数据治理是什么 | DMBOK笔记

最近在读《DAMA数据管理知识体系指南》，这个听起来像“大妈”的DAMA组织，是一个全球性的数据管理协会，主要做数据管理的研究和实践。

粗暴的类比，DAMA之于数据类似PMI之于项目管理。数据管理知识体系指南的缩写DMBOK，Data Management Body of Knowledge，是DAMA对在数据领域对知识、经验以及最佳案例的总结。
 

接下来的会陆续结合DMBOK的框架和工作中遇到的案例以及我的思考，多写读书笔记。

首先来聊聊“数据治理”这个概念

在我的意识里，数据治理一直是模糊的，每次感觉数据来源不清晰，数据质量差，指标口径乱七八糟的时候，就感叹“啊！谁来治理一下数据”。

在有限的认知里，总觉得数据治理是类似治理污染，事后擦屁股的角色。谁会喜欢做治理的工作工作呢？耗时费力还看不见产出。

DMBOK里对数据治理的定义是：

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。
 

这句话好像啥都说了，也好像啥也没说。

再往下看：

数据治理职能是指导所有其他数据管理领域的活动，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，聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式。
 

到这里就清楚了，“数据治理”中的治理，不应该解释为处理、整修，比如“污染治理”，而应该解释为管理、统治，比如“治理国家”。

数据治理是个宏大的命题，涵盖了数据工作的方方面面：从顶层战略设计开始，到数据访问和使用的制度、应该遵从什么样的标准，以及遇到问题应该怎样识别、升级和处理问题。
 

关于数据治理和数据管理

DMBOK也做了概念的辨析：
 

数据治理保证数据是被管理的，数据管理是管理数据以达到既定目标。

数据治理和数据管理之间的关系，有点类似财务审计人员不实际执行财务管理一样。数据治理更偏向于制定规则、厘清流程、确保整套体系更够运转起来，而数据管理是在做实操的工作。
 

而我上边提到的比如数据质量差，数据来源不清晰的问题，应该归由数据管理活动处理，包括但不限于：1）创建和管理核心元数据；2）记录规则和标准；3）管理数据质量问题。
 

数据治理不是一次性的行为，我的理解是业务一直发展、数据一直生产，这个体系大概率是“熵增”的，就像公园里的草地，持续生长就持续需要修剪才能维持良好的状态。数据治理也是类似的道理，在不同的组织和文化中，需要不断面对具体挑战和机遇。

来源：蟹老板和小王啊

作者：小王同学