【CDGA数据治理工程师考试认证】第三章 数据治理重难点整理（二）

 前言

紧接着上文【CDGA数据治理工程师考试认证】第三章 数据治理重难点整理（一）

3）数据治理运营模型类型

数据治理运营模型类型：集中式治理；分布式治理；联邦式治理。

在集中式管理模式中，数据治理组织监督所有业务领域中的活动。

在分布式管理模式中，每个业务单元中采用相同的数据治理运营模型和标准。

在联邦式管理模式中，数据治理组织与多个业务单元协同，以维护一致的定义和标准。

4）数据管理职责

数据管理活动集中于以下部分（包括哪些职责）：

1. 创建和管理核心元数据：业务术语/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。

5）数据管理岗位的类型

1. 首席数据管理专员(Chief Data Stewards)。CDO的替代角色，担任数据治理机构的主席,也可以是虚拟的(基于委员会)或者在分布式数据治理组织中担任CDO。他们甚至也可能是高层发起者。
2. 高级数据管理专员(Executive Data Stewards)。他们是数据治理委员会(DCC)的资深管理者。
3. 企业数据管理专员(Enterprise Data Stewards)。他们负责监督跨越业务领域的数据职能。
4. 业务数据管理专员(Business Data Stewards)。他们是业务领域专业人士，通常是公认的领域专家，对一个数据域负责。他们和利益相关方共同定义和控制数据。
5. 数据所有者(Data 0wner)。他们是某个业务数据管理专员，对其领域内的数据有决策权。
6. 技术数据管理专员(Technical Data Stewards)。他们是某个知识领域内工作的IT专业人员,如数据集成专家、数据库管理员、商务智能专家、数据质量分析师或元数据管理员。
7. 协调数据管理专员(Coordinating Data Stewards)。这在大型组织中尤为重要，其领导并代表业务数据管理专员和技术数据管理专员进行跨团队或者数据专员之间的讨论。

通常最好的数据管理专员都是在工作中被发现的，而不是靠培养的。

6）数据制度

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，这些规则贯穿数据和信息的创造、获取、集成、安全、质量和使用的全过程。数据制度是全局性的，数据制度应该相对较少，并且尽量采用简单直接的表述。

7）数据资产估值

数据资产估值(Data Asset Valuation)是一个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(替换性)。数据只有在使用时才有价值，使用时数据还产生了与风险管理相关的成本。

其他度量价值的方式包括:

1. 替换成本(Replacement Cost)。在灾难性数据破坏事件或者数据中断时，数据替换或恢复的成本，包括组织内的交易、域、目录、文档和指标信息等。
2. 市场价值(Market Value)。兼并或收购企业时作为企业资产的价值。
3. 发现商机(Identifed Opporunities)。通过交易数据或者通过售卖数据，从数据(商务智能)中发现商机获得的收人价值。
4. 售卖数据(Seling Data)。一些组织为产品或销售将数据打包从数据中获得的洞察。
5. 风险成本(Risk Cost)。它是基于潜在罚款、补救成本和诉讼费用的估价。

来自法律或监管的风险包括:

①缺少必需的数据。

②存在不应留存的数据(例如，在法律审计期间发现的意外数据;需要清除但尚未清除的数据)

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损害。

④风险下降或者风险成本的下降，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（十大会计原则）：

1. 问责原则：组织必须确定对各种类型数据和内容负有最终责任的个人
2. 资产原则：各种类型的数据内容都是资产，并且具有其他资产的特征。它们应像物理或者金融资产一样可以进行管理、担保和核算
3. 审计原则：数据和内容的准确性要接受独立机构的定期审计
4. 尽职调查原则：如果风险是已知的，必须要报告。如果可能存在风险，必须予以确认。数据风险包括与不良数据管理实践相关的风险
5. 持续经营原则：数据及其内容对于组织的成功、持续运营和管理至关重要，即它们不是为实现目标的临时手段，也不是业务的副产品
6. 估值级别原则：在最合理或最容易测量的级别上将数据作为资产进行估值
7. 责任原则：基于监管和伦理，存在着与数据及内容有关的滥用或者管理不当的财务责任
8. 质量原则：数据准确性、数据生命周期和内容会影响组织的财务状况
9. 风险原则：存在与数据和内容相关的风险。无论是作为负债还是作为管理和降低固有风险的成本，风险必须得到正式确认
10. 价值原则：基于满足组织目标的方式、可流通性以及对组织商誉(资产负债表)的贡献来判断，数据和内容是有价值的。信息的价值反映的是其维护和运行的成本与它对组织的贡献抵消之后的溢出

3.2  活动

3.2.1  规划组织的数据治理

数据治理工作必须支持业务战略和目标。

数据治理与数据相关的决策责任可共享。数据治理活动跨越了组织和系统的边界，以支持整体的数据视图。

相对于孤立、特定的功能领域，当数据治理是一项企业层面工作时，效果最为显著。在企业中定义数据治理的范围通常需要先定义企业的含义。反过来，数据治理控制了定义它的企业。

1）执行就绪评估

典型的评估包括：

1. 数据管理成熟度。了解组织对数据的处理方式;衡量其当前的数据管理能力和容量。重点是业务人员对公司管理数据和利用数据的优势以及客观标准(如工具的使用、报告级别等)的印象。
2. 变革能力。通常进行数据治理需要正式的组织变革管理。在评估变革能力时，变革管理过程中将评估现有的组织结构、文化观念以及变革管理过程本身。
3. 协作准备。该评估体现了组织在管理和使用数据方面的协作能力。
4. 与业务保持一致。

2）探索与业务保持一致

数据治理项目必须能够被找到并提供特定的价值来为组织作出贡献。

数据质量分析是评估的一部分工作。

数据管理实践的评估是数据治理评估过程的另一个关键方面。

从发现和校准活动中派生出一个数据治理需求清单。

3）制定组织触点

协调工作的一部分包括为数据治理工作制定组织接触点。

上图说明了在首席数据官（Chief Data 0fficer，CDO)直接权利之外，支持企业数据治理和数据管理一致性和凝聚力的组织触点：

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

首席数据官影响组织触点，支持企业在管理其数据时的凝聚力，也会增加企业使用数据的敏捷性。从本质上来讲，这是组织如何理解和看待数据治理的一个态度。