根据研究报告显示：到2025年全球将有近30%的新增数据资源来自中国，在信息产业部分领域我国实现了从“跟跑”“并跑”向“领跑”的转变。面对规模日渐增长的大数据，想要了解剖析它，先从概念开始。今天，小亿带你了解数据治理、数据管理、数据资源及数据资产管理等概念的内涵及差异点。

数据管理是什么？
数据管理的概念是伴随上世纪八十年代数据随机存储技术、数据库技术的使用而提出的。
数据管理（Data Management）是指通过规划、控制与提供数据和信息资产职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，以获取、控制、保护、交付和提高数据和信息资产价值。
数据管理是一种业务能力，它保障公司的数据和信息资源，优化数据和信息价值链，以确保业务的有效传导。

这种能力的具体目标是:
· 控制数据和信息资源
· 优化数据和信息价值链
· 交付、控制、保护和提高数据和信息资产的价值

数据治理是什么？
数据治理的概念各大机构的理解不尽相同，这里列举一下比较典型的释义：

数据治理相关定义
DGI：数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行，该模型描述了谁（Who）能根据什么信息，在什么时间（When）和情况（Where）下，用什么方法（How），采取什么行动（What）。
IBM：数据治理是一门将数据视为一项企业资产的学科。数据治理是针对数据管理的质量控制规范，它将严密性和纪律性植入企业的数据管理、利用、优化和保护过程中。它涉及到以企业资产的形式对数据进行优化、保护和利用的决策权利。它涉及到对组织内的人员、流程、技术和策略的编排，以从企业数据获取最优的价值。
DAMA：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）。

数据管理vs数据治理？
观点一：数据管理⊆数据治理
数据管理（DM）是长期管控的过程，属于长效机制，类似我们中医里的“管”。
数据治理（DG）是某一时间段对数据的临时梳理措施和行为，是针对数据质量的干扰动作，类似西医里的"治"。
这种理念下，数据管理是包含数据治理的。
在DAMA-DMBOK2理论框架中，数据管理的内容分为三大类：
数据治理活动：确保组织对数据作出合理、一致的决策；
数据生命周期活动：管理从数据的获取到数据的消除整个过程；

数据基础活动：包含数据的管理、维护和使用。

根据上诉观点，可以很明显的看出DAMA是赞同数据管理包含数据治理这一结论的。

观点二：数据管理⊇数据治理
另一种观点认为数据治理是包含数据管理的，数据管理是数据治理的技术实现。在这种观点下，数据治理是对数据端到端生命周期内（收集、存储、使用、保护、归档和删除）的组织结构、数据拥有者、政策、规则、过程、业务术语和度量标准等做出定义。数据管理则是数据治理的技术实现，而企业数据治理则为各种政策及过程的执行和实施赋能。

观点三：数据管理=数据治理
还有很大一部分人认为数据治理和数据管理基本上是一回事，可以相互混用。DATA GOVERNANCE，翻译成中文可以是数据治理、数据管理、数据管控等，因此这几个词都是约等的概念。
上诉观点众说纷纭，也都有一定程度的“信仰者”，但就目前来看，有DAMA站台的观点一的呼声更高，盖过了其他的声音。

数据治理vs公司治理vs社会治理
公司治理是指通过一整套包括正式或非正式的、内部的或外部的制度来协调公司与所有利益相关者之间（股东、债权人、职工、潜在的投资者等）的利益关系，以保证公司决策的科学性、有效性，从而最终维护公司各方面的利益。
公司治理和数据治理：概念层面相互交织

一个面向公司，目的是协调利益相关者之间的关系，维护公司各方面的利益，实现企业利益最大化；一个是面向数据，目的是协调数据资产相关方关系，确保数据的管理和使用过程中的数据质量、数据安全和合法合规，以促进数据价值的最大化。在概念层面，也能够看出公司治理与数据治理之间有着千丝万缕的联系。

公司治理和数据治理：应用层面相互交融
数字化时代，数据是企业的重要资产，已经被越来越多的企业视为除了人员、资金和物资的第四种生产要素。数据治理已经成为了企业顶层的，战略层面的策略。

因此，我们与其说数据治理是公司治理的一部分，不如说他们之间相互依赖的。离开了数据治理的公司治理是残缺、不完整的，没有及时、准确的数据支撑，企业的利益就无法得到最大化的保障；而离开了公司治理的数据治理是缺乏源动力的，没有战略层面的目标和顶层策略支撑，数据治理就如无根之水，治理过程不仅困难重重，更无法持续实现数据价值。

刚刚落下帷幕的两会，有一个概念被屡屡提及——社会治理。
数字化时代科学技术对社会治理变革起到了核心推动作用，互联网、大数据的快速发展使得社会治理从过去对少量数据、孤立数据的掌握，转变为对海量数据、关联数据的掌握，决策者可以通过数字化手段掌握以前难以掌握的信息，更多的了解实际情况，增进政府与民众的沟通，更好的汇聚民智，这样有助于提高决策的科学性。而加强法制化基础上的数据共享，解决数据孤岛现象的数据治理能力，是推进社会治理高效化、公共服务精准化的重要基础。

