常见的数据管理技术有哪些（带你深入了解数据管理）

前言

当前，数据要素和数字经济提出了数据在生产过程中发挥的重要作用。其中最热点的话题包括数据资产、数据价值、数据驱动和数字化转型。如果数据是一种资产，那么它应该为公司及其利益相关者创造价值。那么如何获从数据中获得得不同类型的价值以维持公司的竞争优势呢，而为了从数据中获取价值，公司应该成为“数据驱动的”组织，最终数据驱动支持了公司的数字化转型，从而使公司在实践中成为“数据驱动”。下面我们就四个话题展开讨论。

一、数据是一种资产

如果我们问数据管理专业人士：“数据是公司的资产吗？” 他们无疑会证实这一点。那么我们继续问：“您如何在日常运营中实现它？” 可能会使他们难以回答。即使是著名的数据管理知识指南 DAMA-DMBOK2 也表示：“数据被广泛认为是一种企业资产，尽管对将数据作为资产进行管理意味着什么的理解仍在不断发展。“

下面我们将分析资产管理的定义和核心活动和将这些活动转化为数据管理的概念，帮助大家理解数据可以像资产一样管理。

1、数据是资产

要了解为什么数据是资产，我们必须找出资产的定义。

根据权威说法：“资产是个人或组织拥有或控制的具有经济价值的资源，并期望它能提供未来的利益。” 商业词典的定义是：资产是“实体在产生收入时拥有、受益或使用的有价值的东西”。从这两个定义中，我们得出以下结论：作为公司资产的数据是一种具有经济价值的资源，应该能够带来收益。所以，结论是显而易见的。如果公司将数据视为资产，则数据应该能够带来价值和收益。下面我们来看资产管理的核心活动。

2、资产管理的核心活动

我们进行了初步研究，下面是对资产管理的核心活动的总结。

存货管理：在存货管理活动中包括以下问题，有哪些资产、他们在哪、他们在什么条件下、它们的价值是多少、它们的成本是多少。

资金管理：关键问题是一家公司是否有足够的资金来收购和维护资产。

生命周期管理：核心问题是公司维持其资产的能力。

关键程度和服务水平：关键程度确定了资产保持运转对公司的重要性，同时公司应该确定它希望为利益相关者和客户提供的服务水平。

此核心管理活动列表仅限于本文范围内演示用，在实际实践中，将包括更多的管理活动。下面我们将这些活动转化为数据管理的概念。

3、资产管理中的数据管理内容

如果弄清资产管理的核心活动与数据管理概念之间的联系，就要明确数据的定义和数据管理作为管理的主体。

首先，我们看术语“数据”和“信息”的定义。通过这样做，我想将数据与数据库、ETL 工具等数据存储库区分开来。数据是信号的物理或电子表示，“以适合人类或自动方式进行通信、解释或处理的方式”。信息是上下文中的数据，可以解释其含义和关系连接规则。

企业要想长期生存，就需要为客户持续提供商业价值。公司通过设计和实施业务价值链来做到这一点。数据管理支持业务价值链。数据管理的价值主张是提供用于决策的信息。为了提供所需的信息，应获取和处理相应的原始数据。为此，数据管理设计和探索数据和信息的价值链。

数据管理给出了以下问题的答案：

利益相关者需要哪些信息/数据，为什么？每组公司的利益相关者和客户都会有不同的信息需求。

谁做了什么？数据管理需要不同利益相关者的努力。有效的管理需要明确的责任分配。

信息和数据是什么意思？同一术语在整个公司中可能具有不同的含义。财务和销售部门可以完全不同地识别“客户”。

数据位于何处以及数据经历了哪些转换？这个问题的答案证明了数据管理的本质。

您的数据质量如何？内置于数据链中的数据质量要求和数据质量检查，确保交付所需质量的信息。

下面，我们可以看看如何进行数据和信息的盘点。

（1）存货

要回答有关数据的存货需要考虑五个问题，同时数据管理需要提供多种能力和工具.

