数据治理专业认证CDMP学习笔记（思维导图与知识点）- 数据管理

本文档基于数据治理相关学习资料整理，为数据治理专业认证CDMP的学习笔记（思维导图与知识点）整理。文章较长，建议收藏后阅读。后续的文档请关注公众号 大数据流动，会持续的更新~

本文档为数据管理章节部分学习笔记，思维导图与知识点整理。共分为4个部分，由于页面显示原因，部分层级未能全部展开。结构如下图所示。

正文开始~

我们一部分一部分来说~

第一部分 引言

第一部分，引言。这部分其实是为了说明做数据管理的一些背景，数据管理的定义，是什么因素导致了数据管理的出现等等。

首先，我们要先明确几个定义，数据管理和数据管理的人员。

数据管理（Data Management）：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订计划、制度、规程和实践活动，并执行和监督的过程。

数据管理专业人员（Data Management Professional）指从事数据管理各方面的工作（从数据全生命周期的技术管理工作，到确保数据的合理利用及发挥作用），并通过其工作来实现组织战略目标的任何人员。

这是两个数据管理最基本的概念，数据管理就是为了提升数据信息资产的价值，参与人员有技术的，也有业务的。数据管理是技术和业务配合完成的。

很明显，是业务驱动了数据管理的出现，那么第三个知识点来了，数据管理的业务驱动因素：主要是使组织能够在数据资产中获得价值。数据管理做的好的企业和不好的区别巨大，这也就是数据管理的意义所在，这就是企业开展数据管理的驱动因素。

在做事情之前，要前明确下目标，才能有方向，那么第四个知识点来了，管理数据的目标：有6条，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）确保数据能有效地服务于企业增值的目标。

这6条不太好记忆，简单来说就是满足组织和利益方的需求，确保数据完整性。确保数据质量。注意数据隐私和保密性。防止不当操作。服务企业增值目标。

我整理了这部分的思维导图，方便理解：

第二部分 基本概念

这一部分介绍数据管理的基本概念，初学的话可能对数据，信息等概念容易混淆，通过这部分学习可能更加清晰。

数据和信息

数据：原始素材，来源于各种对象，是信息的原材料。

信息：加工之后的数据，在上下文语境中的数据。

这块我找到了一个DIKW的模型图，看了这个，就很容易理解数据、信息、知识和智慧的关系了。

同时，在企业中的数据又有着其特点，在企业中的数据已经成为一种资产。数据是可以和金钱一样有价值的，可以被衡量的。通过数据可以获得洞察力来影响企业发展，这就是数据驱动。用数据驱动公司发展已经成为了一种共识。

数据管理12原则

下面就是一个非常重要的知识点，在数据管理中需要遵循一定的原则，这里也做了总结，常被称为数据管理12原则。

1、数据是独特属性的资产。和金钱，别的物品，数据不会损耗，但会随着时间推移价值发生变化。

2、数据的价值可以用经济术语表示。既然是资产，就可以和经济相关。

3、管理数据意味着对数据质量的管理。因为数据质量会影响其价值。

4、管理数据需要元数据。这个不用说了，做技术的都懂。

5、数据管理需要规划。涉及到协调就需要规划。

6、数据管理需要驱动信息技术决策。这是一个权力的问题，技术应该为数据管理来服务。

7、数据管理的跨职能的工作。业务与技术的配合。

8、数据管理需要企业级视角。需要整个企业来配合，才能有效果。

9、数据管理需要多角度思考。主要在于数据不是一成不变，技术和业务都在变。

10、数据管理是全生命周期的管理。这个比较明确，必须从数据产生到处置全流程管理。

11、需要将数据相关的风险纳入数据管理。丢失、盗用、误用都是很大的风险。

12、有效地数据管理需要领导层承担责任。协调和人员使用，都需要领导层的推动。（给钱）

12个数据管理原则，通过下面的图更好记忆。该图将这些原则进行了分类。

该图可以按这样的顺序来记忆：

首先，有效数据管理需要领导层承担责任。

数据是有价值的：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表示

数据管理需求是业务的需求：

1、管理数据意味着对数据质量的管理

2、管理数据需要元数据

3、数据管理需要规划

4、数据管理需要驱动信息技术决策

数据管理依赖不同技能：

1、数据管理的跨职能的工作

2、数据管理需要企业级视角

3、数据管理需要多角度思考

生命周期：

1、数据管理是全生命周期的管理

2、需要将数据相关的风险纳入数据管理

数据管理的13挑战

原则代表了数据管理中需要遵循什么样的准则，虽然非常理论，但其实在实际中有任务一条没满足，数据管理的工作都会有很大问题。

有原则就会有挑战，在进行遵循这些原则进行数据管理的时候，我们会遇到怎样的挑战？

下面这个知识点，数据管理13挑战。

1、数据与其他资产的区别。数据与其他资产有很大区别：无形，不损耗，价值随时间降低。难以定价，定所有权。

2、数据价值。

数据价值的衡量需要考虑很多。

成本和收益：1、获取和存储数据需要成本。2、数据丢失更换数据需要成本。3、数据丢失对组织影响。4、风险成本。5、改进数据成本。6、高质量数据有优势。

7、竞争对手为数据付出费用。8、数据潜在的销售价格。9、创新应用数据预期收入。

挑战：数据价值是上下文相关的，随时间变化。

将财务价值与数据建立关联至关重要。

3、数据质量。

确保高质量数据是数据管理核心。

数据质量的现状很差，主要在于IT系统对数据质量的不重视，低质量的数据很产生巨大的维护成本。

低质量数据成本：

1）报废和返工。2）解决方法和隐藏的纠正过程。3）组织效率低下或生产力低下。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） 合规成本或罚款。9）声誉成本。

