概念
数据管理
wikipedia
The concept of data management arose in the 1980s as technology moved from sequential processing (first punched cards, then magnetic tape) to random access storage. Since it was now possible to store a discrete fact and quickly access it using random access disk technology, those suggesting that data management was more important than business process management used arguments such as “a customer’s home address is stored in 75 (or some other large number) places in our computer systems.” However, during this period, random access processing was not competitively fast, so those suggesting “process management” was more important than “data management” used batch processing time as their primary argument. As application software evolved into real-time, interactive usage, it became obvious that both management processes were important. If the data was not well defined, the data would be mis-used in applications. If the process wasn’t well defined, it was impossible to meet user needs.
从上面的定义可以看出，数据管理是针对数据或信息的活动或能力集合，为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周期中制定计划、制度、规程和实践活动，并执行和监督的过程。
从商业的角度看，通过对数据进行资产化管理，提升数据质量和数据效率，提升企业利用数据变现的能力。
数据资产
资产的定义为
资产是指由企业过去的交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。
数据作为一种特殊的资产形式，企业和组织可以依靠数据资产做出更高效的决定，运用数据理解客户，创造出新的产品和服务，并通过削减成本和控制风险的手段来提高运营效率，通过数据产生价值，以达到把数据做为资产进行直接或间接变现。
数据管理目标
- 理解并支撑企业及其利益相关方的信息需求得到满足
- 获取、存储、保护数据和确保数据资产的完整性。
- 确保数据和信息的质量。
- 确保利益相关方的数据隐私和保密性。
- 防止数据和信息未经授权或被不当访问、操作及使用。
- 确保数据能有效地服务于企业增值的目标。
数据管理原则
- 数据是有独特属性的资产
- 数据的价值可以用经济术语来表示
- 管理数据意味着对数据的质量管理
- 管理数据需要元数据
- 数据管理需要规划
- 数据管理须驱动信息技术决策
- 数据管理是跨职能的工作
- 数据管理需要企业级视角
- 数据管理需要多角度思考
- 数据管理需要全生命周期的管理
- 数据管理需要纳入与数据相关的风险
- 有效的数据管理需要领导层承担责任
数据管理框架
DAMA-DMBOK 框架
- 数据架构（Data Architecture）
- 数据建模和设计（Data Modeling and Design）
- 数据存储和操作（Data Storage and Operations）
- 数据安全（Data Security）
- 数据集成和互操作（Data Integration and Interoperability）
- 文件和内容管理（Document and Content Management）
- 参考数据和主数据（Reference and Master Data）
- 数据仓库和商务智能（Data Warehousing and Business Intelligece）
- 元数据（Metadata）
- 数据质量（Data Quality）
DMBOK 金字塔
第一阶段：构建数据库功能和应用
- 数据存储和操作
- 数据安全
- 数据建模和设计
- 数据集成和互操作
第二阶段：保障数据质量
- 数据架构
- 数据质量
- 元数据
第三阶段：为数据管理活动提供体系性支持
- 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：利用数据管理好处，提升分析能力
- 大数据分析
- 数据挖掘
- 高级实践