深度解读DMBOK2.0袖珍版《穿越数据迷宫–数据管理执行指南》
《穿越数据的迷宫》一书在国内的出版能够有助于企事业单位管理层更加清晰的了解数据管理的重要性以及数据管理的整个流程，同时也认识到数据管理的复杂性和各种风险。大多数组织都依赖数据，而可靠的数据管理需要整个组织的努力，而这种努力应当从领导层开始。本书对数据管理基本原理进行阐述，帮助企业高管领导理解为什么数据如此重要，便于建立对数据组织的信任。
《穿越数据的迷宫–数据管理执行指南》一书中文版由机械工业出版社在国内出版，即将上市。全书由国际数据管理协会（Data Management Association ,又名DAMA International,以下简称“DAMA”）中国分会主席汪广盛牵头，多名会员志愿共同翻译完成。全书英文版共有210页，正文189页，出版于2018年6月，第一次出版，作者是Laura Sebastian-Coleman博士，版权属DAMA。
数据管理领域是信息技术发展中的一个新兴领域，随着互联网、全球化和信息化的快速发展，数据管理的重要性日益显现。几十年来DAMA，一直在不断努力总结全球数据管理行业的理论和实践、经验和教训，并把它们汇总出版。DAMA组织众多数据管理领域的国际级资深专家编著，深入阐述数据管理各领域的完整知识体系。作为最终体现，DAMA的数据管理知识体系[DAMA-DMBOK2:Data Management Body of Knowledge.2 nd Edition],中文版为《DAMA数据管理知识体系指南（第2版）》，第二版英文版在2017年出版。
DAMA-DMBOK2针对给出数据管理的职能、术语和最佳实践方法的标准行业解释，提供数据管理总体框架。
图一、数据管理框架
DAMA定义了11个知识领域。如上图所示。
对于数据管理专业人员而言，DAMA-DMBOK2无疑是最重要的指南。然而这本经由多位专业人士志愿写作完成的书有600多页，对于许多非专业人士恐怕太过复杂。
DAMA意识到，对于大多数高级管理人员来说，特别是公司高管，数据管理看上去晦涩、复杂且高度技术化，他们恐怕也不会有时间来仔细阅读这本书。作为DAMA-DMBOK2的补充，为了让非专业人士也了解数据管理，《穿越数据的迷宫》是一本袖珍版的、简单而实用的语言来说明数据管理的小册子，便于帮助企事业单位管理人员理解有效的数据管理的重要。
笔者认为，以下12大读者群体适合阅读该书：
企事业单位高层管理人员。
企事业单位信息化主管领导(CIO)。
企事业单位数据管理主管领导（CDO）。
企事业单位IT人员。
企事业单位数据管理团队及专、兼职数据管理人员。
企事业单位各业务职能部门数据管理专员。
评估及帮助提高客户数据管理的咨询顾问。
会计事务所的会计师
咨询公司风险审计师
负责开发和提供数据管理课程的教育工作者。
MBA和信息管理专业本科及以上学生。
政府领域数据管理领域的研究人员。
同时，《穿越数据的迷宫》切入点比较全面和系统，适合于高校MBA或者计算机专业本科或者以上的教科书。
《穿越数据的迷宫》全书共12章，前４章是对数据管理的总体概览，第5-8章章对数据管理生命周期的机制进行了说明，第9-12章包括帮助建立对数据的信任和确保组织从其数据中逐渐获得价值所需的基础活动。
阐述什么是数据管理，以及把数据当作资产来管理可以如何帮助你的组织。
1)数据管理的内容分为三大类：
数据治理活动：确保组织对数据作出合理、一致的决策；
数据生命周期活动：管理从数据的获取到数据的消除整个过程；
数据基础活动：包含数据的管理、维护和使用。
图二、数据管理的工作内容
2)该章节主要观点和理念：
数据管理的目标是使组织能够从其数据中获得更多价值；
在数据赋能的现实中，可靠的数据管理方法变得越来越重要；
数据管理包括数据治理活动、数据生命周期活动和数据基础活动；
数据管理涉及一系列技能，包括战略性的技能、 高度技术性的技能等；
