数据管理、数据治理、数据资产管理_ 三者异同

40188

文章导读：

如果要用一张图来描述它们三者之间的关系，你更赞成以下两幅图的哪个？

图1：数据治理包含数据管理，数据治理提出了数据管理的目标、架构和蓝图，数据管理是数据治理的技术实现，而数据资产管理是面向数据应用和数据价值的数据管理，属于数据管理的一部分。

图2：数据资产管理的范畴更大，数据资产管理是数据管理的延伸，而数据治理是确保数据能够被管好的策略。

你认为这两幅图，哪个描述三者关系更准确呢？

— 01 —— 01 —01

数据治理 VS 数据管理

1、观点一：数据管理包含数据治理

业内主流观点认为数据管理包含数据治理。以DAMA为代表，在DAMA-DMBOK2的数据管理框架（车轮图）中，数据治理只是数据管理11个知识领域中的其中之一，如下图：

来源：DAMA-DMBOK2

DAMA关于数据管理和数据治理的定义如下：

数据管理（Data Management）是为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周期中制订计划、制度、规程和实践活动，并执行和监督的过程。

数据治理(Data Governance, DG)是指对数据资产管理行使权力和控制的活动集合（规划、监督和执行）。

数据治理是为了确保组织对数据作出合理、一致的决策，也就是说数据治理是为了更好的管理数据，是数据管理的策略、规程或标准。

2、观点二：数据治理包含数据管理

另一种不同的观点则是认为数据治理包含数据管理。数据治理是为了实现数据资产价值最大化所开展的一系列持续工作过程，而数据管理是为了实现这一目标而开展的具体技术和业务活动。

数据治理为数据管理指明方向，指导、评估和监督数据管理的有效性；数据管理则通过计划、建设、运营、监督来反馈管理的成效和问题。

3、笔者的观点

如果我们用简单的包含和被包含关系来理解数据治理和数据管理，确实会有一些争议。笔者更喜欢用一个“金字塔”结构来理解它们：

数据治理

数据管理

因此，数据治理强调顶层的策略，管理是侧重于流程和执行，两种相互作用、相辅相成的。而如今，我们听到的更多的“数据治理”这个词，似乎只要涉及与数据管理相关的，都在说自己在搞数据治理。出现这个问题，主要是企业越来越意识到传统IT驱动或者说技术驱动的专项数据管理项目，在实施过程中很难推进、困难重重，并且很难解决业务和管理上的用数难的问题。而从战略、组织入手的数据治理顶层设计，更有利于推动数据管理目标的实现。

— 02 —— 02 —02

数据、数据资源、数据资产

如果我们想更加深刻的理解数据资产管理与数据治理到底有啥不同，就必须先拎清楚“数据、数据资源、数据资产”的概念。

1、先说说数据

注意，这里的数据是指“原始数据”，即：记录事实的结果，用来描述事实的未经加工的素材。

数据有两个特征：一是可以描述事实，二是未经加工。例如：开车时，车速传感器记录下来的你的车速；监控摄像头录下的一段视频；气温计显示的温度；企业ERP系统的销售订单记录等等，都属于数据。

原始数据并不是没有意义，而是原始数据能发挥出价值是有限的

2、数据资源

大数据领域首次提出了“数据资源”的概念，但是“数据资源”这个词在很多材料中并没有一个标准的定义。我理解的“数据资源”就是指数据本身，只不过这个数据是按照一定的目标，经过了一定的规划设计，对数据进行采集、汇聚、存储或处理后，形成了能够被再次利用的数据。

例如：企业建设一个信息系统，需要设计系统的数据模型、结构、类型、存储方式等，然后通过人们对系统的流程表单或页面的各种操作，数据就被记录和保存到了信息系统的数据库中，成为了企业的数据资源。从这个层面讲，企业过去的几十年的所有“信息化”工作，都只是在做一件事情——实现数据“资源化”。

数据资源在一定程度上有“量大”的内涵，例如：我们经常听新闻说XX地，矿产资源丰富，一定是说这个地方有大量矿产，而不是只有一块矿石。如果只有一块铁矿石，即使你懂冶金，能够对其进行炼化和提纯，那它产生的价值也是有限的。

一条数据也不能称为数据资源，数据资源必须有一定的量。

3、数据资产

数据资产的概念我们在之前文章中多次提到过：数据资产的是由企业合法拥有或控制并且能够给企业带来经济效益和社会效益的数据资源。

数据资产管理研究的就是如何将数据资源转化为数据资产的过程。

那么，数据资产之后呢，数据又将转化成什么？

数据资产管理促进了数据的交易和流通，当数据交易和流通所需要市场环境、技术环境、法律环境都相应成熟的时候，数据资产就会转为为企业的资本——数据资本。

— 03 —— 03 —03

从数据管理到数据资产管理

下面的这幅图是我在厦门大学大数据百家讲坛数据治理公益分享课中用的一张图，它其实反应了从数据资源到数据资产转化的过程。

企业管理数据资源的目的在于数据应用数据治理是为了解决企业数据的质量问题而生！

其次，数据资产化。由于数据从创建到消亡的整个生命周期中，从业务到技术，从管理到使用，每个环节都可能发生数据质量的问题。所以，数据治理就不再是简单的技术问题了。也因此，数据治理更加注重对数据资源的整体规划和与之相适应的保障体系的建设，例如数据战略、数据架构、管理组织、管理流程、管理制度等。通过数据治理，打通数据孤岛、提升数据质量，实现了数据为业务赋能，满足了企业内部使用。这个时候企业的数据资源在一定程度上勉强可以称为企业的资产了。

数据资产管理在数据治理和数据管理的基础上进行了扩展，以价值为驱动，通过对数据资产进行有效管理和估值，促进数据资产交易和流通。

— 04 —— 04 —04

数据管理、数据治理、数据资产管理，到底有何不同？

业内的相关数据管理体系中，无论是数据管理，还是数据治理，亦或是数据资源管理、数据资产管理，基本都包含了元数据管理、数据标准管理、数据质量管理、数据安全管理等内容。

所以很多人都很疑惑，那这三个数据管理的相关概念到底有什么不同？

其实，在上文中基本也都交代了，如果您还觉得没说清楚，我们再总结一下，笔者认为：从技术的角度，这几个概念之间差别不大，主要的区别在于它们管理数据的目的和驱动力上。