编者按：欢迎加入《数字化转型研习社》，专注数字化转型领域，打造一个汇聚数字化转型爱好者，一起科研、学习、实践的交流平台。
数据管理的原则
数据管理需要平衡战略和运用需求，根据数据管理原则，指导数据管理实践。
（1）数据是有独特属性的资产
数据是一种资产，但相比其他资产，其在管理方式的某些方面有很大差异。对比金融和实物资产，其中最明细的一个特点是数据资产在使用过程中不会产生消耗。
（2）数据的价值可以用经济术语来表示
应该开发一致的方法来量化数据的价值，还应该衡量低质量数据的成本和高质量数据的好处。
（3）管理数据意味着对数据的质量管理
确保数据符合应用的要求是数据管理的首要目标。为了管理质量，组织必须了解利益相关方对质量的要求，并根据这些要求度量数据。
（4）管理数据需要元数据
数据无法拿在手中或触摸到，要理解它是什么以及如何使用它，需要以元数据的形式定义这些知识。元数据源于与数据创建、处理和使用相关的一系列流程，包括架构、建模、管理、治理、数据治理管理、系统开发、IT和业务运营以及分析。
（5） 数据管理需要规划
数据在多个地方被创建，且因为使用需要在很多存储位置间移动，因而需要做一些协调工作来保持最终结果的一致，需要从架构和流程的角度进行规划。
（6）数据管理须驱动信息技术决策
数据和数据管理与信息技术和信息技术管理紧密结合。管理数据需要一种方法，确保技术服务于而不是驱动组织的战略数据。
（7）数据管理是跨职能的工作
数据管理需要技术能力、非技术能力以及协作能力，单个团队无法管理组织的所有数据。
（8）数据管理需要企业级视角
虽然数据管理存在很多专用的应用程序，但它必须能够有效地被应用于整个企业。
（9）数据管理需要多角度思考
数据是流动的，数据管理必须不断发展演进，以跟上数据创建的方式、应用的方式和消费者的变化。
（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
数据是具有生命周期的，并且数据又将产生更多的数据，所以数据生命周期本身可能非常复杂。
不同类型数据有不同的生命周期特征，因此它们有不同的管理需求。数据管理实践需要基于这些差异，保持足够的灵活性，以满足不同类型数据的生命周期需求。
（11）数据管理需要纳入与数据相关的风险
数据可能丢失、被盗或误用组织必须考虑其使用数据的伦理影响，数据相关风险必须作为数据生命周期的一部分进行管理。
（12）有效的数据管理需要领导层承担责任
数据管理涉及一些复杂的过程，需要协调、协作和承诺。为了达到目标，不仅需要管理技巧，还需要来自领导层的愿景和使命。
数据管理的挑战
1. 数据资产的特殊性
实物资产是看得见摸得着，可以移动的。在同一时刻它们只能放置在一个地方。金融资产必须在资产负债表上记账。然而数据不同，它不是有形的。尽管数据的价值经常随着时间的推移而变化。但它是持久的，不会磨损的。数据很容易被复制和传输。但它一旦丢失或被销毁的话，就不容易重新产生了。因为它在使用时不会被消耗，所以它甚至可以在不消失的情况下被偷走。数据是动态的，可以被用于多种目的。同样的数据甚至可以在同时被许多人使用，而这对实物资产或金融资产是不可能的。数据的多次使用产生了更多的数据。大多数组织不得不管理着不断提升的数据量和越来越复杂的数据关系。
这些差异使得追踪数据成为挑战，更不用说用货币价值来评估数据了。也导致了其他问题，比如：
1）盘点组织有多少数据。
2）定义数据的所有权和责任
3）防止滥用数据
4）数据风险管理
5）定义和执行数据质量标准
2、数据价值（Value）
数据的价值评估没有统一标准。
数据价值是一件事物的成本和从中获得利益的差额。对数据而言，无论是数据的成本还是利润都没有统一标准，这些计算会变得错综复杂。
评估数据价值首先计算在组织内部持续付出的一般性成本和各类收益，类别枚举如下：
1）获取和存储数据的成本。
2）替代丢失数据的成本。
3）数据丢失对组织的影响成本。
4）风险缓解成本和与数据相关的潜在风险成本。
5）改进数据的成本。
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。
对数据进行价值评估，还需认识到数据的价值是场景性的。换言之，对一个组织来说有价值的数据，对另一个组织可能毫无意义。数据价值的评估也具有时间性。比如，昨天有价值的数据，到了今天可能就没有价值了。尽管如此，在组织中还是有一些数据是永久有价值的，比如客户数据。所以，组织需要首先专注于提升这些核心数据的质量。
3、数据质量，低质量的数据带来损耗
确保高质量的数据是数据管理的核心。数据管理的核心是确保数据的质量。如果数据未能满足使用者的需求——没有帮助使用者达到预期的目的，那么所有收集、存储、安全加固、使用数据的努力都是无用的。为了确保数据满足业务需求，数据管理团队必须与数据使用者一起去定义数据的特征，使之成为高质量的数据。
在数据的使用上，多数情况下要在运用数据的过程中进行学习，并进一步创造价值。例如，了解客户习惯以改进产品和服务质量。低质量的数据会对这些决策产生负面影响。
低质量数据对任何组织来说都是代价高昂的。
在低质量数据相关的费用成本中，多数都是隐藏的和间接的，因此难以核算。其他的成本，如罚金，是直接的、可以计算的。低质量数据的成本主要来源于：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。
高质量数据的作用包括：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
从数据中获取价值不是偶然的，需要以多种形式进行规划。
更好的数据规划需要有针对架构、模型和功能设计的战略路径。它也取决于业务和IT领导之间的战略协作，以及单个项目的执行力。挑战在于，通常存在组织、时间和金钱方面的长期压力，因而阻碍了优化计划的执行。组织在执行战略时必须平衡长期目标和短期目标。只有明确权衡，才会获得有效决策。
5、元数据和数据管理
元数据管理是全面改进数据管理的起点。
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。数据是抽象的，上下文语境的定义和其他描述让数据清晰明确。它们使数据、数据生命周期和包含数据的复杂系统易于理解。
6、数据管理是跨职能的工作
数据管理包括了一系列互相关联、与数据生命周期相关的流程。尽管很多组织把数据管理当作信息技术的一个功能，但是它确实需要拥有不同技能的各个部门的许多人一起来完成。数据管理是一个复杂的流程，因为它需要贯穿整个组织。数据管理是一个复杂的过程。在数据生命周期中，不同阶段由不同团队进行不同的管理。
数据管理需要：（1）能对生产可靠数据进行规划的业务流程技能。（2）规划在哪里存储或使用数据的系统设计技能。（3）管理硬件和搭建数据运维软件的高科技技能。（4）发现数据问题的解析技能。（5）理解数据和解决新问题的分析技能。（6）表达能力，能够让人们对定义和模型取得一致意见，从而可以理解相关数据。（7）能够发现机会并通过使用数据来服务消费者、达成目标的战略思想。
现在的挑战是，人们怎样才能对以上各种技能和愿景进行组合，以便和组织内的其他人协同工作，最终达成共同目标。
期待您在下方留言。
DAMA数据管理知识体系（2）－DAMA认证（CDMP、CDGP、CDGA）
DAMA数据管理知识体系（4）- 数据资产及数据资产的特殊性
DAMA数据管理知识体系（5）- 数据治理、数据管理和数据管理活动
