DAMA-DMBOK 2 第一章总结--数据管理

一.引言：

1.应由业务和信息技术人员共同担任数据管理责任
2.组织可能没从数据中获取价值，但没有数据绝对无法开展业务

1.业务驱动因素

1.信息与知识是竞争优势的关键

2.拥有高质量数据的组织能做出更好的决策

3.数据管理的主要驱动力是使组织可以从其数据资产中获取价值

2.数据管理的目标包括

1.理解并支撑企业及其利益相关方的信息需求得到满足

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.确保数据有效地服务与企业增值的目标

二.数据管理

为了交付，控制，保护并提升数据和信息资产的价值，在整个数据生命周期中对规划，策略，程序和实践进行的开发，执行和监督活动

三.数据管理专业人员

指从事数据管理各方面的工作，并通过其工作来实现组织战略目标的各类人员。

四.基本概念

1.数据

1.数据既是对其所代表的对象的解释，也是必须解释的对象–元数据

2.数据定义表述各不相同，需要行业级的数据标准来提高数据一致性

2.数据和信息

1.传统定义：数据是信息的原材料，信息是在上下文语境中的数据

2.金字塔模型表达方式为数据管理带来的异议

1. 基于数据是简单存在的假设，但数据不是简单存在，而是要被创造出来。

2. 人们将数据到智慧描述为自下而上的逐级序列，但没认识到创建数据首先需要知识。

3. 金字塔模型意味着数据与信息是分开的，但事实上这两个概念是相互交织并相互依赖的。数据是信息的一种形式，信息也是数据的一种形式。

3.核心原则：数据和信息都需要被管理，本书中不做区分可互换使用。

3.数据是一种组织资产

1.资产是经济资源，可被控制，持有或产生价值，可以转化为货币。数据已被广泛认为是一种企业资产。未来‘数据资产化’将如同‘商誉价值’一样可作为企业损益表上的一个特征

2.从数据驱动型企业中认识到必须通过业务领导和技术专业知识的合作关系，用专业的规则来高效的管理数据

4.数据管理原则

1.数据价值

1.数据是独特的资产

• 使用过程不产生消耗

2.数据价值用经济术语表示

• 应开发一致的方法来量化价值

2.管理层承担责任

不仅要管理技巧，还要來自领导层的愿景和使命

3.数据管理需求是业务的需求

1.数据质量管理

• 符合应用要求是首要目标

2.需要元数据

• 必须先拥有该资产的数据

3.需要规划

• 需要做协调工作以保持最终结果一致，从架构和流程规划

4.数据管理须驱动信息技术决策

• 数据与信息的技术和管理结合，技术服务于企业的战略数据，而不是驱动

4.数据管理依赖于不同技能

1.跨职能工作

• 单个团队没法管理所有数据，数据管理需要技术能力，非技术技能，和协作能力

2.企业级视角

• 必须有效地应用于整个企业

3.多角度考虑

• 数据是流动的，管理须不断发展演进跟上变化

5.数据管理是生命周期管理

4.生命周期管理

• 不同类型数据有不同的生命周期征，不同生命周期的数据有不同的管理需求，管理要保持灵活性来满足不同类型数据的生命周期需求

5.数据相关的风险纳入数据管理

• 丢失，被盗，误用，伦理的影响

5.数据管理的挑战

1.数据与其他资产的区别

1.非有形，价值随时间而变化，持久不会被磨损，动态的，可同时被多人使用，所以产生更多数据

2.难以设定货币价值，引发影响数据管理的问题：如定义数据所有权，列出组织拥有的数据量，防止数据滥用，定义和实施数据质量标准

3…数据是组织了解自身的手段，它是描述其他资产的元资产（meta-asset），它为组织的洞察力提供基础

2.数据价值

1.评估资产-成本和收益因素

• 1.获取和储存数据的成本
• 2.丢失和更换数据的成本
• 3.数据丢失的影响
• 4.风险缓解成本和数据相关潜在风险成本
• 5.改进数据成本
• 6.高质量数据优势
• 7.对手付出的费用
• 8.数据潜在的销售价格
• 9.创新性应用数据的预期收入