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。

4、数据优化计划。

要做好规划，才能在数据中获取价值。

需要思考下面的问题：

1、数据也许被视为独立于业务流程的存在。

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的存储的数据。

4、使用数据的方式可能被用于推动组织战略。

5、元数据和数据管理。

组织需要可靠的元数据来管理数据。元数据可以描述：拥有什么数据，它代表什么，如何被分类，来自哪里，如何被移动，如何在使用中变化，谁可以使用它，是否为高质量数据。

元数据是全面改进数据管理的起点。

6、数据管理是跨职能的工作。

数据管理很复杂，需要不同阶段由不同团队来进行不同管理。

挑战就是如何协作。

7、建立企业的视角。

数据是组织中的“横向领域”，跨域了不同垂直领域，如销售，运营。

数据治理重要的原因是帮助组织跨垂直领域做出数据决策。

8、数据管理需要多角度的思考。

考虑国家和行业法规和政策，监管，合规要求。

9、数据生命周期。

数据生命周期有几个非常重要的影响：

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 数据管理工作应聚集于关键数据。

10、不同种类的数据。

有不同的分类方式。如类型，内容，格式，级别，存储和访问方式。

比如按数据类型可以分为：交易数据，参考数据，主数据，元数据等等。

11、数据和风险。

数据不仅代表价值，也代表风险。

监管者和立法者会采取适当的措施。

消费者也了解他们的数据如何被使用，希望信息得到保护。

12、数据管理和技术。

数据管理和技术关系密切。与业务战略一致的数据战略应该推动技术的决策。

13、高效的数据管理需要领导力。

成功的数据管理必须业务驱动，数据管理成功需要坚定地领导和各级人员参与。

成功的数据管理应该由业务驱动，而不是IT。

数据管理战略

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。

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（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。

数据管理战略规划的可交付成果：

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：规划目的和目标（通常为 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：确定特定计划、项目、任务分配和交付里程碑。

这部分每一个点的内容都较多，但整理结构还是很清晰的，整理了这部分的思维导图，方便理解：

第三部分 数据管理框架

在学习数据管理的过程中，需要一定的框架才能体系化的学习。

体系化的东西通过图形的方式功能表示出上下层级结构，也能更好的理解。目前主流的有五个框架。分别来看一下这几个框架都代表了什么，并用框架图的方式来理解。

战略一致性模型（SAM）：它抽象了各种数据管理方式的基本驱动因素，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，它抽象出一个关注结构（包括规划和架构）和策略的中间层。

DAMA-DMBOK框架

这也是我们学习的重点，CDMP考试的所有考点所在。理解DAMA-DMBOK框架需要三张图来表示。

DAMA车轮图，定义数据管理的知识领域。

环境因素六边形图：显示了人、过程和技术之间的关系，是理解 DMBOK 语境关系图的关键。

知识领域语境关系图：描述了知识领域的细节，包括与人员、流程和技术相关的细节。数据治理 活动通过战略、原则、制度和管理提供监督和遏制。通过数据分类和数据估值实现一致性。

DMBOK金字塔(Aiken)

另一个解释DMBOK的图形，描述了组织发展实践的过程。将过程分成了四个阶段。

第一阶段，使用数据的应用程序

第二阶段，一致的数据架构和元数据收集，数据质量提升

第三阶段，数据质量，元数据和架构得到严格实践

第四阶段，从数据管理中得到进步

DAMA数据管理框架进化

DAMA功能依赖关系图：商务智能和分析依赖于其他的数据管理功能。

DAMA数据管理功能框架：说明DAMA知识领域之间的关系。

DAMA车轮图演变：车轮图的另一种表示，数据治理相关围绕着各项核心活动。

这部分内容不多，整理结构也很清晰，主要在于每个图的理解。整理了这部分的思维导图，方便理解：

第四部分 DAMA和DMBOK

DAMA为了应对数据管理的这些挑战，为数据管理相关人员提供一本权威的参考书。编制了DMBOK。

支持DAMA的使命：

1、为实施企业数据管理实践提供功能框架。

2、为数据管理概念建立通用词汇表。

3、作为数据管理人员专业认证（CDMP）和其他数据治理认证的指南。

基于DAMA车轮图，DMBOK将介绍这些知识领域的内容，分别是:

数据治理(Data Governance) ，建立一个企业数据决策体系，为数据管理提供指导和监督。

数据架构(Data Architcture)， 建立战略性数据需求及满足需求的总体设计

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

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。

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

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

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

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

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

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)

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

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。

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。

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。

4)数据管理组织和角色期望( Data Management Organization and Role Expectations)。为组件数据管理团队，实现成功的数据管理活动提供了实践知道和参考。

5)数据管理和组织变革管理(Data Management and Organizationsl Change Management)。描述了如何假话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结果。

这部分主要为之后的学习铺路。整理了这部分的思维导图，方便理解：

未完待续~