DAMA-DMBOK2重点知识整理CDGA/CDGP——第3章 数据治理_dama-dmbok2 数据治理

目录

一、分值分布

二、重点知识梳理

1、引言

1.1 业务驱动因素

1.2 目标和原则

1.3 基本概念

2、数据治理活动活动

2.1 规划组织的数据治理

2.2 制定组织数据治理战略

2.3 实施数据治理

2.4 嵌入数据治理

3、工具和方法

4、实施指南

4.1 组织和文化

4.2 调整和沟通

5、度量指标

---

一、分值分布

        CDGA：10分（10单选）

        CDGP：10分（2单选，4多选）

                考点：

                        驱动因素、目标和原则；

                        组织和管理职责；

                        数据治理活动；

                        实施指南、组织和文化；

二、重点知识梳理

1、引言

语境关系图:

数据治理（Data Governance，DG）：对数据资产管理行使权力、控制和共享决策（规划/监测和执行）的系列活动。

数据治理职能：是指导所有其他数据管理领域的活动。

数据治理的目的：是确保根据数据管理制度和最佳实践正确地管理数据。

数据管理的整体驱动力：是确保组织可以从其数据中获得价值。

数据治理聚焦于：如何制定有关数据的决策、人员和流程在数据方面的行为方式。

数据治理项目范围和焦点依赖组织需求，多数项目包含以下内容：

1. 战略。
2. 制度。
3. 标准和质量。
4. 监督。
5. 合规。
6. 问题管理。
7. 数据管理项目。
8. 数据资产估值。

1.1 业务驱动因素

业务驱动因素：

1. 常见是法规遵从性，特别是重点监控行业。
2. 高级分析师、数据科学家的迅猛发展也成为新增的驱动力
3. 通过其他业务信息化管理需求所驱动

聚焦减少风险和改进流程。

• 1.减少风险：
  • 1）一般性风险管理；
  • 2）数据安全；
  • 3）隐私；
• 2.改进流程：
  • 1）法规遵从性；
  • 2）数据质量提升；
  • 3）元数据管理；
  • 4）项目开发效率；
  • 5）供应商管理；

数据治理注意事项：

• 数据治理不是一次性的行为，是持续性的项目集。可由虚拟组织或有特定职责的实体组织承担责任。要考虑组织和文化的独特性问题，还有内部要面对的具体挑战和机遇。
• 数据治理要与IT治理分开。

1.2 目标和原则

数据治理目标：使组织能够将数据作为资产进行管理

1. 提升管理数据资产的能力；
2. 定义、批准、沟通和实施数据管理的原则、政策、程序、指标、工具和责任；
3. 监控和指导政策合规性、数据使用和管理活动

有效的数据治理特征：

1. 可持续发展：它不是以一个项目作为终点，而是一个持续的过程
2. 嵌入式的：数据治理不是一个附加管理流程
3. 可度量：需要了解起始过程并计划可度量的改进方案

建立数据治理基础原则：

1. 领导力和战略：成功的数据治理始于远见卓识和坚定的领导
2. 业务驱动：数据治理是一项业务管理计划，因此必须管理与数据相关的IT决策
3. 共担责任：业务数据管理专员和数据管理专业人员共担责任
4. 多层面：数据治理活动发生在企业层面和各地基层，但通常发生在中间各层面
5. 基于框架：对数据治理项目必须建立一个运营框架来定义各自职责和工作内容
6. 原则导向：指导原则是数据治理活动、特别是数据治理策略的基础。

1.3 基本概念

数据治理：保证数据中被管理的。

数据管理：管理数据以达到既定目标。

以数据为中心的组织对待数据的原则：

1. 数据应该作为企业资产管起来。
2. 应该在整个组织内鼓励数据管理的最佳实践。
3. 企业数据战略必须与业务战略一致。
4. 应不断改进数据管理流程。

数据治理组织：

• 职能：
  • 1）立法职能 (定义策标准和企业架构)
  • 2）司法职能 (问题管理和升级)
  • 3）执行职能 (保护和服务、管理责)

