数据管理(数据管理包括哪些内容)

数据管理包括哪些内容

数据管理的主要内容
国际数据管理协会(Data Management Association，简称“DAMA”)，由全球的数据管理爱好者们组成，随着众多专家倾注热情与专业的编著，《DAMA数据管理知识体系指南(第2版)》横空出世，这本书明确地定义了数据管理体系建设的完整知识体系，成为数据管理知识体系建设指明灯般的存在。《DAMA-DMBOK2职能框架》主要介绍了数据管理知识体系中11个主要的数据管理职能：

数据管理
(1)数据治理：建立数据决策体系，指导监督数据管理工作，从而考虑到满足企业的整体需求。
(2)数据架构：是管理数据资产的绝对重点，数据架构取决于企业的战略目标。
(3)数据建模和设计：通过数据模型展现、沟通实际需求。
(4)数据存储和操作：在整个数据存储生命周期中，从初期设计到最终灭失，实现数据价值最大化。

(5)数据安全：保障数据的获取和使用。
(6)数据集成和互操作：数据备份、数据共享、数据在应用内数据整合移动的相关过程。
(7)文档和内容管理：主要管理非结构化数据和数据的整个生命周期。
(8)参考数据和主数据管理：核心共享的业务数据，真实、准确地在各系统内一致使用。
(9)数据仓库和商务智能：通过流程管理支持数据，通过分析报告获取数据价值。
(10)元数据管理：通过规划控制，访问定模型、数据流的高质量元数据信息。
(11)数据质量管理：通过质量管理技术，提高数据的适用性。

数据管理包括哪些内容

数据管理是规划、控制和提供数据及信息资产的一组业务职能，包括开发执行监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据和信息资产的价值。

数据治理职能：

1、业务词汇表：对于企业而言，建立统一的业务术语非常关键，如果这些术语和上下文不能横跨整个企业的范畴，那么它将会在不同的业务部门中出现不同的表述。

2、元数据：元数据要求数据元素和术语的一致性定义，它们通常聚集于业务词汇表上。

3、数据质量：数据质量的具体措施包括数据详细检查的流程，目的是让业务部门信任这些数据。数据质量是非常重要的，有人认为它不同于治理，它极大提升了治理的水平。

4、生命周期管理：数据保存的时间跨度、数据保存的位置，以及数据如何使用都会随着时间而产生变化，某些生命周期管理还会受到法律法规的影响。

如何做好数据管理

　　数据管理是信息化建设工作中的重点之一,通过健全组织、规范管理、比对分析、综合运用，把数据管理与企业生产有机结合，从而使企业利益进一步提高。

　　(一)提高认识，科学管理

　　对数据进行科学的管理，只有上升到战略的高度上去认识和重视才行。数据是主体软件应用的基础。所有的企业资料最终都汇集成数据，保存在计算机系统的数据库中，工作人员通过信息交互系统从后台数据库获取所需数据，经中间层信息系统处理后得到结果，所有的查询、分析都需要真实、全面、准确、一致的数据。企业信息化建设中存在的一些问题，主要不是因为没有好的系统，而是因为已有的系统没有得到很好的应用。因此，数据的准确性、完整性、科学性，将直接决定结果的正确性。也必将影响信息化应用的成效。同时，只有科学的管理，才能保证数据的准确、完整。

　　(二)健全职能部门，完善管理制度

　　数据管理职能因该有专门的部门实施，因此应成立专门数据管理领导小组和数据管理(处理)部门，将数据的监管职责赋予数据管理部门，由数据管理部门集中管理监控数据，各有关职责部门配合。各单位也相应设立相应的数据处理岗。然后制发《数据管理办法》、《数据管理责任追究暂行办法》，明确数据管理部门的职责范围、工作程序、监控内容、考核奖惩等，建立数据通报、培训等制度，制定信息采集、审核、录入、分析比对、信息传递等相关办法，使数据监管与运用工作逐步规范。

