及到组织上的变革，需要

强有力的领导力来推动，来自高层的力量不可或缺。

3.认识到数据有价值，也要认识到数据有成本，提高整体的ROI。

4.数据管理依赖于不同的技能。数据管理需要整个组织分工协作，包括但不限于

CDO、业务专家、分析师、DBA、数据建模专家等。

5.数据管理是生命周期的管理。数据管理是对数据从规划开始，到最终应用/消亡

整个链路的管理计划。

2、数据资产的价值

在一个具体的组织中，数据资产一般有以下作用作用：

•组织依靠数据资产做出更高效的决定，并拥有更高的运营效率

•组织依靠数据去理解客户，创造新的产品和服务

•组织依靠数据通过削减成本和控制风险的手段来提高运营效率

•同时数据是组织中的横向领域，有助于帮助组织跨垂直领域做出数据决策

从具体作用来看，数据价值包括创造的业务价值和潜在的成本两方面。

低质量数据的成本：

•报废和返工

•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，比如无法创新

•合规成本和罚款

•声誉成本

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

3、数据管理需要领导层承担责任

高效的数据管理需要领导力和承诺。需要认识到管理数据会带来独特的挑战，所

以需要由CD。来领导数据管理计划。成功的数据管理必须由业务驱动，而不是

由IT驱动。CDO不仅领导倡议，还必须领导文化变革，使组织能够对数据采取

更有战略性的方法。

4、数据管理是数据生命周期管理

数据生命周期的关键活动如卜图所示，具体每•步骤的操作和管埋会在后续章节

逐渐展开。

图L2数据生命周期中的关进活动

二、数据管理战略

1、数据管理战略

数据管理战略定义了企业需要什么数据、如何获取数据、如何管理数据并确保其

可靠性、如何利用数据。数据管理战略由CDO捱有和维护，并由数据治理委员

会支持的数据管理团队实施。

2、数据管理战略的组成

数据管理战略主要包括以下部分：

・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

•数据管理成功的检疫措施

•符合SMART（具体、可衡量、可操作、现实、有时间限制的）原则的短期（12-24

个月）数据管理目标

•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

3、数据管理战略规划的可交付成果

1）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。

2）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。

3）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。

三、数据管理框架

1、战略一致性模型

将企业的活动，按照战略/运营、业务/IT两个维度进行拆解，来介绍整个企业

中的活动。

2、DMBOK框架

主要包括数据管理框架中的11个数据管理领域和7个环境因素

图L5DAM&DMBOK2数据管理框架（DAMA乍轮图）

DAMA环境因素六边形图

3、DMBOK金字塔

使用DMBOK知识领域来描述组织演化的情况。组织可以根据此框架定义一种演

化路径，支持战略目标的实现。

比如下图推荐的组织数据管理的4个阶段：

阶段1：实现数据建模和设计、数据存储和操作、数据集成和互操作、数据安全

管理

阶段2：实现数据架构、数据质量和原数据管理

阶段3、实现数据治理.、数据仓库和BI、参考数据和主数据、文件和内容管理

阶段4、实现高级实践，如数据挖掘和大数据分析

航M

INK便成■ill件

故系存鲸（Mfft-

故"安全IkKftIQlDttit

ftKTM儿”

M（的方Him#

图1心购买或构建的数抠阵径力3

4、DAMA数据管理框架的进化

商务智施，分析n

主教树

拿统,应用

攻也集成

故小的收

和41•作

故州泊埋

kttMH：a州飞何，♦匕枢

ffll-9DAMA动俺归域依“大羸图

做薪淋用

图111DAMA”触用商变

四、数据治理语境关系图

«<>MM■尸。mu&力.n««Kfaa>«nsflirntf>RS«M«

iibt

・■/金

・sz.M.at.w*Tn«a<i

♦GF”，■■田«n

■At

・”■■■所i1r।

・fTMUIII*.U>♦1

B

:

・・・・

/觑»<iattw«tfrM»(r>ll

・■♦太的锹

<i»lt

W怯(wrnuR”