立法/司法：做正确的事；执法：正确的做事

• 典型数据治理委员会：
  • 数据治理指导委员会：最高权威机构，负责监督、支持和资助数据治理活动
  • 数据治理委员会：管理数据治理规划(如制度或指标的制定)、问题和升级处理
  • 数据治理办公室：持续关注所有DAMA知识领域的企业级数据定义和数据管理标准
  • 数据管理团队：与项目团队在数据定义和数据管理标方面进行协作、咨询
  • 本地数据治理委员会

数据治理运营模型类型：

数据管理职责：

1. 创建和管理核心元数据。包括术语、有效数据值、关键元数据的定义和字处理。
2. 记录规则和标准。业务规则/数据标准/数据质量规则的定义和记录。
3. 管理数据质量问题。
4. 执行数据治理运营活动。

数据管理岗位的类型：

• 首席数据管理专员；
• 高级数据管理专员；
• 企业数据管理专员；
• 业务数据管理专员；
• 数据所有者；
• 技术数据管理专员；
• 协调数据管理专员；

数据制度：包括对数据治理管理初衷的简要说明和相关基本规则，贯穿数据和信息的全过程，是全局性的。不同组织制度差异大，描述了数据治理的“什么“，标准和规程描述了数据治理的”如何“。

数据资产评估

• 数据资产评估：理解和计算数据对组织的经济价值的过程。数据具有不可互换性，只有在使用时才有价值，使用会伴随风险。
• 其他度量价值的方式：
  • 1）替换成本；
  • 2）市场价值；
  • 3）发现商机；
  • 4）售卖数据；
  • 5）风险成本。

风险成本包括：

1.缺少必要的数据。

2.存在不应留存的数据。

3.除上述成本外，包括数据不正确造成客户、公司财务和声誉受到伤害。

4.风险下降或风险成本的下降，其实是与提升和验证数据等操作干预成本的抵消之后的溢出部分。

• 数据资产会计准则：

2、数据治理活动活动

2.1 规划组织的数据治理

• 1）执行就绪评估

典型的评估包括：

1. 数据成熟度评估
2. 变革能力（识别阻力点）
3. 协作准备
4. 与业务保持一致

• 2）探索与业务保持一致。

通过评估识别和评价现有制度/方针的有效性，找到特定的价值。

关键评估：

1. 数据质量分析
2. 数据管理实践的评估

• 3）制定组织触点(触点：突破口、价值点、抓手、切入点)

触点：

1. 采购和合同
2. 预算和资金
3. 法规遵从性
4. SDLC/开发框架

2.2 制定组织数据治理战略

数据治理战略：定义治理工作的范围和方法。

交付物：

1. 章程。
2. 运营框架和职责。
3. 实施路线图。
4. 为成功运营制订计划。

具体步骤如下：

• 1）定义数据治理运营框架

构建组织运营框架时需要考虑以下几个方面:

1. 数据对组织的价值
2. 业务模式（分散式与集中式、本地化与国际化）
3. 文化因素
4. 监管影响

• 2）制定目标、原则和制度。

由【数据管理专业人员】、【业务策略人员】，在【数据治理组织】的支持下共同起草数据治理的目标、原则和制度，然后由【数据管理专员】和【管理人员】审查并完善，最后由【数据管理委员会】终审、修订和发布采用。

• 3）推动数据管理项目。

推动数据治理项目关键是阐明数据管理提高效率和降低风险的方法。

• 4）参与变革管理。

组织需要组建团队负责以下事项：

• 1）规划
• 2）培训
• 3）影响系统开发（在 SDLC 中增加数据治理步骤）
• 4）制度实施
• 5）沟通
  • 沟通的重点
    • 1）提升数据资产价值
    • 2）监控治理活动的反馈并采取行动
    • 3）实施数据管理培训
    • 4）在 5 个关键域衡量
    • 5）实施新的指标和 KPI