随着业务需求和技术能力的发展，数据管理实践正在迅速发展。
概述为什么数据管理不同于其他资产和资源的管理。
（1）数据管理常常遇到以下挑战：
1）把数据作为资产进行管理
数据同其他资产不同；
数据意味着风险；
低质量的数据会耗费时间和资金；
数据的价值评估还未标准化。
2）管理数据的生命周期
数据管理包括对数据生命周期的管理；
不同类型的数据有不同的生命周期；
元数据必须作为数据生命周期的一部分进行管理。
3）在企业整体层面进行数据管理
数据管理往往与信息技术管理混淆；
数据管理是跨界的，而且需要一系列技能；
数据管理需要从企业的整体层面进行，并需要领导层的支持。
（2）该章节主要观点和理念：
数据是一种有价值的资产, 但也隐含着风险, 一个组织可以通过低质量数据的代价和高质量数据的收益来分析数据的价值;
数据的特质决定了数据管理是一项挑战;
应对挑战的最好方法是对数据进行全生命周期管理，同时数据管理应该在企业整体层面来进行;
如果组织不能很好地管理数据的生命周期，就会给自己带来高昂的成本，尽管许多成本是隐性的;
数据的生命周期管理需要规划、技术和协同工作。
阐述有效的可以帮助我们应对数据带来的挑战的数据管理原则；介绍按照数据管理成熟度模型来不断改进数据管理实践的概念。
（1）数据管理四个方面原则如下：
数据是有价值的
数据管理需求是业务需求
数据管理需要各种不同的技能
数据管理是生命周期管理
图三、数据管理功能框架
（2）该章节主要观点和理念：
ＤＡＭＡ 的数据管理原则是针对数据管理所带来的挑战而专门开发的；
这些原则能够使组织采取更具战略性的方法来管理数据；
这些原则可被用于制定政策、定义程序以及实现战略决策；
参与数据管理任何方面的人员都应熟悉这些原则并能够将其应用到他们负责的工作当中。
ＤＡＭＡ的数据管理原则也可以与数据管理成熟度评估一起使用，以便了解组织当前的状态，并制定改进的路线图。
描述构成数据管理伦理的基本原则；阐述数据伦理处理方法如何帮助组织避免数据的非正常使用及由此带来的对客户、声誉或更广大群体的危害。
（1）数据合乎伦理道德的数据处理的重要性:
为什么以合乎伦理道德的方式管理数据非常重要
合乎伦理道德的数据处理的基本原则
采用合乎伦理道德的方法进行数据管理的好处
如何建立数据管理的伦理道德方法
（2）主要观点和理念：
组织需要以合乎伦理道德的方式处理数据，否则就有风险，就有可能失去客户、员工、合作伙伴和其他利益相关方的信任；
数据伦理植根于社会的基本原则和伦理道德的基本述求；
与数据相关的监管基于这些相同的原则和要求，但监管不能涵盖所有意外情况。因此，组织必须考虑到自己行为的伦理道德规范；
组织应该为它们处理数据培养道德责任文化，这不仅是为了符合合规要求，同时也是本来就应该做的正确的事；
合乎伦理道德的数据处理最终将为组织提供竞争优势，因为它是信任的基础。
阐述数据治理在数据监管方面的作用，重点说明组织可以采取何种方式实施治理以便作出更好的关于数据运营和战略的决策。
（1）数据治理的定义:
为对数据资产的管理行使权力和控制 ( 例如策划、 监 督和强制执行)。治理活动有助于控制数据的开发和使用，也降低了与数 据相关的风险，并使一个组织可以战略性地利用数据。
（2）主要观点和理念：
数据治理是一项持续的工作，通过阐明战略、建立框架、制定方 针以及实现数据共享，为所有其他数据管理职能提供指导和监督；
数据治理本身并不是目的，它是实现业务目标的一种手段；
数据治理职能如何设立，依赖于数据治理项目的目标和企业文化；
数据治理通过将活动 ( Activities)和行为 ( Behaviors)与数据管 理原则相结合，来支持组织的业务战略，帮助组织应对数据管理的挑战；
数据治理需要领导层的承诺和投入，该承诺也将有助于数据管理 职能的其他功能获得成功。
数据生命周期管理的规划和设计，描述架构和数据建模在数据管理中的作用，以及规划和设计在整个数据生命周期中的重要性。