　　(三)严控数据录入环节，加强源头控制

　　一是提高人员素质。对数据录入人员进行软件操作、数据录入、职责规定等知识培训，明确职责、明确各级、各岗数据管理人员工作职责及质量标准;明确综合管理软件的问题提交、处理、反馈程序，数据出现问题都由数据管理部门统一负责接收、研究解决并反馈，避免多头提交、多头请示，为数据管理工作提供人员素质保障。

　　二是加强信息系统提高系统本身的差错纠错功能，减少或避免数据录入的错误。

　　三是创建合理高效工作流。结合实际情况制定工作流，明确职责、避免重复、方便管理为目的，细化岗位，一人多岗(单位人数少)或一岗多人(岗位工作量大)，科学的`连接每个岗位，组织起高效的工作流，减少数据冗余，最大限度地提高征管效率。

　　四是原则行事。按照“三不录”原则，即不规范不录、不安全不录、未审核不录，严把数据的采集、审核、审批、录入、修改等环节。确保系统数据完整、准确，系统运转优质、高效。

　　五是通报考核。建立通报制度。例如，坚持 “一月一通报、一月一讲评、一月一考核、一月一追究”。按时将各单位征管数据质量完成情况等，在公文处理系统和网站上发布数据通报，并在每月的局务例会上，由分管局长对上月数据质量进行通报讲评，分析症结，提出整改措施。建立日常考核台账，按月考核，并将各单位得分情况张榜公布;同时，按照责任追究办法，追究相关单位和人员的责任。对全年数据质量评比排名在后几位的，目标管理考核中给予倒扣分。制定数据考核指标，数据质量考核中，低于平均指标的，目标管理考核一票否优。

　　(四)思想要重视，全员要参与

　　加强数据管理，全面推进企业信息化建设应用进程，离不开各级领导的重视和支持，只有领导重视，才是做好数据管理和深入分析的关键，信息化建设才能真正得到发展。同时，所有的工作人员，都应该把好各自工作环节的数据管理，不制造垃圾数据、错误数据，发现问题及时解决，追根求源，争取将错误数据、垃圾数据剔除干净，确保数据的正确完整。

　　(五)协作要到位

　　数据处理工作中，信息技术是实现手段，信息技术应用的先进性决定了系统软件的质量水平高低，而业务的规范程度决定了信息化推进的广度和深度。数据处理应用不仅涉及信息化技术的选择和应用，同时还涉及到企业业务流程的规范和统一，并且直接影响企业系统信息化建设的成效。所以，每一项企业管理数据处理及其具体应用，都离不开信息部门和业务部门的紧密合作、协同工作。技术部门与业务部门需要很好的合作和相互的支持和配合，才能使数据处理应用程度深化和完善。

　　(六)机制要健全

　　在业已建立机制的基础上，要进一步完善数据分析应用管理办法，建立部门工作责任制，包括项目管理制度、信息发布制度等;建立与数据处理应用相适应的企业业务配套制度;建立信息技术支持、安全和运维保障制度，包括信息安全应急处置预案、运维岗责体系等，保障数据分析应用工作健康有序发展。

什么是数据处理？什么是数据管理？两者之间的区别是什么

两者是完全不同的。

数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。

数据处理是系统工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度，极大地影响了人类社会发展的进程。

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。其目的在于充分有效地发挥数据的作用。实现数据有效管理的关键是数据组织。

随着计算机技术的发展，数据管理经历了人工管理、文件系统、 数据库系统三个发展阶段。在数据库系统中所建立的数据结构，更充分地描述了数据间的内在联系。

便于数据修改、更新与扩充，同时保证了数据的独立性、可靠、安全性与完整性，减少了数据冗余，故提高了数据共享程度及数据管理效率。

简述数据管理的三种方法？

1、单个云包括存储和应用程序
　　2、应用程序在云端，存储在本地
　　3、应用程序在云端，而且数据缓存也在云端，存储在本地

　　在第一种情况下，通过将所有的内容都放在单个云服务商来节省带宽成本，但是这会产生一些(供应商)锁定，这个通常与 CIO 的云战略或者风险防范计划所冲突。
　　第二种方案是仅仅保留应用程序在云端所收集的数据，并且以最小的方式传输到本地存储。这就需要仔细的考虑策略，其中只有最少使用数据的应用程序部署在云端。
　　第三种情况就是将数据缓存在云端，应用程序和存储的数据被存储在本地。这也就意味着分析、人工智能、机器学习可以在内部运行而无需把数据向云服务商上传，然后处理之后再返回。缓存的数据仅仅基于应用程序对云的需求，甚至进行跨多云的部署缓存。
　　企业应根据数据量以及数据的敏感度去进行衡量，判断是选择哪一种储存方式更适合，这样才能做出对企业发展有益的决策。