利益相关者需要哪些信息和数据，为什么？为了识别数据和信息需求，数据建模能力使用“数据/信息”需求模板。

谁做了什么？数据治理能力通过识别数据管理流程和角色来协调与数据相关的活动。

信息和数据是什么意思？数据建模能力支持设计业务词汇表和数据字典。

数据位于何处以及数据经历了哪些转换？数据架构能力对数据目录和数据流进行建模。数据建模和 IT 功能维护元数据和业务规则存储库，同时还记录了物理级别的数据沿袭。

数据质量如何？数据质量能力执行与收集数据质量要求、数据分析和记录业务规则相关的任务。IT 能力实施数据质量检查。

（2）资金

资产管理的核心活动之一是资金管理。数据管理也面临同样的挑战。数据管理是核心业务功能之一。因此，它需要投资和持续的资金支持。

（3）生命周期

数据生命周期是数据管理的核心概念之一。如图 4所示，三种不同的数据管理概念之间存在明确的联系。

数据生命周期是一组从创建到归档和/或销毁过程中移动和转换数据的过程。每家公司都可以以不同的方式描述其数据生命周期。这取决于企业的商业模式。

数据和信息链是数据生命周期的物理实现。一家公司有不同的数据链，不同的商业价值链需要不同的数据链。数据沿袭是一种在不同抽象层次上描述数据链的模型。因此，不同的数据管理功能支持和维护数据生命周期。这些是数据建模、数据架构、IT 能力的具体体现。

（4）关键性和服务水平

数据管理将关键数据的概念应用于各种数据管理计划。关键数据是对管理业务风险、制定业务决策和成功运营业务至关重要的数据。数据管理使用服务水平协议调节数据链中不同数据利益相关者之间的关系。这样的协议侧重于数据要求和数据交付的规范。

以上就是对资产和数据管理之间相似性的简要概述，因此我们可以得出一些结论。

4、小结

资产和数据管理的核心任务是相似的。这些相似之处体现了公司可以将数据视为资产并进行管理的事实。因此，如果数据是一种资产，公司就应该从中获得价值。

二、从数据中获取价值

如果一家公司将数据视为资产，那么公司应该能够从中获得价值。下面我们将讨论与数据和不同商业模式相关的商业价值类型和评估业务价值的技术。我们将通过分析公司可以落地的关键步骤来从数据中获取价值，从而实现这些目标。

第 1 步：确定价值的类型

要实现“从数据中获取价值”，要就“价值”的定义达成一致。下面中是“价值”一词的不同定义。让我们在“数据”环境中解释这些定义：

（1）“价值是“某物的货币价值”

在“数据”上下文中，“货币价值”可以指以货币形式计算的收入。

公司应该有一个商业模式，其中数据是提供给外部客户的产品之一。也或者是由于数据管理的改进而节省了一些成本。例如，可以通过减少数据重复和冗余来降低 IT 成本。货币价值也可以通过避免潜在损失来衡量。例如，当公司因数据泄露而避免支付罚款时，就会发生这种情况。货币价值表示价值的可衡量性。

（2）价值是“商品、服务的公平回报或等价物交换的东西”

“公平回报”可能意味着公司可以通过向客户提供一些与数据相关的服务而获得的货币收益。即使客户不为这些服务付费，这些服务的吸引力也可以扩大客户群。从“数据”的角度来看，价值最重要的部分仍然是数据价值的可衡量性。

（3）价值是“相对价值、效用或重要性”

在“数据”世界中，交付给监管机构的数据对双方都很重要。监管机构获得有关公司业绩的强制性信息，公司符合外部报告的要求。比如国资指标监管要求的数据。

（4）价值是“本质上有价值或可取的东西（例如质量）”

在“数据”内容中，所需质量的数据对其用户是有价值的。

通过以上分析，我们应该对要使用的“价值”的定义有一个清晰的认识。

第 2 步：定义目标

数据价值的实际评估需要大量的业务和财务分析。要执行它，数据管理能力应该是可操作的，并且拥有与应用程序和数据架构、数据建模、数据链管理等相关的许多工件。因此，这种评估的目标应该对业务很重要并且是可行的。现有数据链的优化是从数据中获取价值的例子。