・irca

.・的

•A«V4M

1

<ii

«豺

(SWMMe产1MI

4・人

犒

令

LMeII

器

IMt

4ff

l“

ft

霏

・O♦

*M网

器

：

*人

・

，

/»<«TMi««*u(

・•NM•4ua«nwMacr«t«

♦“人・・»tt

*Mte〜・TfHUA

♦xmiitrii.imn

1、数据管理和数据治理

在正式讲数据治理之前，先区分下数据管理和数据治理的区别。数据管理的整体

驱动力是确保组织可以从其数据中获得价值，更多是总体战略的层面；数据治理

聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式，更多

是细节执行层面。

图）2数据治理和数据管理的关系

2、数据治理整体介绍

数据治理是DMBOK中的核心内容，不仅在11个数据管理职能中，处于中心位

置，并且在每一个单独的数据管理职能中，都有数据治理的部分。从而强调数据

治理不是一个单独的流程，更是要融入到系统的设计和开发过程，贯彻系统建设

的全过程，才能让数据治理更好的落地。

想要达到良好的数据治理效果，就要建立以数据为中心的组织：组织必须改变将

战略转化为行动的方式。数据不再被作为是流程和业务产品的附属。业务处理的

目标就是为了得到高质量的数据。有效数据管理成为企业致力丁通过分析获得洞

察、制定决策时的高优先级事项。

图1・5DAMA・DMBOK2数据管理框架(DAMA，二轮图)

2.1、数据治理通用内容

数据治理的具体内容，一般都和组织的实际业务需求有关，但基本都会包含以下

内容：

•战略(Strategy)。定义、交流和驱动数据战略和数据治理战略的执行。

•制度(Policy)。设置与数据、元数据管理、访问、使用、安全和质量有关的制

度。

•标准和质量(StandardsandQuality)0设置和强化数据质量、数据架构标准。

•监督(Oversight)。在质量、制度和数据管理的关键领域提供观察、审计和纠

正等措施(通常称为管理职责Stewardship)。

•合规(Compliance)。确保组织可以达到数据相关的监管合规性要求。

•问题管理(IssueManagement)。识别、定义、升级和处理问题，针对如下领域：

数据安全、数据访问、数据质量、合规、数据所有权、制度、标准、术语或者数

据治理程序等。

2・2、数据治理通用原则

每个组织都需要有自己的原则，但是那些寻求从其数据中获得更多价值的组织可

能会分享以下内容：

.数据应该作为企业资产管理起来。

•应该在整个组织内鼓励数据管理的最佳实践。

•企业数据战略必须与业务战略一致。

•应不断改进数据管理流程。

2.3、数据治理主要活动

在大多数情况下，数据治理活动将集中于以下部分：

1）创建和管理核心元数据。它包括业务术语、有效数据值及其他关键元数据的

定义和管理。通常管理专员负责整理的业务术语表，成为与数据相关的业务术语

记录系统。

2）记录规则和标准。它包括业务规则、数据标准及数据质量规则的定义和记录。

通常基于创建和使用数据的业务流程规范，来满足对高质量数据的期望。为确保

在组织内部达成共识，由数据管理专员帮助制定规则并确保其得到连贯的应用。

3）管理数据质量问题。数据管理专员通常参与识别、解决与数据相关的问题，

或者促进解决的过程。

五、业务驱动因素

1＞减少风险

1）一般性风险管理。洞察风险数据对财务或商誉造成的影响，包括对法律和监

管问题的响应。

2）数据安全。通过控制活动保护数据资产，包括可获得性、可用性、完整性、

连续性、可审计和数据安全。

3）隐私。通过制度和合规性监控，控制私人信息、机密信息、个人身份信息（PH）

等。

2、改进流程

1）法规遵从性。有效和持续地响应监管要求的能力。

2）数据质量提升。通过真实可信的数据提升业务绩效的能力。

3）元数据管理。建立业务术语表，用于定义和定位组织中的数据；确保组织中

数量繁多的元数据被管理和应用。

4)项目开发效率。在系统生命周期(SDLC)中改进，以解决整个组织的数据管

理问题。

5)供应商管理。控制数据处理的合同，包括云存储、外部数据采购、数据产品

销售和外包数据运维。

六、目标和原则

1、目标

(1)可持续发展(Sustainable)

治理程序必须富有吸引力。它不是以一个项目作为终点，而是一个持续的过程。

需要把它作为整个组织的责任。可持续的数据治理依靠于业务领导、发起者和所

有者的支持。

(2)嵌入式(Embedded)

数据治理不是一个附加管理流程。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。

(3)可度量(Measured)

数据治理做得好有积极的财务影响，但要证明这一影响，就需要了解起始过程并

计划可度量的改进方案。

2、原则

(1)领导力和战略(LeadershipandStrategy)

成功的数据治理始于远见卓识和坚定的领导。数据战略指导数据管理活动，同时

由企业业务战略所驱动。

(2)业务驱动(Business-driven)

数据治理是一项业务管理计划，因此必须管理与数据相关的IT决策，就像管理

与数据有关的业务活动一样。

(3)共担责任(SharedResponsibility)