数据资产管理包括哪些内容

数据资产管理包含数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理、数据共享管理等8个管理。

1、数据标准是指保障数据内外部使用和交换一致性和准确性、规范性的约束，数据标准管理关键活动的第一个是理解数据标准化的需求，即任何一个管理活动都要和企业的战略规划、企业的需求紧密地结合。

数据标准管理的第二个关键活动就是制定数据标准的体系与规范，第三个是制定相应的管理办法以及实施流程要求，第四个是建立一些数据标准的管理工具。

2、数据模型是现实世界数据特征的抽象。数据模型包括三个：

概念模型，概念模型是面向用户与客观实践的，构建概念模型的本身与数据库或者数据仓库的架构搭建没有特别多的关系。

在建立了概念模型的基础之上可以构建逻辑模型，逻辑模型是面向业务的，用于指导一些数据库系统的实现。

物理模型，物理模型是基于逻辑模型，面向计算机物理表示，考虑了操作系统、硬件模型等等，描述数据在存储介质上的结构。

3、元数据管理，以二维表为例，想描述一个二维表信息的话，可以描述它每一行、每一页，也可以提取这个表中的一些抽象化或者是更高层次的信息，比如说这些表的字段或者表的结构以及表的大小等等，这样就对这个表格进行了数据的描述。

可以帮助实现关键信息的追踪与记录，快速掌握元数据的变化可能带来的风险。

元数据非常关键的运用是进行血缘分析和影响分析，通过进行血缘分析和影响分析可以了解数据走向，知道数据是从哪里来到哪里去，也可以构建数据地图和数据目录自动提取元数据信息，了解这个企业目前拥有数据资产情况。

4、主数据管理，比如说供应商数据、物料数据、客户数据、员工数据。主数据管理可以使企业跨系统使用一致的和共享的数据，从而可以降低成本和复杂度，来支撑跨部门、跨系统数据融合的应用。

主数据的关键活动包括识别主数据、定义和维护主数据的架构以及实现数据库与主数据库的同步。

主数据管理在很多行业成为企业开展数据资产管理的切入点。通过对主数据的梳理和管理，将建立数据的一个参考，为数据标准后期的管理节约很多的人力和物力。

5、数据质量管理，可以帮助企业获得一些干净以及结构清晰的数据，进而可以提高数据应用和服务的水平。数据质量好坏的衡量指标一般包括完整性、规范性、一致性、准确性、唯一性、时效性。

在定义数据质量管理时应该将管理过程中成本考虑进去。同样还需要和企业的业务需求紧密结合找到平衡点。数据质量管理其他的关键活动包括持续的测量、监控数据的质量、分析数据质量产生问题的根本原因，以及制定数据质量的改善方案，监控数据质量管理操作和绩效等等。

6、数据安全管理，主要是对数据设定一些安全等级来评估数据的安全风险，来完善数据安全管理相关的技术规范，通过对数据进行全生命周期的安全管控，包括数据的生成、存储、使用、共享、销毁等实现事中前可管、事中可控、事后可查。

7、数据价值管理，通过从数据的成本和数据的应用价值两个方面的度量，使企业能够最优化、最大化释放数据的价值。成本价值计量可以从采集、存储、计算成本进行评估，也可以从运维成本评估，还可以从数据的活性以及数据质量应用场景的经济性等角度进行评估。

数据的成本和数据价值的评估维度主要和自己的应用场景和业务需求挂钩即可。数据成本与数据价值典型评价方法包括成本法、收益法和市场化。

8、数据共享管理，包括数据内部共享、外部流通、对外开放。数据共享管理的关键活动就是包括定义数据资产运营指标、设计管理方案等。