（1）描述内容如下：
企业架构在组织数据规划和设计中的角色；
数据架构在数据管理中的关键作用；
与数据建模相关的目标和构件。
（2）主要观点和理念：
数据架构对于组织理解自身 (系统、数据以及业务和技术流程之间的关系) 的能力至关重要；
整体架构的战略方法使组织能够作出更好的决策；
数据架构关注使组织能够理解和捕获有关自身数据的显性知识；
数据架构流程创建和管理的元数据对于数据的长期使用和管理至关重要；
数据建模对于数据管理至关重要。因为数据模型定义了组织的重要实体,明确了数据需求以及管理数据和数据质量所必需的规则和关系。
数据赋能和数据维护。概述获取、集成和存储数据的活动，并使数据能够逐渐流通和被访问。这些活动包括将设计理念适用于创建可靠的、高性能的及安全的数据仓库、数据集市及其他数据存储环境。
（1）包含的内容如下
数据存储与操作；
数据整合与协同；
数据仓库；
参考数据管理；
主数据管理；
文档与内容管理；
大数据存储。
（2）主要观点和理念：
数据赋能和数据维护的过程广泛、多样且不断发展；
不同类型的数据具有特定的维护需求，但对于所有数据类型。必须考虑数据的波动性 ( 预期变化的速率、时间和类型) 以及质量 ( 适用性)；
良好的规划和设计有助于降低与此流程相关的复杂性；
可靠、 适当的技术以及规范的操作流程对组织管理数据的能力至关重要；
即使数据和技术不断变化 ( 例如：从文档发展到大数据)，数据管理的基本原则同样适用。
使用和增强数据: 描述如何使用数据来创建新的数据，为组织带来价值。数据的增强增加了数据生命周期的价值和复杂性。它要求组织对数据的有机增长加以规划和培养。
数据区别于其他资产的一个特征是其被使用后，并不会产生损耗，不同的人或流程可以在同一时间使用相同的数据，或者多次使用同一数据，都不会使其耗尽。数据不仅不会被损耗。反倒经过多次使用后会生成更多的数据。
（1）数据生命周期内与数据使用和优化相关的数据活动包含：
主数据的使用；
商务智能；
数据科学；
预测性分析；
数据可视化；
数据货币化。
（2）主要观点和理念：
当我们在使用数据时还会产生新的数据，这些新数据也需要在整个生命周期内进行管理，但在进行分析时，我们经常忽略了基于生命周期的管理要求；
这些新数据通常是组织可以拥有的最有价值的数据，因为它们是洞察力的来源；
由于技术和方法不断发展，产生的新数据可能会影响数据管理要求达成的方式；
虽然新技术提供了数据处理的新方法， 但它们也与以往的数据和传统技术并存，并相互作用；
许多组织寻求通过数据货币化的方法从其数据中获取价值，为了达成这一目标，较为符合逻辑的出发点是改进数据管理实践，数据管理工作既可以提高效率，也可以为直接货币化创造最佳条件。
描述如何管理与数据相 关的风险，尤其是有可能导致违规、 潜在的数据破坏或恶意使用数据所带来的相关风险。
（1）数据安全包括：
安全政策和安全程序的规划、开发和执行、以提供对数据和信息资产的身份验证、授权、访问和审核。
（2）主要观点和理念：
数据安全管理是数据管理成功的基础，正确的数据保护是达到利益相关者期望所必要的，并且对于企业来说也是正确的事情；
基于数据管理最佳方法管理的数据也更易于保护，因为它可以对数据进行高可靠的分类和标记；
相关数据安全的活动包括从企业整体层面来规划数据安全、建立可靠的安全架构，以及管理与安全相关的元数据；
保护数据的必要性要求供应商和合作伙伴也确保其数据安全；
强大的、可被证明的数据安全实践可以成为差异化因素，因为这些实践有助于建立信任关系。
描述如何管理与数据相关的风险，尤其是有可能导致违规、潜在的数据破坏或恶意使用数据所带来的相关风险。
该章节主要观点和理念：
元数据管理是整个数据生命周期中需要做的基础性工作，没有元数据就无法管理数据；企业需要对元数据的生命周期进行管理。元数据管理本身并不是目的，它是组织从其数据中获得更多价值的一种手段，用以最小化风险和实现数据价值。要达到数据驱动，组织必须先是由元数据驱动的。
