DAMA数据管理知识指南
2022-08-01 16:59:18 1 举报
AI智能生成
DAMA数据管理知识指南
作者其他创作
大纲/内容
第一章:数据管理
定义
为交付、保护、提升数据和信息资产的价值,
在其生命周期中制定计划、制度、实践活动
且监督执行的过程。
(大到数字战略,小到定义字段名称)
在其生命周期中制定计划、制度、实践活动
且监督执行的过程。
(大到数字战略,小到定义字段名称)
目标
提高数据质量,发现数据价值,给组织创造收益
数据管理职能
1.数据治理
2.数据架构管理
3.数据开发
4.数据操作管理
5.数据安全管理
6.数据仓库与商务智能管理
7.文档与内容管理
8.参考数据和主数据管理
9.元数据管理
10.数据质量管理
第三章:数据治理
数据治理与数据管理区别
数据治理是数据管理的核心,数据治理是为了
实现数据管理框架各个功能的一致性和平衡性。
实现数据管理框架各个功能的一致性和平衡性。
数据治理是车轴,其他知识领域(数据体系结构,数据建模等)是车轮的组成部分
数据治理是基于总体视角来保证数据被正常管理(立法)
数据管理则是基于执行层面达到目标(执法)
数据管理则是基于执行层面达到目标(执法)
第七章:数据安全管理
数据安全
1.数据分类分级
2.企业业务
是指通过采取必要措施,确保数据处 于有效 保护和 合法利 用的状 态
,以 及具备 保障持 续安 全状态的能力。开发和执行安全策略与措施
认证授权访问和审计
,以 及具备 保障持 续安 全状态的能力。开发和执行安全策略与措施
认证授权访问和审计
3.数据跨境传输
个人信息保护
1.个人信息分类
区分个人信息和敏 感个人 信息
2.个人信息权利
通知、限制或拒绝使 用、访 问、纠 正和补 充、删 除、拒 绝自动 决策
3.用户同意
4.企业义务
汽车数据安全
1.数据分类
一般数据和重要数据
2.合法处理个人信息
3.明确第三方信息处理者的权利和义务
4.四大原则
第八章:参考数据和主数据
定义
参考数据RD
主数据MD
区别
相同点:两者都为数据的创建和使用提供重要的上下文信息(参考数据也为主数据提供上下文),
以便理解数据的含义,重点是两者都是应该在企业层面上被管理的共享资源
不同点:参考数据变化小,数据集比交易数据集或主数据集小,复杂程度低,拥有的列和行更少
以便理解数据的含义,重点是两者都是应该在企业层面上被管理的共享资源
不同点:参考数据变化小,数据集比交易数据集或主数据集小,复杂程度低,拥有的列和行更少
作用
参考数据
管理侧重点
参考数据管理
需要对定义的域值及其定义进
行控制。参考数据管理的目标是确保组织能够
访问每个概念的一整套准确且最新的值。
行控制。参考数据管理的目标是确保组织能够
访问每个概念的一整套准确且最新的值。
主数据管理
需要对主数据的值和标识符进行
控制,以便能够跨系统地、一致地使用核心业
务实体中最准确、最及时的数据。
控制,以便能够跨系统地、一致地使用核心业
务实体中最准确、最及时的数据。
实施指南
遵循主数据架构
需要建立和遵守适当的体系架构,对于管理和共享跨组织的主数据至关重要
检测数据流动
1.如何共享和使用
2.数据血缘
3.确定业务规则和转换的有效性
管理数据变更
1.对外部/内部参考数据集的结构变化
2.创建新的参考数据集
3.具备参考数据变更流程
制定数据共享协议
确保恰当的访问和使用,应建立共享协议,规定哪些
数据可以共享,以及在任何条件下可以共享
数据可以共享,以及在任何条件下可以共享
第十一章:元数据管理
定义
描述、管理数据的数据
①数据本身,什么形式、单位存储在哪?
②代表的概念,业务含义
③数据与概念的关系,包含业务流程、数据规则和约束、
逻辑数据结构与物理数据结构
逻辑数据结构与物理数据结构
数据结构
逻辑结构
物理结构
组织目标
①确保人们理解和使用数据内容的一致性
②确保元数据的质量、一致性、及时性和安全
③提供途径,使元数据使用者可以访问
通过数据来源分类
业务元数据
技术元数据
操作元数据
流程元数据
第十二章:数据质量
职能定义
为确保满足数据消费者的需求,应用数据管理技术进行规划,实施和控制等管理活动
如何衡量数据质量
如果数据满足数据消费者应用需求的目的就是高质量的;
反之,如果不满足消费者应用需求的目的,就是低质量的。
反之,如果不满足消费者应用需求的目的,就是低质量的。
数据质量水平高低取决于使用数据的场景和数据消费者的需求。
随着业务需求和外力的发展,需求会随着时间的推移而变化
度量维度
完备性
数据是否完整,是否存在行或字段的缺失
唯一性
在业务主键上是否存在重复值
及时性
数据从拿到到真实发生的时间差
有效性
数据是否符合定义(类型、格式、值范围)
准确性
数据是否符合常识(人的寿命为负数)
一致性
在不同数据集间被引用时保持一致
过程
预防
规划
定义高质量数据,作为输入规则和标准
制定数据质量管理制度
调研
识别关键数据和业务规则
执行初始数据质量评估
识别数据质量改进目标,并确定优先级
监控
建立监控、测量数据质量的平台
纠正
解决出现质量问题的活动
收藏
0 条评论
下一页