2.挑战及建议

• 1.价值与上下文相关，暂时的，随时间而变化
• 2.将财务价值与数据建立关联至关重要，帮助组织对数据的理解，转变对数据管理的想法

3.数据质量

1.确保高质量数据是数据管理的核心

2.IT团队通常对数据质量不屑一顾，管理数据质量被认为是事后诸葛亮

3.使用数据的人想使用高质量数据，他们通常是假设数据是可靠，值得信任的，一旦怀疑，要重新获取他们信任就变得很困难

4.低质量数据代价高昂，会对决策产生负面影响，处理低质量数据的支出占收入的10%-30%

5.低质量数据的成本主要来源

• 1.报废和返工
• 2.解决方法和隐藏的纠正过程
• 3.生产力或组织效率低下
• 4.组织冲突
• 5.工作满意度低
• 6.客户不满意
• 7.机会成本，包括无法创新
• 8.合规成本，罚款
• 9.声誉成本

6.高质量的数据好处

• 1.改善客户体验
• 2.提高生产力
• 3.降低风险
• 4.快速响应商机
• 5.增加收入
• 6.洞察客户，产品，流程和商机，获得竞争优势

4.数据优化计划

1.获取数据不是偶然，要以多种形式进行规划

• 1.数据也许被视为独立于业务流程的存在（数据独立于业务）
• 2.业务流程与支持它们技术之间的关系（业务与技术的关系）
• 3.系统的设计和架构及其所生成和存储的数据
• 4.使用数据的方式可能被用于推动组织战略

2.治理难点：通常存在组织，时间，金钱方面的长期压力，会阻碍计划执行。组织在执行战略时必须平衡长期与短期目标

5.元数据和数据管理

1.组织需要可靠的元数据去管理数据资产

2.元数据使数据，数据生命周期和包含数据的复杂系统变得易于理解

3.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

1.数据生命周期中不同阶段由不同的人管理

2.数据管理需要：

1）系统规划的设计技能
2） 管理硬件和构建软件的高技术技能
3）利用数据分析理解问题和解释数据的能力
4）通过定义和模型达成共识的语言技能
5）发现客户服务商机和实现目标的战略思维

3.挑战：让具备以上一系列技能和观点的人协作并朝共同目标努力

7.建立企业级视角

1.数据是组织中"橫向领域之一"，它跨越不同的垂直领域

2.管理数据目标是使数据的概念，差异一致，以合理地方式组合在一起方便数据消费者使用。

3.数据治理因可以帮组织跨垂直领域做出数据决策而变得越来越重要

8.需要多角度思考

不同行业，国家，法规要求，了解潜在用途，更好地规划数据生命周期，据此获得更高质量的数据

9.数据生命周期

1.把数据使用好是管理数据的目标

2.数据很少是静态的，管理数据涉及一系列内部互动过程，与数据生命周期保持一致

3.了解数据血缘需要记录数据集的起源，以及在访问和使用它们的系统中的移动和转换

4.一个组织越了解数据的生命周期和血缘关系，管理数据的能力越强

5.p11 1-2 计划是起点，创建或获取是关键点，处置不等同销毁

6.数据管理对数据生命周期的关注的影响

• 1.创建和使用是关键点
• 2.数据质量必须贯穿整個生命周期，是数据管理的核心
  • 低质量数据是成本和风险，不是价值
• 3.元数据管理必须贯穿整个生命周期
  • 组织依赖元数据來管理其他数据
• 4.数据管理还包括确保数据安全（数据安全必须贯穿整个生命周期）
  • 从创建到销毁
• 5.数据管理工作应聚焦于关键数据
  • 将ROT，冗余的(Redundant)，过时的(Obsolete)，碎片化(Trivial)的降至最低

10.不同种类的数据

1.将数据对象进行分类，按类型（例 交易数据，参考数据，主数据，元数据），内容，格式，保护级別，储存或访问方式，位置进行分类管理

2.由于不同类型数据有不同需求，不同风险，不同角色，所以数据管理工具都集中在分类和控制方面

11.数据和风险

数据代表价值，也代表风险，不准确，不完整或过时的低质量的数据，它可能被误解和误用，也会被滥用，当风险没有管理时，对资产负债表的影响越来越大

12.数据管理和技术

1.数据管理的概念与技术管理紧密结合在一起，需要对技术做出正确的决策

2.与业务战略一致的数据应该推动有关技术的决策（业务–> 数据 -->技术）

13.需领导力和承诺

1.组织有机增长的最佳机会在于数据，但组织往往不知道拥有什么数据，或者不知道业务最关键旳数据是什么，混淆了数据和信息技术，没有数据的战略蓝图，低估了数据管理的相关工作