数据资源是什么？
数据资源是数据发展到一定程度的产物，就像石油一样，一滴石油只是自然界一种化学物质的表现，很多石油汇集在一起，就形成了石油资源，数据亦是这样。

数据资源管理(Data Resource Management)是应用信息技术和软件工具完成组织数据资源管理采用文件处理方法，在这种方法中，数据根据特定的组织应用程序的处理要求被组织成特定的数据记录文件，只能以特定的方式进行访问。这种方法在为现代企业提供流程管理、组织管理信息时显得过于麻烦，成本过高并且不够灵活。因此出现了数据库管理办法，它可以解决文件处理系统存在的问题。

数据资产是什么？
数据资产是企业在运营活动中形成的，由企业拥有，在数据的产生、获取、处理、存储、传输和应用全过程可控的，并能够给企业带来价值的数据资源。

数据资产的概念演变
电子计算机诞生之初，信息技术迅猛发展，此时，业界更多的叫法是信息资产；

随着互联网的普及，各种知识、经验以数字的形式在互联网上快速传递，信息资产中的数据部分发挥的作用越来越大，人们的目光聚焦在了数字上，数字资产强调的是数据库里存储的信息，需要明确所有权和使用权。

大数据时代，数据规模越来越大，越来越多的国家、企业和组织都达成了一种共识，数据也是一种资产，而数据资产的概念更侧重其规模性、资产性，强调其收益。数据资源将成为战略资产,而有效的数据治理才是数据资产形成的必要条件。有效的数据治理是一个持续性的过程，也是逐步实现数据价值的过程。所以数据治理是企业信息化的基石，数据资产是企业战略发展的核心价值，数据管理为企业赋能。

数据管理vs数据资源vs数据资产管理
概念的差异：

数据管理是指对数据本身加工过程的支持，即数据从产生到获取、处理、存储、传输、归档的全过程管理；。
数据资源管理是在数据管理的基础之上，提供各种数据治理手段来确保数据质量和开发效率，也就是说数据资源管理是在数据管理的基础之上从组织、制度、流程方面进行管理。

数据资产管理是在数据资源管理的基础之上，从经济角度，满足对资产运营的各类管理要求，主要强调所有权和经济效益。数据资产是数据资源的进一步发展，当一种资源能够创造价值，就会涉及到所有权、价值等活动，用来组织和规范该项资源的利用，评估这项资源带来的效益，数据资产就是在数据资源的基础上进一步体现了资产属性。

目标的差异：
数据管理的目标在于充分有效的发挥数据的作用。
数据资源的目标在于寻找手段，以有效的控制数据资源，并提升数据资源的利用率。
数据资产管理的目标是将数据对象作为一种全新的资产形态，并以资产管理的标准和要求来加强相关体制和手段。

三者的关系：
如何理解呢，还是以石油资源为例，一滴石油不能叫做资源，规模大了，具有使用价值了，它成为了资源，成为了资源就需要人对它进行开采和加工，自然需要组织、制度、流程保证工作的有序运转，数据资源也是同样的道理。当数据资源达到一定规模，具有使用价值了，就需要组织对其进行开发和利用，达到了量化、资产化后才能称之为数据资产。

把握“数据要素”，释放数据价值
2020年4月9日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中首次将“数据”与土地、劳动力、资本、技术并列为五大生产要素，并提出要“加快培育数据要素市场，完善数据要素的市场化配置机制”。

企业作为市场主体，如何在数据爆炸时代发挥数据要素价值、真正为自身发展带来切实助力，已经成为企业数字化转型升级中的大课题。

罗马不是一天建成的，数据也不是一夕一朝之间变为数据资产从而为公司创造价值的。想要把握数据要素，就得从正视大数据的作用及能力开始，收好数据、归好数据最后用好数据，说起来简单但做起来也是相当有难度的。

亿信华辰作为商务智能领域的时代弄潮儿，在数据分析领域一骑绝尘，旗下王牌产品亿信ABI是一款融合了ETL数据处理、数据建模、数据可视化、数据分析、数据填报、移动应用等核心功能的全能型数据分析平台，可满足企业对数据分析的一切想象。

在数据治理方面，亿信华辰也一直走在了行业前头，早在2018年，我们根据十数年深入研究和实施经验重磅推出融合九大领域的智能数据治理平台——睿治，填补了该领域的空白，一举暂获DAMA数据治理优秀产品奖、星河优秀大数据产品奖等多项荣誉。

作为一家深耕于数据全生命周期的产品与服务提供商，亿信华辰以其过硬的技术能力及春风细雨般地服务在众多行业领域得以成功落地和验证，帮助逾8000家政企单位实现数字化转型，唤醒沉睡的数据，深挖业务价值。