壹家企業是以意識到數據的重要性 為戰略規劃起點的，我們叫做數據意識覺醒，所以數據管理的前提是公司決策高層的堅定支持和理解。數據管理（DM）和數據治理(DG)的概念在大部分情況下都模糊不清，DAMA體系裏數據管理是大於數據治理的，數據治理只是數據管理的壹個行為子集。
如果公司高層有了數據意識覺醒，交給妳壹個數據管理或者數據治理的任務，我們應該怎麽做？
首先需要了解數據管理的概念，數據的特性決定了做數據管理是壹個系統工程，需要有科學的方法論體系，建議妳參考DAMA；其次需要評估組織數據管理的現狀，參照數據管理成熟度模型進行；然後基於評估結果制定PDCA計劃；最後需要啟動組織變更，目的是支撐數據管理實施的路線圖。
數據管理成熟度模型定義了5個層級：
等級壹：初始級。組織沒有意識到數據的重要性，數據需求的管理主要是在項目級來體現，沒有統壹的數據管理流程，存在大量的數據孤島，經常由於數據的問題導致低下的客戶服務質量、繁重的人工維護工作等。
等級二：受管理級。組織已經意識到數據是資產，根據管理策略的要求制定了管理流程，指定了相關人員進行初步的管理，並且識別了與數據管理、應用相關的幹系人。
等級三：穩健級。數據已經被當作實現組織績效目標的重要資產，在組織層面制定了系列的標準化管理流程以促進數據管理的規範化，數據的管理者可以快速地滿足跨多個業務系統、準確、壹致的數據要求，有詳細的數據需求響應處理規範、流程。
等級四：量化管理級。數據被認為是獲取競爭優勢的重要資源，組織認識到數據在流程優化、工作效率提升等方面的作用，針對數據管理方面的流程進行全面的優化，針對數據管理的崗位進行關鍵績效指標（key performance indicator，KPI）的考核，規範和加強數據相關的管理工作，並且根據過程的監控和分析對整體的數據管理制度和流程進行優化。
等級五：優化級。數據被認為是組織生存的基礎，相關管理流程能夠實時優化，能夠在行業內進行最佳實踐的分享。
本書的重點是介紹數據管理的概念，後面我們將各個章節融合到DAMA數據體系去講解，妳將可以參考DAMA去深入數據管理。
數據無處不在，是企業的資產；數據是壹種有價值的資產，但也隱含著風險。低質量的數據帶來損耗，高質量的數據帶來收益。，但需要將技術管理和數據管理分開。數據管理的挑戰首先是由數據資產的特性決定的，數據資產不可觸摸、持久的、不會被消耗，但在使用的時候有被盜的風險；容易被拷貝和遷移，但是如果丟失或被破壞，將不可再生；數據是動態的，可以在同壹時刻被多人使用。以上特性造成數據管理的難度：（1）難以盤點組織有多少數據資產；（2）很難定義數據的所有權和責任；（3）很難防止濫用數據；（4）數據風險管理很難；（5）很難定義和執行統壹的數據質量標準；
數據管理需要站在企業全局的視角去規劃、協同和技術實現，數據管理的核心是管理數據的生命周期，專註於數據的產生、遷移和維護的全過程，數據有不同的分類規則，不同類型的數據又會有不同的生命周期需求，但也有***性的規則如下：（1）在數據生命周期中，數據的產生和使用是最主要的關鍵點；（2）數據質量管理必須貫穿數據生命周期的全過程；（3）元數據管理必須貫穿數據生命周期全過程；（4）數據安全管理必須貫穿數據生命周期全過程；（5）數據管理應該專註於最關鍵的數據；
DAMA數據管理的原則如下：
DAMA數據管理包括11個知識領域和3大主題域，全景視圖如下：
數據管理11個知識域如下：
數據治理： 依據組織的整體需求，通過建立數據決策的權限和責任，為數據管理活動和職能提供整體的指導和監督；
數據架構： 基於組織的戰略目標，建立符合戰略需求的數據架構；
數據建模和設計： 探索、分析、表示和溝通數據需求的壹個過程，最後輸出數據模型；
數據存儲和操作： 包括數據存儲的設計、實施和支持，目的是達到利益最大化；該活動貫穿數據的整個生命周期——從數據規劃到數據消除；
數據安全： 確保數據隱私和安全；
數據整合與互操作性 （翻譯錯誤，應該為集成與交換）：包括存在於不同數據系統、應用程序和組織之內，以及組織之間的數據遷移和集成等；