2.组织成功的要素是坚定的领导和组织中各级人员的参与

3.成功的数据管理必须业务驱动，不是由 IT 驱动

6.数据战略管理

1.战略是一组选择和决策，是为实现高水平目标而采取的高水平行动

2.数据战略必须来自对业务战略固有数据需求的理解：组织需要什么数据，如何获取，如何管理并确保其可靠性以及如何利用数据。

3.数据管理战略的组成

1.令人信服的数据管理愿景

2.数据管理的商业案例总结

3.指导原则、价值观和管理观点

4.数据管理的使命和长期目标

5.数据管理成功的建议措施

6.符合SMART原则的短期（一两年）数据管理计划目标（SMART（具体，可衡量，可操作，现实，有时间限制））

7.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

8.数据管理程序组件和初始化任务

9.具体明确范围的优先工作

10.包含项目和行动任务的实施路线图草案

4.可交付成果

1.数据管理章程

• 总体愿景，业务案例，目标、指导原則，成功的衡量标准，关键成功因素，可识別的风险，运营模式

2.数据管理范围声明

• 包括规划目的和目标(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

• 特定计划，项目，任务分配和里程碑

五.数据管理框架

1.战略一致性模型SAM

P.15 横轴(业务/IT 战略)

2.阿姆斯特丹信息模型AIM

P.16 纵轴(业务战略 / 业务运营)

3.DAMA-DMBOK框架

1.P.16 DAMA车轮图(数据管理框架)

定义了数据管理知识领域

2.P.17 环境因素六边形图

显示了人、过程和技术之间的关系

3.P.17 知识领域语境关系图

1.描述了知识领域的细节，人员，流程和技术相关的细节

2.基于产品管理(供给，输入，活动，交付成果和消费者)的SIPOC图的概念

3.活动分为4个阶段:计划§，控制©，开发(D)和运营(O)

4.左侧是输入给供给者，右侧是交付成果和消费者，底层是影响知识领域的技术，工具和度量指标

5.语境关系图组成部分

• 1.定义 知识领域简要定义
• 2.目标 知识领域内活动执行的目的与基本原则
• 3.活动 实现知识领域目标所需的行动和任务
  • 1.计划活动§ 为实现数据管理目标设定战略和战术工作，是经常性活动
  • 2.控制活动© 持续确保数据质量和数据存取和使用的完整性，可靠性，安全性
  • 3.开发活动(D) 围绕系统开发的生命周期（SDLC）开展的分析，设计，构建，测试，准备和部署等活动
  • 4.运营活动(O) 支持系统和流程的使用，维护和增强，通过系统和流程进行数据的存取和使用
• 4.输入 知识领域启动其活动所需的油性事物，例如了解业务战略并把它作为输入
• 5.交付成果 知识领域内活动的产出，职能部门负责生产的有形事物
• 6.角色和职责 描述个人和团队如何为知识领域的活动做出贡献
• 7.供给者 负责提供或允许访问活动输入的人员
• 8.消费者 直接受益于数据管理活动产生的交付成果的消费方
• 9.参与者 执行，管理或批准知识领域活动的人员
• 10.工具 实现知识领域目标的应用程序和其他技术
• 11.方法 活动中使用的方法和程序，还包括共同约定，最佳实践建议，标准与协议等
• 12.度量指标 衡量或评估绩效，进度，质量，效率或其他影响的标准

4.DAMA 车轮图是一组知识领域的概要；六边形图展示了知识领域结构的组成部分；语境关系图显示了每个知识领域的细节

4.DMBOK金字塔(Aiken)