在所有数据管理的知识领域中，业务数据管理专员和数据管理专业人员共担责任。

(4)多层面(Multi-layered)

数据治理活动发生在企业层面和各地基层，但通常发生在中间各层面。

(5)基于框架(Framework-based)

由于治理活动需进行跨组织职能的协调，因此对数据治理项目必须建立一个运营

框架来定义各自职责和工作内容。

(6)原则导向(Principle-based)

指导原则是数据治理活动、特别是数据治理策略的基础。有时原则可以从具体策

略通过逆向工程反推得到。然而最好把核心原则的阐述和最佳实践作为策略的一

部分工作。

七、活动

一级活动二级活动补充详情

规划组织的数据治理执行就绪评估包括数据管理成熟度、变更能力等

探索与业务保持一致/

制定数据治理战略制定数据治理运营根详见七、2运营枢架

架

制定目标、原则和制目标和原则详见三

度制度可以考虑：确认组织数宪、指定业务拥有者、委派数据管理

专员、提供标准化报告/计分卡、控制访问权限、定期复评认证型

据

推动数据管理项目通过证明数据管理提高效率和降低风险来达成组织一致认同，障

低祖力.

笏与变更管理肃要合适的发起者和管理者

规划-培训-影响系统开发(PMO)-制度实施-沟通

参与向股管理问题处理与上报机制

评估法规要求关注相关法规需求并制度化谟从

实施数据治理发起数据标准和规程制定标准并强制性的对数据名行标准布里

制作业务术语表/

协调架构团队的作/

发起数据资产估值赋予数据以货币价值是一项吸具挑战性的事，常见的有成本分

账、虚拟结算等，需要根据沮织情况制定并达成一致

嵌入式数据治理嵌入式数据治理治理活动需要嵌入到数据作为资产管理相关的一系列流程中

八、实施指南

1、组织与文化

组织与文化整体都强调高层的支持和考虑执行时组织和个人因素

2、沟通与调整

随着治理的持续开展，以下关键内容需要不断进行更新，并及时与相关方进行同

步：

1）业务战略/数据治理战略蓝图（Business/DGStrategyMap）□这些蓝图将

数据治理活动与业务需求联系起来。定期衡量和沟通数据治理对业务的帮助，对

于数据治理持续获得支持是至关重要的。

2）数据治理路线图（DGRoadMap）。数据治理路线图应适应业务环境或优先级

的变化进行调整。

3）数据治理的持续业务案例（OngoingBusinessCaseforDG）o数据治理的

业务案例必须定期被调整，以反映组织不断变化的优先级和财务状况。

4）数据治理指标（DGMetrics）。随着数据治理规程的成熟，数据治理的相关

指标也应随之逐渐增长和变化

九、度量指标

为应对长期学习曲线的阻力和挑战，对数据治理项目必须要有通过证明数据治理

参与者如何增加业务价侑和实现目标的指标来衡量讲展和成功。数据治理指标的

示例包括：

（1）价值

1）对业务目标的贡献。

2）风险的降低。

3）运营效率的提高。

（2）有效性

1）目标的实现。

2）扩展数据管理专员正在使用的相关工具。

3）沟通的有效性。

4）培训的有效性。

5）采纳变革的速度。

（3）可持续性

1）制度和流程的执行情况（即它们是否正常工作）。

2）标准和规程的遵从情况（即员工是否在必要时遵守指导和改变行为）。

十、关键概念/工具/方法

1、数据治理组织

数据治理可以从政治治理的角度来理解：它包括立法职能（定义策略、标准和企

业架构）、司法职能（问题管理和升级）和执行职能（保护和服务、管理责任）。

下图描述了典型的数据治理组织模型：

其中，部分关键角色的职责如下：

IttlKctcDoMil.*MMH膈

----------------------------------------------------------------------------

UMHft(MitttMNtLHIHniMMH用幅熊

收IMIH山・”

MHXIRrMMtmtftU.U”，

I<(«：iimii

则”MUM点M“心H・”会(MO

的,，下震*■蚀刖

有关更多关键角色（如CDO、数据管理专员）的具体职责。

2、运营框架

下面两张图介绍了数据治理过程中的典型运营框架，包括制度的制定和下发，数

据治理日常工作，问题处理与上升等内容。

思景和根路女督

公M高瓜（con.仃。）

M1IM

AA轮他企业收薪治用£督“.决

vvttCff

定

方

K乐

4

S八向国

M

*9

史

5二4

&收据汾理口1BT忏（DM”3

w忘