DAMA-数据治理体系

今天学习战略一致性模型、阿姆斯特丹信息模型、DAMA-DMBOK框架

国际数据管理协会（DAMA International）成立于1980年，是一个全球性的非营利专业组织，致力于数据管理领域的研究与实践。经过几十年的积累，DAMA组织全球数据管理领域专家编著了《DAMA数据管理知识体系指南》（Data Management Body of Knowledge, DMBOK），是市场上唯一综合了数据管理方方面面的权威著作。

DAMA即国际数据管理协会，成立于1980年（部分资料显示1988年），是一个全球性的专业组织，由数据管理和相关专业人士组成，非营利性且厂商中立。协会致力于数据管理和数字化的研究、实践及相关知识体系的建设，先后发行了《DAMA 数据管理字典》和《DAMA 数据管理的知识体系》等，该知识体系已成为业界标杆和权威，全球会员达 2 万人，在世界共有 52 个分会。

最近数据圈内火起来了一阵风，那就是DAMA认证，好多小伙伴都咨询我。想了想，就索性将国内体系的CDGA和CDGP的考试信息全部整理出来了，供大家了解参考哈~~ 如果有考过的小伙伴也欢迎分享一下备考经验哈~~.........

本专栏为数据治理专栏，里面的内容主要是本人参加数据治理考试(CDGA)前做的笔记，包括一些考题或者易错点。其中加粗的文字为考试中常考的。

数据治理是在管理数据资产过程中行使权力和管控，包括计划、监控和实施。

（一）组织文化：进行组织管理体系的流程和变革的管理，沟通重点在于提升数据资产价值、教育员工、监控反馈并采取行动，积极寻求和利用利益相关方的意见，建立对项目目标的承诺，确定成功和改进的机会，开展实时数据管理培训，重新调整员工激励措施以支持相关行为。（一）线上应用/数据治理网站：包含战略、章程、制度、数据标准、角色和职责描述、新闻公告、数据治理社区、主题、质量报告、问题识别和上报程序、文档及培训计划、规划实施路线图等内容。（一）价值指标：衡量数据治理对业务目标的贡献，如运营效率的提高、降低的风险等。

DAMA 数据管理知识体系指南 数据治理 学习笔记

本章聚焦于 Dama 知识管理体系中的数据治理，探讨其在确保数据质量和合规性方面的重要性。首先，定义了数据治理的基本概念，强调其在数据生命周期管理中的作用。通过明确数据所有权、责任和标准，数据治理为组织提供了结构化的框架，以提升数据的可靠性和可用性。

笔者在这里引用DAMA的数据管理框架来进行说明，DAMA的数据管理框架是一个全面的数据管理知识体系，包括11个数据管理职能领域和7个环境要素。

学习国际数据治理主流的DAMA框架

DAMA认证为数据管理专业人士提供职业目标晋升规划，彰显了职业发展里程碑及发展阶梯定义，帮助数据管理从业人士获得企业数字化转型战略下的必备职业能力，促进开展工作实践应用及实际问题解决，形成企业所需的新数字经济下的核心职业竞争能力。DAMA认证作为国际认证，行业认可。DAMA拥有完整的进阶机制，从CDGA到CDGP，再到专项认证和CCDO。通过DAMA认证，团队可以获得系统性的知识体系培训，形成共同语言，从而提升数据团队的合作精神。DAMA是全球唯一数据管理方面权威性认证，帮助数据从业者提升数据管理能力。

元数据是“描述数据的数据”，分为技术元数据（如数据库表结构、ETL流程）、业务元数据（如客户定义、“销售额”计算规则）和管理元数据（如数据Owner、更新频率）。：数据质量是数据的“适用性”，即数据满足业务需求的程度，核心指标包括准确性（与事实一致）、完整性（无缺失）、一致性（跨系统口径统一）、时效性（及时更新）、唯一性（无重复）。结合业务战略（如“3年内实现业财一体化”），确定数据治理的优先级（如优先提升“主数据管理”和“数据质量”），设定3-5年目标（如“主数据唯一率≥99%”）。

DAMA数据管理框架是一个全面的、业界领先的数据管理知识体系，它涵盖了数据治理、数据架构、数据建模和设计、数据存储和操作、数据安全、数据集成和互操作、文件和内容管理、参考数据和主数据、数据仓库和商务智能、元数据、数据质量和数据治理等多个领域。DAMA框架为数据管理提供了全面的理论支持和实践指导，而DCMM框架则为组织的数据管理能力评估和改进提供了标准化的工具和方法。DAMA（国际数据管理协会）和DCMM（数据管理能力成熟度模型）是两个重要的数据管理框架，它们在数据管理的不同方面提供了指导和评估工具。

1. 基本概念 1.1 数据 1.2 数据和信息 1.3 数据管理原则 1.4 数据价值 1.5 数据质量 1.6 元数据管理 1.7 数据生命周期 2. 数据管理框架 2.1 战略一致性模型 2.2 阿姆斯特丹信息模型 2.3 DAMA - DMBOK 模型 2.4 DMBOK 金字塔（Aiken） 2.5 DAMA 数据管理框架的进化 ...

下图是一个类似的运营框架示例。常见的数据管理知识领域内的标准化概念如下数据架构、数据建模和设计、数据存储和操作、数据安全、数据集成、文件与内容、参考数据与主数据、数据仓库和商务智能、元数据、数据质量等。风险成本基于罚款、预计诉讼费的估价，来自法律或监管的风险（缺少必需的数据、存在不应留存的数据、数据不正确造成的客户、公司财务或者剩余受到损害的成本）。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。.....

数据治理是DMBOK中的核心内容，不仅在11个数据管理职能中，处于中心位置，并且在每一个单独的数据管理职能中，都有数据治理的部分。从而强调数据治理不是一个单独的流程，更是要融入到系统的设计和开发过程，贯彻系统建设的全过程，才能让数据治理更好的落地。在正式讲数据治理之前，先区分下数据管理和数据治理的区别。识别、定义、升级和处理问题，针对如下领域：数据安全、数据访问、数据质量、合规、数据所有权、制度、标准、术语或者数据治理程序等。对数据治理的价值评估，主要包括创造的价值，和节约的成本两部分，即常说的降本增效。