知识体系—数据管理

这是一篇关于数据管理的思维导图，主要内容包括：数据管理框架，基本概念，引言。有需要的赶紧收藏吧！

数据管理

• 引言
  • 业务驱动因素
    • 数据管理的主要驱动力也是使组织能够从其数据资产中获取价值
      • 1）是数据为业务赋能
      • 2）是数据作为生产要素直接用来脚哟
• 基本概念
  • 数据
    • 1. 数据是一种表示方法，它代表的是除自身以外的事物。数据既是对其所代表对象的解释，也是必须解释的对象
    • 2. 数据被称为“信息的原材料”，而信息则被称为“在上下文语境中的数据”。
  • 数据和信息
    • 为不同的目的的准备数据和信息，将使数据管理形成一个核心原则
      • 数据和信息都需要被管理；如果再将两者的使用和客户的需求结合在一起进行管理，则两者应具有更高的质量。
  • 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。资产可以转换为货币。数据已经被广泛认可为一种企业资产。
      • 1）数据作为生产要素是我国最先提出的。
      • 2）许多组织把自己定义为“数据驱动“型组织。
        • 想要保持竞争力的企业必须停止基于直觉或感觉做出决策，而是使用事件触发和应用分析来获得可操作的洞察力。数据驱动包括认识到必须通过业务领导和技术专业知识的合作关系，以专业的规则高效地管理数据。
          • 以前是拍脑袋或者摸着石头过河，现在需要用数据驱动决策
      • 3）当今的业务发展速度意味着变革不再是可选项，数字化转型已经成为共识。
      • 4）目前作为一种资产还不能反应在财务报表中
      • 数据资产区别于其他资产，例如金融资产和实物资产，最大的不同就是数据资产在使用中不会损耗
  • 数据管理原则
    • 1）数据是有独特属性的资产
    • 2）数据的价值可以用经济术语来表示
    • 数据价值
    • 3）管理数据意味着对数据的质量管理
      • 数据管理的核心目标之一就是数据质量管理
    • 4）管理数据需要元数据
    • 5）数据管理需要规划
    • 6）数据管理须驱动信息技术决策
      • 由业务来驱动数字化转型，由IT部门来落地
    • 数据管理需求是业务需求
    • 7）数据管理是跨职能的工作
      • 除了一把手工程外，还需要全员参与。
      • 数据管理一定跨职能的，一定需要大量的协作，这是一条很重要的原则
    • 8）数据管理需要企业级视角
    • 9）数据管理需要多角度思考
      • zachman模型
    • 数据管理依赖于不同的技能
    • 10）数据管理需要全生命周期的管理，不同类型数据有不同的生命周期特征。
    • 11）数据管理需要纳入与数据相关的风险。
    • 数据管理是生命周期管理
    • 12）有效的数据管理需要领导层承担责任。
      • 一把手工程
  • 数据管理的挑战
    • 数据与其他资产的区别
      • 1. 无形的。
      • 2. 持久的、不会磨损。
      • 3. 数据很容易被复制和传送，但它一旦被丢失或销毁，就不容易重新产生了。
      • 4. 同时被多人使用
    • 数据价值
      • 数据价值基本上都是用成本来核算，没有用利润来核算。
      • 价值（Value）是一件事物的成本和从中获得利益的差异。对于有些资产而言，如存货，计算价值就是非常容易，就是它的购买成本和销售价格之间的差额。
      • 评估数据价值需要首先计算在组织内部持续付出的一般成本和各类收益。
      • 评估数据资产面临的主要挑战是，数据的价值是上下文相关（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）
      • 1.获取和存储数据的成本 2.如果数据丢失，更换数据需要成本 3.数据丢失对组织对影响 4.风险缓解成本和数据相关的潜在风险成本 5.改进数据成本 6.高质量数据的优势 7.竞争对手为数据付出的费用 8.数据潜在的销售价格 9.创新性应用数据的预期收入
    • 数据质量
      • 确保高质量的数据是数据管理的核心。
      • 多数情况下要运用数据的过程中进行学习，并进一步创造价值。
      • 高质量数据的作用
        • 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
    • 数据优化计划
      • 如果把数据视作创造的一种产品，将要通过它的生命周期做出更好的决定，这些决策需要系统的思考，涉及
        • 1）数据也许被视为独立于业务流程存在。
        • 2）业务流程与支持它们的技术之间的关系。
        • 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。
    • 元数据和数据管理
      • 数据管理需要元数据。
      • 元数据描述了一个组织拥有什么数据，它代表什么、如何被分类、它来自哪里、在组织之内如何移动、如何在使用中演进、谁可以使用它以及是否为高质量数据。
      • 元数据是以数据形式构成的，因此需要进行严格管理。通常，管理不好数据的组织根本不管理元数据。元数据管理是全面改进数据管理的起点。
