【数据管理】什么是数据管理？

前言

数据管理，即对数据资源的管理。按照 DAMA （国际数据管理协会）的定义：「数据资源管理，致力于发展处理企业数据生命周期的适当的建构、策略、实践和程序。」这是一个高层而包含广泛的定义，而并不一定直接涉及数据管理的具体操作（如关系数据库的技术层次上的管理）。

常见内容

数据管理最常见的有以下内容：

• 数据分析
• 数据建模
• 数据库管理
• 数据仓库
• 数据挖掘
• 数据安全
• 数据集成
• 数据移动
• 数据质量保证
• 元数据管理（数据存储库及其管理）
• 战略数据架构

主题领域

根据 DAMA DMBOK [DAMA International Guide to Data Management Body of Knowledge (DAMA DMBOK ®)] 的划分，数据管理的领域包含以下部分：

• 数据治理：数据资产，数据管治
• 数据架构、数据（模型）分析和设计：数据架构，数据分析，数据建模
• 数据库管理：数据维护，数据库管理，数据库管理系统
• 数据安全管理：数据访问管理，数据擦除管理，数据隐私，数据安全
• 数据质量管理：数据清晰，数据完整性，数据浓缩，数据质量，数据质量保证
• 参考和主数据管理：数据集成，主数据管理，参考数据
• 数据仓库和商业智能化管理 ：商业智能，数据集市，数据挖掘，数据移动（萃取、 转换和加载），数据仓库
• 文档、记录和内容管理：文件管理系统（DMS）,记录管理
• 元数据管理：元数据管理，元数据发现，元数据发布，元数据注册
• 联系人数据管理：业务连续性规划，市场运营，客户数据集成，身份管理，身份信息窃取，数据被盗，ERP 软件，客户关系管理软件，地址 (地理)，邮编，Email 地址，电话号码

数据类型

我们可以综合数据的描述层次、业务流向、用途等，将数据分为以下几个类型：

• 元数据 （Metadata）
• 引用数据（Reference Data）
• 主数据（Master Data）
• 交易数据（Transactional Data）

元数据

元数据（Meta Data）是用来描述数据的数据（Data that describes other data），或者说是用于提供某种资源的有关信息的结构数据（structured data）。

元数据是描述信息资源或数据等对象的数据，其使用目的在于：识别资源；评价资源；追踪资源在使用过程中的变化；实现简单高效地管理大量网络化数据；实现信息资源的有效发现、查找、一体化组织和对使用资源的有效管理。

常见的元数据如：

• 图书编目信息
• 照片的 EXIF 信息
• 报名信息表
• 豆瓣电影信息

引用数据

引用数据（Reference Data），又叫参考数据，它来做一些普遍的定义，描述数据范围、意义。它标示元数据的可能取值范围，我们设计表时所说的数据字典往往就是引用数据。比如，性别只能是男和女，男和女就是引用数据；国家的引用数据就是世界上这100多个国家和地区。

常见的引用数据如：

• 性别男、女、其他
• 订单状态
• 商品尺码、颜色、操作系统
• 视频的发布状态

主数据

主数据（Master Data）指的是业务实体，比如用户、商品、订单、购物车、文章、视频等。主数据用于跨部门、跨系统的信息交互。

主数据的目标，一是为业务实体建模，或者说业务实体包含哪些属性和行为，二是确保在不同系统中业务实体数据的一致性。

常见的主数据如：

• 电商中的商品信息、用户信息
• 新闻网站的新闻
• 视频网站中的视频、播主
• B2B 中的商家
• 外卖平台中的店

交易数据

交易数据（Transactional Data）指主数据之间活动产生的数据。比如客户购买产品的交易记录就是交易活动数据，用户对一个播主进行了关注、打赏也是交易数据。

常见的交易数据如：

• 电商下单产生的订单、支付
• 直播平台中用户对主播点赞、刷礼物
• 社交网站中用户关注行为
• IM 工具用户发布的聊天信息、公众信息
• 关系与特点

数据类型的特点

通过以下几个维度来评估：

• 数据量、更新频率：引用数据 < 元数据 < 主数据 < 交易数据
• 生命周期、数据质量：引用数据 > 元数据 > 主数据 > 交易数据

数据类型之间的关系

典型有情况下：

• 元数据、主数据、交易数据都会用到引用数据
• 主数据会包含元数据
• 交易数据是主数据之间的行为

GIGO

垃圾进，垃圾出（英语：Garbage in, garbage out，缩写：GIGO），或译为废料进，废品出，wiki，是计算机科学与信息通信技术领域的一句习语，说明了如果将错误的、无意义的数据输入计算机系统，计算机自然也一定会输出错误、无意义的结果。同样的原则在计算机外的其他领域也有体现。

在统计学中，如果分析的原始数据是错误的、不准确的，那么统计的结论也就是不可信的。

数据质量评估

避免 GIGO 等问题，4个角度评估数据质量：

• 完整性：主要包括实体缺失、属性缺失、记录缺失和字段值缺失四个方面；
• 准确性：一个数据值与设定为准确的值之间的一致程度，或与可接受程度之间的差异；
• 合理性：主要包括格式、类型、值域和业务规则的合理有效；
• 一致性：系统之间的数据差异和相互矛盾的一致性，业务指标统一定义，数据逻辑加工结果一致性；
• 及时性：数据仓库ETL、应用展现的及时和快速性，Jobs运行耗时、运行质量、依赖运行及时性。

数据质量管理

数据质量功能模块设计的主要包括监控对象管理、检核指标管理、数据质量过程监控、问题跟踪管理、推荐优化管理、知识库管理及系统管理等。其中过程监控包括离线数据监控、实时数据监控；问题跟踪处理由问题发现（支持自动检核、人工录入）、问题提报、任务推送、故障定级、故障处理、知识库沉淀等形成闭环流程。

数据治理

DAMA将数据治理的定义为：数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行），数据治理职能指导其他数据管理职能如何执行。这个定义看上去有点虚。我理解的数据治理其实就是优先级管理+流程管理。优先级管理指的是我们需要对数据管理各个问题优先级排序。流程管理是人、角色和责任，也就是谁是什么角色，负责什么问题。比如说，当出现数据缺失的问题时，这个问题的优先级排序怎么样，谁来解决这个问题。

数据安全

我们经常可以在网上看到某某站点用户数据泄露的消息。更有甚者，将数据库的连接信息直接保存到了github上，导致数据库被人复制。这些都是数据安全工作没做到位造成的。我个人认为数据安全从技术和制度方面着手。在技术方面，要确保数据存储、传输、应用、备份过程中的数据安全，防止数据泄露。在制度方面，要建立完善的数据访问控制和权限管理机制。