第 3 步：将价值映射到利益相关者并评估价值

为了评估数据提供的价值，我们需要确定这些价值的受益者。公司本身并不是唯一的受益者。公司作为一个整体最大程度地享有以收入和收益表示的货币价值。但除了公司之外，公司的所有者也将从这些货币价值中获利。事实上，公司有各种外部和内部利益相关者群体。这些群体对公司和数据有不同的兴趣。因此，这些群体可能会从数据中得到不同的值。因此，需要列出利益相关者的群体，并确定公司数据为他们产生的价值。

每家公司都通过价值链创造为其外部和内部客户创造价值。在此模型中，“客户”一词具有更广泛的含义。事实上，我们谈论的是公司的利益相关者。然而，公司的合作伙伴也是利益相关者。为避免定义不匹配，我们仍使用“客户”一词。

为了创造价值，公司应该从合作伙伴那里获得资源。公司主要通过提供产品和服务来创造价值。数据和信息是产品和服务。该公司与合作伙伴和客户保持关系和交付渠道。

购买的产品和服务产生收入和财务收益。像价值链的其他部分一样，公司承担成本和费用。数据链维持了价值链。如果数据是给客户的产品或服务，那么沿着数据链，公司也会产生收入和收益，并承担成本和费用。

该模型有两个目的：分析每个利益相关者群体的数据管理价值主张和评估每个数据链的价值、货币和非货币以及盈利能力。

当然，在现实生活中，情况要复杂得多，原因如下：每个公司都有多个数据链，且这些数据链相互交叉，同时多条链使用相同的数据。

第 4 步：将分析限制在关键客户群、数据链和数据集

为使评估可行，公司应限制倡议的范围。“数据关键性”的概念是确定任何数据管理计划优先级的方法之一。关键数据是对管理业务风险、制定业务决策和成功运营业务至关重要的数据。关键数据定义了关键链和相应的客户群。

假设一家公司通过向特定客户群出售特定数据集来产生一些收入。该客户群和数据集应被视为对业务运营至关重要。处理这些数据集的数据链也很关键。因此，价值评估将仅限于这些关键数据集和链。

如果数据不是公司的产品，价值分析仍然值得进行。每家公司与数据管理相关的运营成本都相当高。应用程序许可和维护成本、工资、数据管理流程就是这些成本的例子。这些成本的财务分析可以推荐所需的数据链优化。

第 5 步：详细阐述增加数据价值的业务可能性

至此，我们已经讨论了如何使用现有数据链分析数据传递的价值。但当然，每家公司都应该评估自己的战略计划，以从数据中获得更多价值。要详细说明商机，公司应该非常清楚他们对货币或非货币价值的关注。每个客户组的相同分析应有助于制定战略观点。

让我们简要讨论哪些业务变化可能导致货币价值增加：

（1）商业模式的变化

在线平台是从数据中产生收入的商业模式之一。亚马逊是最著名的提供数字商品和服务的平台，并且利润丰厚。当前的业务发展趋势表明，许多公司专注于开发在线服务。

（2）关注客户行为并支持

使用人工智能和机器学习技术进行数据分析有助于了解客户行为。公司可以以更有效的方式识别和满足客户的需求。通过这样做，他们扩大了客户基础，从而导致收入的潜在增长。

（3）专注于成本降低和避免潜在损失

许多公司承担着与数据处理和管理相关的高昂成本。从长远来看，以下业务举措应能降低成本并避免潜在损失：替换传统技术、提高业务流程和数据处理的效率、遵守数据相关法规。

以上论述的目的只是强调公司应该采取哪些关键步骤来开始从数据中获取价值。在实践中，实现这一目标需要付出巨大的努力和资源。然而，这种方法是长期保持竞争优势的唯一途径。