• 5）参与问题管理

问题管理是识别、量化、划分优先级和解决与数据治理有关问题的过程：

1. 授权。
2. 变更管理升级。
3. 合规性。
4. 冲突。
5. 一致性。
6. 合同。
7. 数据质量。

开展数据治理需要在以下方面建立控制机制和流程：

1. 识别、收集、记录和更新的问题。
2. 各项活动的评估和跟踪。
3. 记录利益相关方的观点和可选解决方案。
4. 确定、记录和传达问题解决方案。
5. 促进客观、中立的讨论，听取各方观点。
6. 将问题升级到更高权限级别

问题升级路径：

• 6）评估法规遵从性要求。

管理信息资产有重大影响的部分全球性法规：

1. 会计准则。
2. BCBS 239 和巴塞尔 II。
3. CPG 235。
4. PCI-DSS。
5. 偿付能力标准 II。
6. 隐私法。

2.3 实施数据治理

实施数据治理最佳方式是创建一个实施路线图。有些数据治理工作是基础性，可分为初始阶段和持续阶段。

高优先级的前期工作有：（流程；术语；人；赋值）

1. 定义可满足高优先级目标的数据治理流程。
2. 建立业务术语表，记录术语和标准。
3. 协调企业架构师和数据架构师，帮助理解数据和系统。
4. 为数据资产分配财务价值，以实现更好的决策，并提高对数据在组织成功中所起作用的理解。

实施数据治理具体步骤如下：

• 1）发起数据标准和规程
• 2）制定业务术语表

数据管理专员通常负责整理业务术语表的内容。

业务术语表具有如下目标：

1. 对核心业务概念和术语有共同的理解
2. 降低由于对业务概念理解不一致而导致数据误使用的风险。
3. 改进技术资产(包括技术命名规范)与业务组织之间的一致性
4. 最大限度地提高搜索能力，并能够获得记录在案的组织知识

• 3）协调架构团队协作
• 4）发起数据资产估值

2.4 嵌入数据治理

将治理活动嵌入到数据作为资产管理相关的一系列流程中。

3、工具和方法

工具：

1. 线上应用/网站。
2. 业务术语表（业务术语表是数据治理的核心工具）。
3. 工作流工具。
4. 文档管理工具。
5. 数据治理计分卡

数据治理计分卡是跟踪数据治理活动和制度遵从性的指标集合，通过自动记分卡的形式向数据治理委员会和数据治理指导委员会报告。

方法：

1. 简洁的信息
2. 联系人列表
3. 图标Logo

4、实施指南

数据治理实施指南：定义规程/运营计划——>实施路线图——>启动治理。

数据治理一般起始于重大项目或部门试点；大多数推广策略是渐进式。

4.1 组织和文化

有效而持久的数据治理：需要组织文化的转变和持续的变革管理，文化包括组织思维和数据行为， 变革包括为实现未来预期的行为状态而支持的新思维、行为、策略和流程。

4.2 调整和沟通

管理和沟通变更工具：

1. 业务战略/数据治理治理蓝图。
2. 数据治理路线图。
3. 数据治理的持续业务案例。
4. 数据治理指标。

5、度量指标

数据治理成功与否的度量指标：

• 1）价值：
  • 1.对业务目标的贡献。
  • 2.风险的降低。
  • 3.运营效率的提高。
• 2）有效性：
  • 1.目标的实现。
  • 2.扩展数据管理专员正在使用的相关工具。
  • 3.沟通的有效性。
  • 4.培训的有效性。
  • 5.采纳变革的速度。
• 3）可持续性：
  • 1.制度和流程的执行情况（即它们是否正常工作）。
  • 2.标准和规程的遵从情况（即员工是否在必要时遵守指导和改变行为）。