信息与数据的关系 数据治理与数据管理的区别

当我们谈论数据资产管理时，我们在谈论什么？目前我们谈论最多的两个概念是数据管理和数据治理。但是对于这两个概念来说，确切的定义是什么，它们之间的具体区别是什么，仍然是困扰很多人的关键问题。

数据管理和数据治理在很多地方都是相互重叠的，都是围绕着数据这个领域展开的，所以这两个术语经常会混淆。

另外，当人们提到数据管理和数据治理时，有一对类似的术语叫做信息管理和信息治理，混淆了人们对它们的理解。企业信息管理有很多相关的子集，包括主数据管理、元数据管理、数据生命周期管理等。

因此，出现了许多不同的理论(或理论家)来描述企业中的数据/信息管理以及治理是如何工作的:它们是如何单独工作的？他们是如何合作的？“自下而上”还是“自上而下”的方法效率更高？

为了帮助人们理解这些术语及其关系，本文将重点定义它们的概念并指出它们的区别。这些定义和区别来自国际公认的以数据为中心的组织，也将详细讨论一些观点。

数据管理包括数据治理

在解释数据和信息的区别之前，最好先从“治理是整体数据管理的一部分”这个已经被业界广泛认可的概念入手。数据管理包括许多不同的领域，其中最突出的领域之一就是数据治理。CMMi协会颁布的数据管理成熟度模型(DMM)体现了这一概念。DMM模型包括六个有效的数据管理类别，其中之一是数据治理。数据管理协会(DAMA)也认为，数据治理是数据管理知识系统(DMBOK)中数据管理的一部分。关于企业信息管理的定义(EIM)，高德纳认为EIM是“在组织和技术的边界上构造、描述和管理信息资产的综合学科”。高德纳的定义不仅强调了数据/信息管理和治理之间的密切关系，还重申了数据管理包括治理的观点。

治理和管理的区别

在明确了数据治理是数据管理的一部分之后，接下来的问题就是定义数据管理。治理相对容易定义，用来定义相关的角色、工作职责和工作流程，以保证数据资产能够长期有序、可持续的管理。数据管理是一个更广泛的定义，它与随时收集和应用数据的可重复过程的各个方面密切相关。例如，简单地建立和规划一个数据仓库是数据管理级别的工作。定义谁以及如何访问这个数据仓库，以及实现元数据和资源库管理的各种标准，是治理级别的工作。数据管理的更广泛的定义包括大多数关于数据版本中数据管理的文章和博客，其中一些是专门针对数据治理的。更广义的定义是，在数据管理的过程中，需要保证一个组织已经将数据转化为有用的信息，而这项工作所需要的过程和工具就是数据治理的工作。

信息和数据的区别

在上面数据管理的第三个定义中，提到了数据和信息的区别。所有的信息都是数据，但不是所有的数据都是信息。信息是可以轻松应用于业务流程并产生特定价值的数据。数据要成为信息，通常要经过一个严格的治理过程，把有用的数据和无用的数据分开，采取几个关键措施来增加有用数据的可信度，并作为信息使用。数据的特殊之处在于创造和使用信息。在高德纳的术语表中，数据管理和数据治理的概念没有单独解释。相反，强调了信息治理和信息管理的概念。

数据治理主要关注对象:角色

与正式数据治理流程相关的角色是有限的。这些角色通常包括优化数据治理规划并使其更容易筹集资金的高级经理。这些观点还包括治理委员会，该委员会由各个高级经理和来自不同业务部门的人员组成，他们被分配相应的责任来治理特定的业务和必要的流程。该角色还包括数据管理员，确保治理活动的持续发展，并帮助企业实现业务目标。此外，有些“平民”管理员不会被明确指定为数据管理员，但他们仍然在各自业务领域的治理过程中发挥积极作用。

有效的治理不仅需要信息技术的干预，这是一个共识。特别是当业务必须积极参与治理和数据管理的其他方面(比如自助数据分析)时，目的就是要从这些工作参与中获益。在更多的情况下，特定领域的治理可以直接应用于业务。这就是为什么IT是一种过时的观点，认为治理只需要IT干预，应该抛弃。

数据治理主要关注对象:域

数据治理涵盖许多不同的领域:

以元数据为基础，宜信华辰瑞智数据治理管理平台将数据标准、数据质量、数据集成、主数据、数据资产、数据交换、生命周期、数据安全等9个产品集成到整个服务环境中。九款产品可以互称，也可以独立使用，为整个数据治理平台提供技术支持和保障。

元数据:收集和总结企业系统数据属性的信息，帮助各界用户获得更好的数据洞察，通过元数据之间的关系和影响挖掘隐藏在资源中的价值。

数据标准:提供一套统一的数据命名、数据定义、数据类型、赋值规则等。对于分散在各个系统中的数据，通过标准评估，保证复杂数据环境下企业数据模型的一致性和标准化，从源头上保证数据的正确性和质量，提高开发和数据管理的一致性和效率。

数据质量:有效识别各种数据质量问题，建立数据监管，形成数据质量管理体系，监控和揭示数据质量问题，提供问题的详细查询和质量改进建议，全面提高数据的完整性、准确性、及时性、一致性和合法性，降低数据管理成本，减少数据不可靠造成的决策偏差和损失。

数据集成:可以对数据进行清理、转换、集成和模型管理。它不仅可以用来修正问题数据，还可以为数据应用提供可靠的数据模型。

主数据:帮助企业创建和维护内部共享数据的单一视图，从而提高数据质量，统一业务实体的定义，简化和改进业务流程，提高业务响应速度。

数据资产:收集所有能够产生价值的数据资源，为用户提供资产视图，快速了解企业资产，发现不良资产，为管理员提供决策依据，提升数据资产价值。

数据交换:用于实现不同机构和系统之间数据或文件的传输和共享，提高信息资源的利用率，保证分布在异构系统之间的信息的互联互通，完成数据的收集、集中、处理、分发、加载和传输，构建数据和文件的统一传输和交换。

生命周期:管理数据的生灭，建立数据的自动归档和销毁，全面监控和展示数据的生命过程。

数据安全:提供数据加密、脱敏、模糊处理、账户监控等各种数据安全策略。，以确保数据在使用过程中具有适当的身份验证、授权、访问和审核措施。

主要差异

DMM中数据管理的其他方面有五种情况，包括数据管理策略、数据质量、数据运营(生命周期管理)、平台和架构(如集成和架构标准)、支持流程(流程和风险管理聚集在其他因素中)。在此重申，数据治理和数据管理非常接近是有事实支撑的，数据质量往往被认为是与数据治理的结合，甚至是数据治理的产物之一。也许可视化这两个领域的最好方法是理解数据治理负责形式化任何数据管理过程，数据治理本身侧重于提供一套工具和方法来确保企业实际管理这些数据。虽然数据治理是数据管理的一部分，但前者必须为核心业务流程提供可靠的信息。