    • 数据管理是跨职能的工作
      • 数据管理需要系统规划的设计技能、管理硬件和构建软件的高技术技能、利用数据分析理解问题和解释数据的技能、通过定义和模型达成共识的语言技能以及发现客户服务商机和实现目标的战略思维。
    • 建立企业的视角
      • 数据治理变得越来越重要的一个原因是帮助组织跨垂直领域做出数据决策
    • 数据管理需要多角度思考
    • 数据生命周期
      • 从战略上讲，组织不仅要定义其数据内容需求，还要定义其数据管理要求。这些要求包括对使用、质量、控制和安全的制度和期望，企业架构和设计方法，以及基础设施和软件开发的可持续方法。
      • 从概念上讲，数据生命周期很容易描述。它包括创建或获取、移动、转换和存储数据并使其以及维护和共享的过程，是数据的过程，以及处理数据的过程。
      • 数据链
        • 数据不仅具有生命周期，而且具有血缘（它从起点移动到使用点的路径，也称为数据链。）
      • 数据管理对数据生命周期的影响
        • 1）创建和使用是数据生命周期中的关键点
        • 2）数据质量管理必须贯穿整个数据生命周期
        • 3）元数据质量管理必须贯穿整个数据生命周期
        • 4）数据管理还包括确保数据安全，并降低与数据相关的风险
        • 5）数据管理工作应聚焦于关键数据。将数据ROT（冗余的Redundant、过时的Obsolete、碎片化的Trivial）降至最低
    • 不同种类的数据
      • 任何管理系统都需要将管理的对象进行分类
        • 按数据类型分类
          • 交易数据
          • 参考数据
          • 主数据
          • 元数据
          • 类别数据
          • 源头数据
          • 事件数据
          • 详细交易数据
        • 按数据内容
          • 数据域
          • 主题区域
        • 数据所需的格式
        • 保护级别
        • 存储或访问的方式
        • 位置
    • 数据和风险
      • 数据不仅代表价值，也代表风险
      • 数据的风险在于，它可能被误解和误用
    • 数据管理和技术
    • 高效的数据管理需要领导力和承诺
      • 首席数据官（CDO）
        • 倡导CDO的作用源于认识到管理数据会带来独特的挑战，成功的数据管理必须由业务驱动，而不是IT驱动
  • 数据管理战略
    • 战略
      • 战略是一组选择和决策，它们共同构成了实现高水平目标的高水平行动过程。
    • 1.数据战略应该包括使用信息以获得竞争优势和支持企业目标的业务计划。
    • 2.数据战略需要一个支持性的数据管理战略-- 一个维护和改进数据质量、数据完整性、访问和安全性的规划，同时降低已知和隐含的风险
    • 数据管理战略的组成
      • 1）令人信服的数据管理愿景
      • 2）数据管理的业务场景
      • 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（具体、可衡量、可操作、现实、有时间限制）的短期（12～24个月）数据管理计划目标
      • 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计划
      • 10）一份包含项目和行动任务的实施路线图草案
      • 注：具体的数据管理工作不属于数据战略
    • 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. 数据管理实施线路图
      • 确定特定计划、项目、任务分配和交付里程碑
• 数据管理框架
  • 战略一致性模型（SAM）
    • 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
  • 阿姆斯特丹信息模型（AIM）
    • 与战略一致性模型一样，从战略角度看待业务和IT的一致性
  • DAMA-DMBOK框架
    • 第一阶段
      • 数据建模和设计
      • 数据存储和操作
      • 数据安全
    • 第二阶段
      • 数据架构
      • 数据质量
      • 元数据
    • 第三阶段
      • 数据仓库和商务智能
      • 参考数据和主数据
      • 文件和内容管理
    • 第四阶段
      • 数据挖掘
      • 大数据分析
    • DAMA车轮图
  • DAMA环境因素六边形图
    • 人员
      • 组织和文化、角色和职责
    • 技术
      • 工具、交付成果
    • 过程
      • 活动、方法
    • DAMA环境因素六边图
  • 知识领域语境关系图
    • 定义：知识领域综述
    • 度量指标：流程的测量结果
    • 活动
      • 1.计划活动（P）
      • 2.控制活动（C）
      • 3.开发活动（D）
      • 4.运营活动（O）
    • 知识领域语境关系图