P.19 分4个阶段，描述了一个组织实践发展路径

1.第一阶段，购买使用数据库功能的应用程序。以此作为数据建模，设计，存储和安全的起点，要运行还需要数据集成和交互操作的工作

• 数据建模和设计，数据存储和操作，数据安全，数据集成和互操作

第二阶段，想要更高质量的数据，需要一致的数据架构和元数据，它们说明了不同系统的数据是如何协同工作的

• 数据架构，元数据，数据质量

第三阶段，管理数据质量，元数据和架构需要严格地实践数据治理，为数据管理提供支持。数据治理还支持文件和内容管理，参考数据管理，主数据管理等战略计划实施

• 数据治理，文件和内容管理，参考数据和主数据，数据仓库和商务智能

第四阶段，从管理中得到好处，提高了分析能力

5.DAMA数据管理框架的进化

1.P.20 DMAM功能领域依赖关系图

2.P.21 DAMA数据管理功能框架，知识领域内容的附加细节

3.P.22 DAMA车轮图演变，另一种形式的DAMA车轮图

六.DAMA 和 DMBOK

1.数据治理(Data Governance)

通过建立一个能够满足企业需求的数据决策体系，为数据管理提供指导和监督。

2.数据架构(Data Architecture)

定义了与组织战略协调的管理数据资产蓝图，以建立战略性数据需求及满足需求的总体设计

3.数据建模和设计( Data Modeling and Design)

以数据模型( Data Model)的精确形式，进行发现、分析、展示和沟通数据需求

4.数据存储和操作( Data Storage and Operations)

以数据价值最大化为目标，包括存储数据的设计、实现和支持活动以及在整个数据生命周期中，从计划到销毁的各种操作活动(参见第6章)。

5.数据安全( Data Security)

确保数据隐私和机密性得到维护，数据不被破坏，数据被适当访问

6.数据集成和互操作( Data Integration and Interoperability)

包括与数据存储、应用程序和组织之间的数据移动和整合相关的过程

7.文件和内容管理( Document and Content Management)

用于管理非结构化体数据和信息的生命周期过程，包括计划、实施和控制活动，尤其是指支持法律法规遵从性要求所需的文档

8.参考数据和主数据( Reference and Master Data)

包括核心共享数据的持续协调和维护，使关键业务实体的真实信息以准确、及时和相关联的方式在各系统间得到一致使用

9.数据仓库和商务智能( Data Warehousing and Business Intelligence)

包括计划、实施和控制流程来管理决策支持数据，并使知识工作者通过分析报告从数据中获得价值

10.元数据( Metadata)

包含规划、实施和控制活动，以便能够访问高质量的集成元数据，包括定义、模型、数据流和其他至关重要的信息(对理解数据及其创建、维护和访问系统有帮助)

11.数据质量( Data Quality)

包括规划和实施质量管理技术，以测量、评估和提高数据在组织内的适用性

12.除了有关知识领域的章节外，DAMA- DMBOK2还包含以下主题的章节

1)数据处理伦理( Data Handling Ethics)。描述了关于数据及其应用过程中，数据伦理规范在促进信息透明、社会责任决策中的核心作用。数据采集、分析和使用过程中的伦理意识对所有数据管理专业人员有指导作用(参见第2章)。

2)大数据和数据科学( Big Data and Data Science)。描述了针对大型的、多样化数据集收集和分析能力的提高而出现的技术和业务流程(参见第14章)。

3)数据管理成熟度评估( Data Management Maturity Assessment)。概述了评估和改进组织数据管理能力的方法(参见第15章)。

4)数据管理组织和角色期望( Data Management Organization and Role Expectations)。为组建数据管理团队，实现成功的数据管理活动提供了实践指导和参考(参见第16章)

5)数据管理和组织变革管理(Data Management and Organizationsl Change Management)。描述了如何计划和成功地推动企业文化变革。文化的变革是将数据管理实践有效地嵌入组织中的必然結果(参见第17章)。

建章立制，对管理的管理

规划组织的数据蓝图

没有建模就没有数据

业务连续性的关键

安全是一种高级竞争力

对数据移动进行有效的管理

管理非结构化数据

数据之源

数据价值提供者

解释数据的数据

有质量才有价值

版权声明：未经许可，不得抄袭。转载请此处留言或公众号后台沟通。更多关于CDMP认证和数据治理的交流请关注公众号（Data is King），公众号回复‘dmbok思维导图’ 可获取思维导图版知识点总结。

标签：生命周期,管理,--,Data,DMBOK,数据管理,组织,DAMA,数据
来源： https://blog.csdn.net/weixin_39530080/article/details/121000349