文檔和內容管理 ：通過PDCA活動，來管理那些存儲於非結構化介質中的數據和它們的生命周期，甚至是那些與法律及合規性相關的文件的管理；
參考數據 （翻譯錯誤，應該為字典數據） 和主數據管理 ：對核心關鍵***享數據的持續更新和維護，以便得到最準確、及時並和基礎業務相關的數據；
數據倉庫和商務智能 ：通過PDCA活動，為管理決策提供數據量化的支持，使相關工作人員能夠通過數據分析和數據報告獲取價值；
元數據管理 ：通過PDCA活動，支持訪問高質量的元數據集，包括定義、模型、數據流和其他對理解數據及其創建、維護和訪問至關重要的信息；
數據質量管理 ：包括規劃和實施質量管理技術，以衡量、評估和改善組織使用的數據；
DAMA數據管理的三大核心領域：數據治理、數據生命周期管理、數據的基礎活動；
數據治理需要EMT領導層的承諾和投入，是壹項持續性的工作，貫穿整個數據管理的生命周期，通過闡明戰略、建立框架、制定方針及實現數據***享，為其他數據管理職能提供指導和監督；數據治理是實現業務目標的壹種手段，本身不是目的；通過將獲得和行為與數據管理原則相結合，來支持組織的業務戰略，應對數據管理的挑戰。
壹個成功的數據治理項目將：1.建立符合並支持業務戰略的數據治理戰略；2.基於數據管理原則，制定和執行相關行動計劃；3.設置數據質量標準；4.提供關鍵數據的管理；5.確保組織遵守和數據相關的法規；6.管理那些與數據和治理的各方面相關的問題。
企業數據架構描述如何組織和管理數據，由數據架構師、建模師和數據管理專員負責，負責管理業務架構創建和要求的數據，包括數據模型、數據定義、數據映射規範、數據流、結構化數據API；
數據架構的核心是數據模型（數據結構和數據規範）和數據流設計。數據建模是發現、分析和界定數據需求的過程，然後以數據模型的文檔準確表示和傳遞這些數據需求：
目標：描述結構、範圍定義，然後進行文檔化；
如何做：5w1h描述實體，描述實體關系，定義屬性，定義值域；
（1）數據存儲與操作：DBA確保數據引擎正常運行；
（2）數據集成與交換；
（3）數據倉庫：
數據倉庫建設理論有2個核心流派，而在實際假設過程中需要選擇性予以參考和綜合，無需完全參考理論。
Bill Inmon： 面向主題的、集成的、反映歷史變化的、相對穩定的數據集和，以支持管理層的決策過程。
Ralph Kimball ：專門為查詢和分析構建的交易數據的副本。
（4）字典管理；
（5）主數據管理：
主數據管理是壹個全數據生命周期的過程，不僅在MDM系統中管理，還必須可供其他系統和流程使用，依靠能夠***享和反饋數據的技術，還需要可備份。主數據管理的核心業務邏輯：1.確定主數據源；2.建立精確匹配和合並實體實例的規則；3.建立識別和恢復不恰當適配與合並數據的方法；4.建立向整個企業系統分發可信數據的方法；
（6）文檔與內容管理；
（7）大數據存儲；
（1）主數據的使用；
（2）商務智能；
（3）數據科學：是指開發預測模型的過程，數據分析師使用科學的方法（觀察、假設、實驗、分析和給出結論）來開發和評估分析模型或預測模型；
（4）預測性分析；
（5）數據可視化；
（6）數據貨幣化；
數據保護、隱私、安全和風險管理；
元數據管理：管理“數據的數據”，是數據管理的基礎；
數據質量管理：
規範的數據質量管理主要包括：
（1）通過數據質量DQ標準、規則和需求來定義高質量的數據；
（2）對照已制定的相關標準評估數據，並向利益相關方通報評估結果；
（3）對應用中的數據和數據存儲進行監控和報告；
（4）識別問題並提出改進意見。
數據質量提升周期：PDCA；數據質量的保障需要堅定的領導層；
通過本文，妳將了解如果妳的企業需要做數據管理或數據治理，妳應該從熟悉DAMA體系開始，獲取公司高層的堅定支持，通過指導合理評估數據管理現狀，基於評估制定改進計劃，從方法論落地到實際數據管理。本文講解了數據管理的11大知識領域和3大核心業務領域，以最簡的內容快速解析數據管理核心內容，從全局上為數據管理 以及 數據治理 進行導航。針對原書中的翻譯的不妥之處進行了改進，如有疑問，歡迎留言討論。