数据管理、数据治理、数据资产管理-到底有何不同？.docx

数据管理、数据治理、数据资产管理，到 底有何不同？
数据治理、数据管理、数据资产管理，有什么不同？这 是一个我被问的最多的问题。
如果要用一张图来描述它们三者之间的关系，你跟赞成 以下两幅图的哪个？

图1:数据治理、数据管理、数据资产管理的关系©谈数据

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。
同样，一条数据也不能称为数据资源，数据资源必须有 一定的量。例如：如果T宝、拼夕夕等电商平台只对你 的一次购物记录进行分析的话，其实意义并不大，但如 果把你每次的购物数据都被汇聚起来，进行融合性分 析，就能轻松知道你的购物偏好，然后给你进行产品推 荐，以实现他们所谓的“精准营销”。
3、数据资产数据资产的概念我们在之前文章中屡次提到过：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。
关于数据资产的定义，请参考《企业数据资产管理的参考框架和方法》

数据生产要素
图：从数据到数据资产©谈笠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 —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 理公益提供课中用的一张图，它其实反响了从数据资源 到数据资产转化的过程。

数据分析
数据资产管理 （价值驱动）
数据交易
数据治理
管理;舌动
企业数据资源
OO
兀数据
全
首先，数据资源化。通过数据管理对企业各个数据源进 行采集、汇聚和处理，形成企业的统一数据资源库。企 业管理数据资源的目的在于数据应用，但在使用数据资 源的时候，经常会发现有的数据业务无法识别，有的数 据存在大量的质量问题，导致业务无法有效使用。这个
时候就需要对数据进行治理。因此，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。由于数据从创立到消亡的整个生命 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。
最后，数据资本化。严格来讲，数据资产的价值是应该 具备可衡量性的，而满足企业内部使用虽然表达了它的 使用价值，但这个价值并不好衡量。因此，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 —
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 据平安管理等内容。
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 个概念之间差异不大，主要的区别在于它们管理数据的 目的和驱动力上。
数据管理是日常的数据管理相关操作和行为,为的就是
把数据管起来,让企业知道有哪些数据并确保数据不丧失,
至于对如何使用这些数据,目的和需求似乎不是特别强烈。 例如:有些大型企业很早设置的DBA岗位,而DBA的职责 更多是管理系统的数据库,如数据备份、还原等,还有就是 数据集成。
数据资源管理与数据管理比拟相似,但数据资源管理的 目的性很强,它是应用驱动的,更加贴近业务。数据资源管 理以业务的视角,对不同结构、不同类型、不同来源的数据
进行归纳、整合和管理,让业务人员也能容易识别和找到想
要数据。
数据治理更多的是问题驱动的,根本目的就是为了提升
数据质量和控制数据平安,侧重于标准规范和保障体系的建
设,促进企业内部的数据利用和交换共享。
数据资产管理是价值驱动,在数据管理、数据治理的基
础之上,更多的关注数据确实权问题、估值问题以及交易和
流通问题。
以上就是笔者对数据管理、数据治理以及数据资产管理三个 概念的一些浅薄理解。有不正确的地方，欢迎各位大佬批评 指正。也有一些读者经常问我，数据目录和数据资产目录是 一回事吗？这个问题非常好，数据目录和数据资产目录刚好 是分别数据管理和数据资产管理的“长得非常相似”的具 象化应用。理解了这两个目录有啥区别，很大程度上能够帮 助们理解数据管理和数据资产管理的不同。但由于怕您读得 太累，文章不易写得太长。关于这个问题，我们就放在下篇 文章中解读把。
不过，您认为数据目录和数据资产目录有什么不同？可以从
管理目标、技术实现、使用范围等多个角度来聊聊，欢迎留 言区给我留言。
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, 属于数据管理的一局部。
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？
如果三个不好比拟，那我们把它拆开，两两比拟，看一看数 据治理、数据管理、数据资产管理，到底有何不同？
— 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-DMB0K2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
数据架构
数据平安
治理
元数据管理
主数据管理
‘数据仓库 和商务智能
参考 数据和
数据存储 和操作
数据集成
*口互操作
数据建模 和设计
文件和内容
I管理
来源：DAMA-DMB0K2

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)。
DAMA认为数据管理是管理从数据的获取到数据的消 除整个生命周期过程，而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
另一种不同的观点那么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；数据管理那么通过计划、建设、运营、监 督来反响管理的成效和问题。

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

指 尊
数据战略、组织模式、
标准规范…
元数据管理、主数据管理、数据标准管
理、数据质量管理、数据平安部、数
据服务管理…
图：数据治理与数据管理的关系©谈数据金字塔顶层的应该是数据治理。与“治理”相关，我们还 会经常看到、听到国家治理、公司治理的概念，从某种 意义上讲，治理是一种自顶向下的策略或活动。如果我 们将国家治理说成国家管理，把公司治理说成公司管控 是不是有点怪怪的？因此，数据治理应该是顶层设计、 战略规划方面的内容，是数据管理活动的总纲和指导，
指明数据管理过程中哪些决策要被制定，以及由“谁” 来负责，更强调数据战略、组织模式、职责分工和标准 规范。
数据管理是实现数据治理提出的决策，并给予反响，强 调管理流程和机制。数据管理涵盖不同的领域，诸如： 元数据管理、主数据管理、数据标准管理、数据质量管 理、数据平安管理、数据服务管理等。数据管理是确保 数据被管理和监控，从而让数据得到更好的利用。
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 专项数据管理工程，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。
注：相关观点收录在《一本书讲透数据治理：战略、方法、工具与实践》 一书中，点击链接可直接购买。
— 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。
v / r.>14 w/, trn1、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。
有人说：“未经加工的原始数据没有任何意义”。这点我 是不认同的，我认为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（起码它能够描述事实）。 但由于原始数据可能存在不能被人所识别，不能被计算
机所保存，或者数据本身有质量缺陷等问题，因此，要 让数据产生更大的价值，就需要对其进行加工处理，形 成更高价值的“信息”。
就像铁矿石一一它是有价值吧，但如果你不懂冶炼，不对它 进行炼化和提纯，那么从价值的角度，铁矿石和普通的石头 也没有太大差异。
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”。