首页 亿信华辰大数据知识库 数据治理|数据管理与数据治理的关系与区别

数据治理|数据管理与数据治理的关系与区别

|亿信华辰大数据知识库2022-02-18

就目前而言,关于数据资产管理,谈论最多的还是数据管理和数据治理这两个概念。数据管理和数据治理有很多地方是互相重叠的,它们都围绕数据这个领域展开,因此这两个术语经常被混为一谈。那么,对于这两个概念,两者的准确定义是什么,具体区别又是什么?


数据管理包含数据治理
数据治理是数据管理最显著的领域。数据管理协会(DAMA)在数据管理知识体系(DMBOK)中认为,数据治理是数据管理的一部分。根据企业信息管理(EIM)的定义,强调了数据/信息管理和治理上的紧密关系,也重申了数据管理包含治理这个观点。Gartner认为EIM是“在组织和技术的边界上结构化、描述、治理信息资产的一个综合学科”。DMM模型中包括六个有效数据管理分类,而其中一个就是数据治理。
数据治理与数据管理的区别
数据治理是用来明确相关角色、工作责任和工作流程的,确保数据资产能可持续地、长期有序地得到管理。而在数据管理过程中要保证一个组织已经将数据转换成有用信息,这项工作所需要的流程和工具就是数据治理的工作。数据管理是一个更为广泛的定义,它与任何时间采集和应用数据的可重复流程的方方面面都紧密相关。例如,简单地建立和规划一个数据仓库,这是数据管理层面的工作。实施各种各样针对元数据和资源库管理工作的标准,并且定义谁以及如何访问这个数据仓库,这是治理层面的工作。
关键的不同点
虽然数据治理是数据管理中的一部分,但后者必须要由前者来提供可靠的信息到核心业务流程。数据管理包括数据管理战略、数据质量、数据生命周期管理、平台与架构以及聚集于其他因素之中的流程和风险管理。情景化这两个领域的最好办法,就是理解数据治理是负责正式化任何数据管理当中的流程,数据治理本身着重提供一整套工具和方法,确保企业在实际上治理这些数据。
数据建模
数据建模结合了数据管理与数据治理两者进行协调工作,是数据管理中,依赖于数据治理的关键领域。遵从一致性的数据建模,令数据标准变得有价值。利用数据建模技术直接关联不同的数据治理领域,将数据治理工作扩展到其他业务部门,确保数据治理贯穿整个企业。例如数据血缘关系以及数据质量。当需要合并非结构化数据时,数据建模将会更有价值。此外,数据建模加强了治理的结构和形式。
数据治理领域
业务词汇表:建立统一的业务术语对于企业而言非常关键,如果这些术语和上下文不能横跨整个企业的范畴,那么它将会在不同的业务部门中出现不同的表述。
元数据:元数据通常聚集于业务词汇表上,要求数据元素和术语的一致性定义
数据质量:数据质量是非常重要的,它极大提升了治理的水平。数据质量的具体措施包括数据详细检查的流程,目的是让业务部门信任这些数据。
参考数据管理:参考数据结合元数据,提供数据的上下文。由于参考数据变更的频率较低,参考数据的治理经常会被忽视。
生命周期管理:数据保存的位置、数据保存的时间跨度以及数据如何使用都会随着时间而产生变化,某些生命周期管理还会受到法律法规的影响。

企业进行数据治理的关键

睿治智能数据治理平台由亿信华辰自主研发,是一款融合数据集成、数据交换、实时计算存储、元数据管理、数据标准管理、数据质量管理、主数据管理、数据资产管理、数据安全管理、数据生命周期管理十大产品模块的目前国内功能齐全的数据治理工具,十大产品模块可独立或任意组合使用,覆盖数据全生命周期管理,打通数据治理各个环节,快速满足政府、企业各类不同的数据治理场景。助力数据标准落地,提升数据质量,实现数据资产融合。
认为本内容有帮助
0
您可能需要的数据产品
亿信华辰助力政企数字化转型