weixin_44852067的博客

成功的数据管理实践需要：1）根据信息价值链调整数据责任制度，以此来学习横向管理。2）将垂直的（筒仓）数据责任制度转变为共享的信息管理工作。3）将局部业务关注点或 IT 部门工作中的信息质量演变为整个组织的核心价值。4）将对信息质量的思考从“数据清洗与数据质量记分卡”提升转变为组织的基本能力。5）对不良数据管理引发的代价和规范化数据管理带来的价值进行衡量。实施成功的组织变革要了解： 1）为什么变革会失败。2）有效变革的触发因素。3）变革的障碍。4）人们是如何经历变革过程的。1）组织不变革，人就变。

数据管理和数据治理组织需要足够灵活，才能在不断发展的环境中有效地工作。意识、所有权和问责制度是激励和吸引人们参加数据管理积极性、政策和流程的关键。如何了解组织的企业文化、运营模式和人员：1）数据在组织中的作用。数据驱动的关键流程是什么？如何定义和理解数据需求？数据在组织战略中扮演的角色如何？2）关于数据的文化规范。实施或改进管理和治理结构时，是否存在潜在的文化障碍？3）数据管理和数据治理实践。如何以及由谁来执行与数据相关的工作？如何以及由谁来做出有关数据的决策？4）如何组织和执行工作。

驱动因素必须以目标的形式进行阐明，描述评估的影响范围和重点。管理人员和业务部门必须清楚地了解评估的目标，以确保其与组织的战略方向保持一致。评估目标还需要提供一些标准，包括采用哪种评估模型、哪些业务领域需要优先评估、由谁提供直接的输入等。虽然大多数DMM框架的设计都适用于整个企业范围，但在整个企业范围实施可能是不切实际的。对于第一次评估，最好定义一个可控的范围，如单个业务领域或项目。所选领域是该组织的一个有意义的子集模块，参与者应是可以影响关键业务流程的人，这些关键的业务流程会对数据资产产生影响。

组织的大数据战略需要与其整体业务战略和业务需求保持一致并提供支持，并成为其数据战略的一部分。1）组织试图解决什么问题，需要分析什么。2）要使用或获取的数据源是什么。3）提供数据的及时性和范围。4）对其他数据结构的影响以及与其他数据结构的相关性。5）对现有建模数据的影响。组织应仔细管理与大数据源相关的元数据，以便对数据文件及其来源和价值进行准确的清单管理。数据量大（Volume）、数据更新快（Velocity）、数据类型多样/可变（Variety）。数据黏度大（Viscosity）。

1）“高质量数据”是什么意思？2）低质量数据对业务运营和战略的影响是什么？3）更高质量的数据如何赋能业务战略？4）数据质量改进需要哪些优先事项的推动？5）对低质量数据的容忍度是多少？6）为支持数据质量改进而实施的治理是什么？7）配套实施的治理结构是什么？1）了解业务战略和目标。2）与利益相关方面谈，以识别痛点、风险和业务驱动因素。3）通过资料收集和其他剖析形式直接评估数据。4）记录业务流程中的数据依赖关系。5）记录业务流程的技术架构和系统支持。数据质量优先级必须与业务战略一致。

元数据战略包括定义组织元数据架构蓝图和与战略目标匹配的实施步骤。1）启动元数据战略计划。启动和计划的目的是保证元数据战略团 队可以定义出短期和长期目标。关键利益相关方应参与计划制订。2）组织关键利益相关方的访谈。通过对业务人员和技术人员的访 谈，可以得到元数据战略的基础知识。3）评估现有的元数据资源和信息架构。评估确定解决元数据和系统问题的难度，对关键IT员工做进一步访谈，审查系统架构、数据模型等文档。4）开发未来的元数据架构。

数据仓库/商务智能架构应该描述数据从哪里来、到哪里去、什么时候去、为什么要去，以及用什么样的方式流入数据仓库。数据仓库（Data Warehouse，DW）与商务智能（Business Inteligence,BI）作为业务决策主要驱动力协同发展。数据仓库赋能组织将不同来源的数据整合到公共的数据模型，整合后的数据能为业务运营提供洞察，为企业决策支持和创造组织价值开辟新的可能性。业务驱动因素：运营支持职能、合规需求(历史数据响应)和商务智能活动（主因: 提供洞察、提升效率、增强竞争优势。

1）满足组织数据需求。共同数据集的完整、最新、一致的。2） 管理数据质量。管控至关重要实体的数据质量。3）管理数据集成的成本。4）降低风险。满足需求管控质量管控成本降低风险1）通过使用一致的参考数据，满足多个项目的数据需求，降低数据整合的风险和成本。2）提升参考数据的质量。降本提质目标：1）确保组织在各个流程中都拥有完整、一致、最新且权威的参考数据和主数据。2）促使企业在各业务单元和各应用系统之间共享参考数据和主数据。3）通过采用标准的、通用的数据模型和整合模式，降低数据使用和数据整合的成本及复杂性。

