数据治理–数据管理标准规范的初步认识
什么是数据治理
维基百科针对数据治理的定义是：
数据治理对于确保数据的准确、适度分享和保护是至关重要的。有效的数据治理计划会通过改进决策、缩减成本、降低风险和提高安全合规等方式，将价值回馈于业务，并最终体现为增加收入和利润。
数据管理是把业务和信息技术融合起来所必需的一整套技术、方法及相应的管理和治理过程。数据管理涵盖数据治理，是数据管理活动的中心。
数据治理的需求层次及治理阶段
治理的概念及需求层次
- 数据治理的内涵逐步泛化是业界共识
- 企业数据治理，涵盖数据发现可用、数据及时稳定产出、数据质量保障、数据安全合规和数据生产的经济性等多个层次。企业数字化转型阶段不同，治理关注的核心需求存在差异
- 数据管理管理中，要保证一个组织已经将数据转换成有用的信息，这项工作所需要的流程和工具就是数据治理的工作
治理的阶段
数据治理发展实施阶段
数据治理的范畴
数据治理在国际、国内都有标准规范：
- 国际：DAMA的DMBOK2 即《DAMA-DMBOK2数据管理知识体系指南（第2版）》，定义了10大职能领域
- 国内：DCMM 定义了 8大过程域
DCMM
DCMM全称Data Management Capability Maturity Assessment Model, 数据管理能力成熟度评估模型。
是我国首个数据管理领域国家标准，将组织内部数据能力划分为八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。
工信部信软司、国家市场监管总局标准技术管理司于2014年成立全国信标委大数据标准工作组，从事国家大数据领域标准化工作。工作组成立当年，DCMM国家标准立项，正式启动研制工作，经过近4年的标准研制、试验验证，2018年3月15日正式发布，是我国数据管理领域最佳实践的总结和提升。
DCMM结合数据生命周期管理各个阶段的特征，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出组织数据管理的八大过程域，并对每项能力域进行了二级过程项（28个过程项）和发展等级的划分（5个等级）以及相关功能介绍和评定指标（441项指标）的制定。
DAMA数据管理知识体系
DAMA国际通过对业界数据管理最佳实践的分析总结，出版了《DAMA-DMBOK2数据管理知识体系指南（第2版）》
DAMA数据管理知识体系是DAMA集业界数百专家的经验于一体，编写了数据管理知识体系。
该体系是业界数据管理最佳实践的结晶，成为从事数据管理工作的经典参考和指南。
DAMA-DMBOK2理论框架由车轮图（由11个数据管理职能领域）和环境因素六边形图（由7个基本环境要素）”共同构成“DAMA数据管理知识体系”，每项数据职能领域都由环境因素六边形图中定义的7个基本环境要素进行描述，并在环境要素的约束下开展工作，并由语境关系图描述了知识领域的细节，包括与人员、流程、技术相关的细节
DAMA车轮图
- DAMA车轮图定义了数据管理知识领域。因为数据治理是实现功能内部一致性和功能之间平衡所必需的，故将数据治理放在数据管理活动的中心。
- 其他知识领域（数据体系结构、数据建模等）围绕车轮平衡。它们都是成熟数据管理功能的必要组成部分，但根据各组织的需求，它们可能在不同的时间实现。
环境因素六边形图
- 显示了人、流程和技术之间的关系，是理解DMBOK语境关系图的关键。因为目标和原则为人们如何执行活动、有效地使用工具来成功进行数据管理提供了指导，所以将它放在中心
- 整个知识体系的每一个知识领域，都将按照环境六边形图进行展开。
语境关系图
- 描述了知识领域的细节，包括与人员、流程、技术相关的细节。它们基于产品管理（供应者、输入、活动、交付成果和消费者）的SIPOC图的概念。因为这些活动生产了满足利益相关者需求的可交付成果，所以将活动放在中心
- 每个语境关系图都以知识领域的定义和目标开始。驱动目标（中心）的活动分为4个阶段：计划、开发、运营、控制即PDOC
- 最上面是这个知识领域的定义和目标
- 在左侧流入活动中的输入和供应者
- 右侧从活动中流出交付成果和消费者
- 参与者列在活动下方
- 底层是影响知识领域各个方面的工具、技术和度量标准。
其它形式视图
实施路径视图
业务视图