三、成为数据驱动的组织

若要从数据中获取价值，公司应该成为“数据驱动的”。下面我们将讨论关于“数据驱动”组织的不同观点，包括协助公司选择“数据驱动”的定义和成为“数据驱动”的组织的方法。

1、“数据驱动”组织的各种观点

对于这句话的含义没有一致的共同观点和方法。“数据驱动”一词已被置于不同的上下文中，因此具有不同的含义。

（1）定义中的启动词不同

启动词是定义中的第一个名词或名词短语。术语“数据驱动”被定义为“业务状态”、“识别”、“情况”、“方法”、“业务条件”等等。这些启动词将这个术语置于不同的语境中。状态或情况描述的是“原样”的状态。方法关注于如何实现“将来”状态。业务条件定义了实现某事所需的环境或因素。

（2）定义有不同的侧重点。有些定义回答了“数据驱动”意味着什么这个问题?有些定义关注的问题是:“如何成为数据驱动的?”

根据设计的业务术语和定义的标准规则，定义应该回答“什么”是一个事物的问题。当你知道你需要实现什么，你可以找到多种方法来达到这种状态。许多定义无法清楚地定义“数据驱动”的状态。相反，它们解释了如何做一些事情。

下面，是一些关于是“什么”问题的定义示例：

•数据的组织和检查旨在更好地服务于客户和消费者

• “基于数据分析和解释做出战略决策”

以下定义侧重于“如何”实现问题：

• “[...]必须以专业的制度有效地管理数据[...]”

• “综合数据分析”是“其业务流程的核心”

•构建数据生命周期，包括数据源、共享、分析

•实施数据管理

• “数据推动数字化转型”

• “构建工具、能力，以及最重要的是，一种 对数据起作用的文化”

•以各种形式实现数字化转型，在分析上竞争或成为人工智能优先”

因此，如果一家公司决定成为数据驱动的，它应该清晰的理解这个术语的适用含义，并且只有在这之后，才应该明确如何达到“数据驱动”的状态。

2、成为数据驱动型组织意味着“什么”

“数据驱动”是商业模式的一个特征，它使公司能够将数据用作所有组织级别决策中最重要的因素。因此，“数据驱动”一词反映了企业将数据管理纳入其业务模型的能力。然后，数据管理组织数据生命周期，使数据成为决策中最重要的因素。

当前对“数据驱动”概念的解释并未表明人类在商业决策中的作用。到目前为止，人类的参与仍然是不可避免的。然而，数据的作用发生了变化：人类的商业决策应该基于可靠的数据，而不是“直觉”。

3、“如何”建立数据驱动的组织

通过实施数据管理框架来建立运营数据管理能力。 主要原因如下：

（1）数据分析是数据生命周期的一部分

运营数据分析本身不足以支持成为“数据驱动”的公司，数据分析只是数据生命周期中的一步。数据生命周期模型取决于公司的业务模型。不同的数据链实现数据生命周期模型。公司应优化不同的数据链，以根据更新的业务模型调整数据生命周期。

（2）数据管理能力支持数据链

数据管理能力包括设计、实施或优化数据链所需的几个能力。要执行它，数据管理应该成为一项业务功能。

（3）数据管理框架定义了数据管理功能

数据管理框架是一组相互关联的组件，它们将数据管理塑造成业务功能。

组织可以通过实施数据管理框架来建立数据管理功能，从而实现“数据驱动”。

数据管理框架提供了建立运营数据管理功能的方法，下图展示了数据管理框架的概念：

数据管理框架是一组相互关联的组件，它们将数据管理打造成业务功能。数据管理能力是组织保护数据资产并从中提供商业价值的能力。

数据管理功能是组织结构中数据管理能力的实现。数据管理框架由几个组件组成并服务于各种目标。如上图所示，模型和方法是数据管理框架的关键组件。模型是“事物的抽象表示，例如物理对象、过程、现象等”。方法是“做某事的程序、技术或方式，尤其是按照明确的计划”。

