当我刚开始涉足数据领域时，总是很难开始一个新主题，因为在我理解组件如何融入更大的蓝图之前，无法完全发挥作用。一个很好的例子是数据战略与数据管理 (DM) 与数据治理 (DG)。“精确搜索关键词“数据战略”有大约 5,900,000 个结果，“数据管理”有 204,000,000 个结果，“数据治理”有 14,700,000 个结果。关于这些主题的材料并不缺乏，但我找不到想出关于 IT 战略、业务战略、数据战略、数据管理战略、数据治理和数据管理如何结合在一起的概念框架。本文的目的是分享将数据战略、数据治理和数据管理部分拼凑在一起的总体框架。

一 总体框架

您可能会对下面的框架提出异议，因为以往 IT战略 和数据战略是业务级战略之下的一部分。出于本文的目的，我将它们放在与业务战略相同的级别。

5W和 1H是指在收集信息以了解事件、情况或现象时要提出的六个基本问题技巧。该术语起源最常被引用的来源是英国修辞学家托马斯·威尔逊（1524-1581），他在讨论“七种情况”时介绍了该方法：

谁、什么、在哪里、通过什么帮助、通过谁、为什么、如何和何时，许多事情被揭露。——《修辞艺术》，1560 年

二 数据战略或者为什么需要数据

根据 DAMA 的数据管理知识体系指南 (DMBoK)，“战略是一系列选择和决策，它们共同规划出实现高层次目标的高级行动方针。数据战略应包括利用数据获得竞争优势的业务计划。”以下是指南对数据战略的介绍。指南指出，数据战略通过确定业务目标和关键驱动因素来支持组织战略。从本质上讲，数据战略可以回答“数据为何重要？”和“企业如何从数据中受益？”的问题。

如果没有得到适当的引导，战略讨论很容易变成“废话连篇”，而没有任何实质性的成果，谷歌搜索到的这5,900,000个搜索结果中，有许多都属于“废话连篇”的范畴。

三 数据治理或数据的4W（谁、什么、何时、何地）

数据治理是“一系列有助于确保组织内数据资产正式管理的实践和流程”（Dataversity）。指南将数据治理定义为“一系列有助于确保组织内数据资产正式管理的实践、流程、角色、政策、标准和指标”。数据治理定义了那些涉及数据（什么数据资产）的人（谁）的角色，并确保合适的人（谁）能够在合适的时间（何时何地）以合适的格式访问合适的信息（什么数据资产）。

所以，建章立制是数据治理的本质。对于中小型公司而言，过多的规则和规定可能会造成致命影响。在研究中小型公司的框架时，我偶然发现了 Nicola Askham 的《最低限度数据治理》，即“主动管理数据质量的最低限度方法”。根据该框架，数据治理框架包括强制数据治理的政策；产生一致结果的流程；角色和职责，以确保组织内就责任和义务达成一致并共享；以及可交付成果 — 数据治理实施期间所做工作的任何成果。

四 数据管理或者数据如何

数据管理是“致力于利用数据资产实现业务成功和遵守数据法规的实践、概念和流程的集合”（Dataversity）。指南指出，数据管理通过执行和启用数据治理中描述的规则和战略来管理企业的完整数据生命周期需求，因此，它回答了“如何管理数据？”的问题。

研究数据治理和数据管理框架有两种方法。首先，可以查看正式定义的数据管理框架，例如 DAMA DMBOK 框架。DAMA DMBOK 框架“提供可用于阐明战略、制定路线图、组织团队和协调职能的见解”。它包含 (1) 流程输入和输出的语境关系图、(2) 定义数据管理知识领域的 DAMA 轮（见上文）和 (3) 显示人员、流程和技术之间关系的环境因素六边形。

由于数据管理框架通常包含多种工具（例如数据管理成熟度模型），因此审查数据管理框架的第二种选择是通过数据管理成熟度模型，该模型为数据管理提供了理论和实践框架。一些常见的数据管理成熟度模型包括DAMA-DMBOK2、DMM、DCAM、IBM数据管理成熟度评估、Gatner成熟度评估模型等，以下是几个模型包括评估内容的比较。

本文来自微信公众号“数据驱动智能”（ID：Data_0101），作者：晓晓，36氪经授权发布。