type
Post
status
Published
date
Dec 5, 2025
slug
summary
本书由上海市静安区国际数据管理协会采用 RACI 模式编写，共分为 5 篇，分别是 CDO 概论、管好数据、做好转型、建好团队、新技术新模式新业态，核心围绕数据管理展开，为数字经济时代企业数据管理与数字化转型提供指引。
全书核心理念明确，以 DAMA 数据管理车轮图为框架，强调成功的数据管理需由业务驱动而非 IT 驱动，同时指出数据是数字经济时代核心生产要素，数据管理是数字化转型的前提。内容整体可划分为管理数据（第 1-18 章）、团队管理（第 19-20 章）、发展趋势（第 21-23 章）三大模块。
在管理数据模块，重点涵盖多方面关键内容。数据战略由远景、数据文化等 7 部分构成，其中数据文化本质是 “用数据决策” 的决策文化，数据组织实行业务负责制；数据治理（狭义）聚焦组织、制度和流程，数据制度细分为管理办法、实施细则、操作规范，元数据管理遵循 “应归尽归”，数据质量从 “关键数据” 切入并设三道防线；数据安全覆盖全生命周期，实行分级分类管理，数据合规注重风险识别、评价与控制，还引用任正非实用主义观点强调流程价值导向；主数据管理是打通数据孤岛的关键，核心为 “两体系、一工具”；此外，还涉及指标数据建设流程、数据模型分类、DCMM 成熟度评估的 8 大能力域，以及数据分析（面向历史，用数据仓库、BI）与数据挖掘（面向未来，用数据湖）的区别，同时关注数据伦理与数据隐私。
团队管理模块围绕数据团队展开，明确其职能包括数据分析应用、治理、系统开发、平台运维等，绩效考核需结合企业实际业务落地。
发展趋势模块则介绍了仓湖一体、数字孪生等新型数据科技，以数据交易为代表的商业运营新模式，以及数据合规评估、数据资产评估等新业态，展现数据管理领域的前沿方向。
tags
数据管理
数据治理
技术
category
技术分享
icon
password
一、书籍基础信息
全书共 5 篇，由上海市静安区国际数据管理协会编写（协会相关链接），采用 RACI 模式编写，具体篇章如下：
- CDO 概论
- 管好数据
- 做好转型
- 建好团队
- 新技术新模式新业态
二、核心概述
- 核心框架：以 DAMA 数据管理车轮图为基础。
- 核心原则：成功的数据管理必须由业务驱动而不是 IT 驱动。
- 核心定位：
- 数据是数字经济时代最核心的生产要素。
- 数据是数字经济的基础，数据管理是数字化转型的前提。
三、主要内容划分
全书核心内容可分为三大模块，对应章节如下：
- 管理数据（第 1-18 章）
- 团队管理（第 19-20 章）
- 发展趋势（第 21-23 章）
四、管理数据模块核心要点
4.1 数据战略
- 组成部分：共 7 部分，包括远景、数据文化、数据组织、业务场景、数据能力、数据底座、实施线路图。
- 关键细分：
- 数据文化：“用数据思考、说话、管理、决策” 的价值观，本质是决策文化。
- 数据组织：业务负责制的数据管理组织，包含 CDO、数据委员会、数据团队、数据管理专员。
- 数据底座：统一数据管理平台，核心作用是归集企业数据资产、提供便捷数据服务。
4.2 数据治理（狭义概念，非广义 “数据管理”）
核心涵盖组织、制度和流程三大维度，具体细分如下：
4.2.1 数据制度
分为管理办法、实施细则、操作规范三类，具体内容：
- 管理办法：数据战略、数据标准、数据架构、数据资源目录、元数据、主数据、数据安全、数据质量、数据共享。
- 实施细则：主数据、指标数据。
- 操作规范：数据平台、数据架构规范、集成规范。
4.2.2 元数据和数据资源目录
- 元数据管理原则：遵循 “应归尽归”。
- 元数据分类：业务元数据、技术元数据、操作元数据。
4.2.3 数据标准
- 定义：围绕数据要素供给、流通、开发利用、安全等方面制定的标准（其中 “数据要素供给” 即描述某业务领域的数据属性）。
- 全流程：标准规划→标准制定→标准发布→标准执行→标准维护。
4.2.4 数据架构
- 关联框架：企业架构 TOGAF（The Open Group Architecture Framework），包含 4 大架构 —— 业务架构、数据架构、应用架构、技术架构。
- 核心内容：业务抽象、数据之间关系、数据组织、数据应用。
4.2.5 数据质量
- 切入方式：与元数据 “应归尽归” 不同，可从 “关键数据” 入手。
- 保障机制：数据质量三道防线 —— 数据源头、使用部门、审计部门。
4.2.6 数据安全
- 管理范围：数据全生命周期（采集、传输、存储、使用、删除、销毁）。
- 管理方式：数据分级、分类管理。
4.2.7 数据合规
- 核心流程：风险识别→风险评价→风险控制。
- 延伸观点：任正非提出 “流程为作战服务，不产粮食的流程是多余的，IT 和变革也要聚焦，IT 不一定要遍地开花，增加一个流程要减少两个，IT 系统投入后，如果 5 年内没人用，要问责他”。这一实用主义、价值导向的观点对企业更具实操性，而当前数字化转型趋势下，需在 “决策聚焦” 的基础上，强化基础数据支撑的全面性（因数据驱动决策需更多基础数据保障）。
4.2.8 主数据管理
- 核心价值：主数据是打通数据孤岛的唯一办法，也是数据互联互通的基础；主数据管理是数据管理（治理）最关键的部分。
- 核心内容：“两体系、一工具”—— 主数据管理标准体系、主数据管理保障体系、主数据管理工具。
4.2.9 指标数据
- 建设全流程：
- 编制指标体系框架
- 明确主题所属的指标
- 优化完善指标
- 制定指标管理体系
- 强化适用指标数据（需在业务及信息系统建设中应用，才能发挥实际作用）
4.2.10 数据模型
- 定义：现实世界数据特征的抽象，描述静态特征、动态行为、约束条件。
- 分类：概念数据模型、逻辑数据模型、物理数据模型。
4.2.11 其他关键环节
- 数据集成
- 数据存储
- 非结构化数据管理
4.3 成熟度评估：DCMM
- DCMM 核心：8 个核心能力域，分别是：
- 数据战略
- 数据治理
- 数据架构
- 数据应用
- 数据安全
- 数据质量
- 数据标准
- 数据生命周期
4.4 数据分析和挖掘
- 核心区别：
- 数据分析：面向历史数据，通过数据仓库、BI 实现，常用方法为逻辑树、对比等分析。
- 数据科学（含数据挖掘）：面向未来，通过数据湖实现，常用方法为回归、分类、相关性、聚类、判别。
- 思考问题：# 数据分析和数据挖掘的区别？ #数据管理 #大数据
4.5 数据伦理
核心关注数据隐私等相关议题。
五、团队管理模块核心要点
5.1 数据团队职能
涵盖数据分析应用、治理、系统开发、平台运维等方向。
5.2 绩效考核
（书籍核心围绕数据管理体系，绩效考核部分需结合企业实际业务场景落地）
六、发展趋势模块核心要点
6.1 新型数据科技
包括仓湖一体、数字孪生、区块链、数据网格等技术方向。
6.2 基于数据的商业运营新模式
以数据交易为典型代表。
6.3 新业态
涵盖数据合规评估、数据资产评估、数据质量评估、数据交易经纪、数据信托等领域。