用户必须以系统检索机制能够理解的形式提交他们的需求，以便从这些系统中获取信息。同样， 需要一种检索机制，以支持快速识别匹配的数据和信息格式描述/索引文件、结构化和非结构化数据的目录。基于用户的需求和偏好，索引的设计侧重于索引的关键或属性的决策选项。数据管理专业人员应该确保构建受控词汇表、索引、信息检索分类方案工作的互相协调, 满足用户的需求。文件和内容管理：是针对存储在关系型数据库之外的数据和信息的采集、存储、访问和使用过程的管理。重点在于保持完整性，确保可访问。

理解组织的业务目标，以及为实现这些目标而需要的数据和建议的技术方案。收集这些数据的相关法律或法规, 防止因为数据内容的原因使得某些活动无法进行。考虑有关数据保留和数据生命周期其他部分的组织策略。数据保留的要求通常因数据域和类型而异。数据集成和生命周期需求通常由业务分析师、数据管理专员和具有各种职能的架构师（包括IT）定义, 同时希望以特定的格式在特定的位置获取数据，并与其他数据集成。根据需求确定数据集成和互操作交互模型的类型，然后确定满足需求所需的技术和服务。

制度提供行为准则，但并不能列出所有可能的意外情况。细则是对制度的补充，并提供有关如何满足制度意图的其他详细信息。定义数据保密等级– 保密等级分类是重要的元数据特征，用于指导用户如何获得访问权限。eg:绝密。定义数据监管类别– 安全分级和监管分类的一项关键原则是，大多数信息可以聚合，从而使其具有更高或更低的敏感性。定义安全角色– 数据访问控制可根据需要在单个用户级或组织级中进行管理(按小组授权)。构（从用户开始）。角色分配矩阵 – 基于数据机密性、法规和用户功能，矩阵可用于映射数据的访问角色。

定义：管理数据存储的设计、实现和支持活动，以实现其最大化价值。数据存储与操作的目标：1 贯穿整个数据生命周期，管理数据的可用性。2 确保数据资产的完整性。3 管理数据交易的性能。活动管理数据库技术（理解数据技术。评估数据库技术。管理和监控数据库技术）。管理数据库操作（理解需求。规划业务连续性。创建数据库实例。管理数据库性能。管理测试数据集。管理数据迁移）。数据架构。数据需求。数据模型。服务级别协议。数据库技术评估标准。数据库环境。迁移/复制/多版本数据。业务连续规划。

实体、属性和关系的定义对于维护数据模型的精度至关重要发现、分析和确定数据需求的过程, 用数据模型的精确形式表示和传递这些数据需求。常见6中数据模型:关系模式、多维模式、面向对象模式、事实模式、时间序列模式、NoSQL模式。根据描述详细成都不同, 分为: 概念模型、逻辑模型以及物理模型。1) 提供有关数据的通用词汇表2) 获取、记录组织内数据和系统的详细信息。3）在项目中作为主要的交流沟通工具。4）提供了应用定制、整合，甚至替换的起点。

对组织要素有组织的设计, 旨在优化整个结构或者系统的功能、性能、可行性、成本和用户体验。在组织不同范围、不同层级展开, 负责将难以理解的东西定义明确清晰。企业架构: 业务架构、数据架构、应用架构以及技术架构等。有效地管理数据以及有效管理存储和使用数据的系统。数据架构的基本组成部分:1) 数据架构成果不同层级的模型、定义、数据流(数据架构构件2) 数据架构活动用于形成、部署和实现数据架构的目标。3) 数据架构行为影响数据企业数据架构不同角色之间的协作、思维方式和技能。数据架构是数据管理的基础。

数据对组织的价值。如果一个组织出售数据，显然数据治理具有巨大的业务影响力。业务模式。分散式与集中式、本地化与国际化等是影响业务发生方式以及如何定义数据治理运营模式的因素。文化因素。开展治理战略需要提倡一种与组织文化相适应的运营模式，同时持续地进行变革。监管影响。与受监管程度较低的组织相比，受监管程度较高的组织具有不同的数据治理心态和运营模式数据治理层通常作为整体解决方案的一部分。这意味着确定管理活动职责范围、谁拥有数据等。

数据管理: 为了交付、控制、保护以及提升数据和信息资产的价值, 在其整个生命周期中制订计划、制度、规程和实践活动, 并执行和监督的过程。从事数据管理各方面的工作(数据全生命周期的技术管理工作, 确保数据的合理利用和发挥作用), 高级技术人员(程序员、数据库管理人员、网络管理员) 和 战略业务人员(数据管理专员、数据策略师、首席数据官)数据管理的目标: 满足自己和利益方的需求;确保数据的完整性、质量、隐私和保密性;防止数据和信息被不当使用;数据有效服务企业增值目标数据: 信息的原材料。在上下文语境中的数据。