描述如何管理与数据相 关的风险，尤其是有可能导致违规、潜在的数据破坏或恶意使用数据所带来的相关风险。
劣质的数据会导致很高的成本，拥有高质量的数据会获益颇丰；
数据的质量可以被管理和提升，就像实体产品的质量可以被管理 和改进一样；
一开始就获取正确的数据的成本远比获取了错误的数据导致后期需要加以修正的代价要低得多；
数据质量管理需要广泛的技能和组织承诺。
组织对质量的承诺需要坚定的领导层
总结全书，通过现状评估、清晰的路线图以及组织变革管理来重新指导组织的数据管理实践。管理良好的数据取决于计划、治理和对质量及安全的承诺，以及对数据管理过程的严格执行。
十九届 四中全会已经明确将数据列为生产要素，与资本、土地、劳动、技术等并列，参与社会分配，将数据作为企事业单位非常重要的资产去管理，大力推进数据治理这项长期性、基础性的艰巨的任务。我们希望。我们每位数据管理的专业人士都应该买一本送给我们的领导层，让他们在飞机和高铁上可以阅读。
关于DAMA-DMBOK2：
该书的中文版将于2020年3月在国内由机械工业出版社出版。这本书是国际公认和有相当权威的数据管理知识体系。
大多数组织都依赖数据， 那么你在组织通向成功的道路上可以发挥关键的作用。可靠的数据管理需要整个组织的努力，而这种努力应当从领导层开始。DAMA希望本书能够让你穿越数据管理的迷宫，为你的组织开拓机遇，使其从数据中获取更大的价值。
数据治理系列文章预告:
第十三篇: “五段码”描述模板技术和“四个八二”实施法则是物料数据标准化成功保障
第十四篇: 深度解读《DAMA Book2.0数据管理知识体系指南》
第十五篇: 存量系统物料主数据代码转化难点的剖析和应对措施
第十六篇: 数据资产的成功要素：数据战略管理
第十七篇: 数据治理考核体系相关思路
第十八篇:一体化数据治理和共享平台－数据资产管理目录工具介绍
第十九篇:一体化数据治理和共享平台－主数据管理工具介绍
第二十篇:一体化数据治理和共享平台－数据质量管理工具介绍
第二十一篇:一体化数据治理和共享平台－数据安全工具介绍
第二十二篇:一体化数据治理和共享平台－元数据工具介绍
第二十三篇:一体化数据治理和共享平台－数据模型工具介绍
第二十四篇:数据清洗工具、策略和步骤方法
蔡春久：某公司数据业务负责人。中国数据标准化及治理大会组委会评为十位“ 中国数据标准化及治理专家”之一 。中国大数据技术标准推进委员会数据资产专家、中电标协企业信息标准化委员会常委委员、eCl@ss协会会员（国际产品分类标准化组织）、中国数据工匠俱乐部发起人。工商管理硕士，具有二十年特大型集团企业IT咨询服务和数据治理行业经验，从业前十年主要从事物资采购变革与管理、PLM、ERP、MES等领域咨询服务，近十年专注数据治理及标准化、数据架构、智能工厂等咨询工作。为中国石化集团、中国兵器工业集团、中国航天科工集团、中国核工业集团、国投集团、晋煤集团、中国外运股份、新兴际华集团、国家电投集团、中国一重集团、哈电集团、延长石油集团、恒力集团等80余家国内及世界500强集团企业提供数据治理相关咨询服务。
(欢迎大家加入数据工匠知识星球获取更多资讯。)
扫描二维码关注我们
微信：DaasCai
邮箱：ccjiu@163.com
QQ：3365722008
我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。
我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。
我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。
了解更多精彩内容
长按，识别二维码，关注我们吧！
数据工匠俱乐部
微信号：zgsjgjjlb
专注数据治理，推动大数据发展。