数据管理框架的关键目标是：设计、实施、衡量数据管理能力的成熟度和性能。

数据管理框架包括数据管理能力模型和实现它的七个阶段：

第 1 阶段：确定数据管理框架的范围

第 1 阶段对于数据管理计划的成功至关重要。在此阶段，公司确定其业务需求、设定长期目标并评估可行资源。它制定了数据管理能力和框架范围的定义，可行范围保证在规定期限内实现目标。

第 2 阶段：进行数据管理初步成熟度评估

第 2 阶段对于中长期规划非常重要。在此阶段，公司确定其“现状”情况并评估所需的“未来”状态。该评估的结果构成了制定数据管理战略和路线图的基础。

第 3 阶段：设计数据管理策略和路线图

数据管理战略是一份长期的未来状态文件，表明公司根据其业务战略管理和使用数据的意图。信息技术应该能够实现这些意图。数据至上；技术紧随其后。建议在进行初步成熟度评估之后和关键数据管理能力设计之前设计数据策略。

阶段 4：设计数据管理能力

每个公司都可以使用或调整现有的数据管理框架或创建其框架。只要框架适合公司的目的和资源，任何选择都是可行的。最常见的数据管理能力有：

•数据管理框架的治理

•数据建模

•数据架构

•数据生命周期管理

•数据质量

第 5 阶段：实施数据管理框架

第 5 阶段是数据管理计划成功过程中最具挑战性的一步。公司应该将第一阶段到第四阶段的理论发展付诸实践。第 5 阶段也是最耗费时间和资源的阶段。关键规则是，一旦开始，数据管理能力的发展就永远不会停止。商业环境中的挑战总是会产生对数据管理的新需求。

阶段 6：执行详细的成熟度评估

当公司在实施数据管理框架方面已经取得一些进展时，可以继续进行第 6 阶段。关键目标是评估取得的进展并改进和优化框架。

阶段 7：设计和实施绩效管理

数据管理能力构建是一个持续的过程。内部和外部业务环境的变化总是需要数据管理能力的完善和进一步发展。数据管理是资源消耗。因此，公司应持续监控数据管理能力的有效性。

四、数字化转型和数据管理

数字化转型使公司在实践中成为“数据驱动”的组织，下面我们将讨论“数字化转型”概念并说明为什么正式的数据管理能力是数字化转型不可或缺的部分。

1、“数字化转型”的定义和实施步骤

每个公司都有自己的商业模式。业务模型展示了公司如何沿着业务价值链向利益相关者交付价值，如下图所示，业务价值链是公司为利益相关者创造和交付价值的一系列活动。业务价值链从供应商开始，到客户和其他利益相关者结束。

公司的商业模式包括一套商业能力，以实现商业价值链。财务、客户支持和产品开发都是业务能力的例子。每个业务能力都有几个组成部分，例如数据、技术、业务流程、人员和其他资源，例如有形和无形资产。

数字化转型是由技术变革引领的商业模式变革。

转型涉及业务能力的所有组成部分，如下图所示。技术要求业务流程发生变化，技术和业务流程的变化会影响产品和服务的交以及数据处理，业务流程的变化需要公司执行这些流程的员工的技能发生变化。这也就意味着商业模式的所有组成部分都需要转型。

数字化转型影响着公司和各个利益相关者的整个业务模式。因此，不同的业务流程可以进行数字化转型。

核心业务流程专注于为客户提供价值。支持核心业务流程，并拥有各种内部和外部利益相关者。财务业务流程就是一个例子。财务流程的主要利益相关者是财务人员、管理层、所有者和外部监督机构。

各种企业只能利用那些能够更好地将其价值主张与不同利益相关者群体相匹配的技术。

技术变革不是数字化转型的驱动因素，而是数字化转型的一种手段。公司为什么要转变商业模式？

这种变化的主要驱动因素是：

通过加快新产品和服务的上市速度，在行业中变得更具竞争力；

提高生产力；

通过提高对客户需求的响应和个性化产品和服务来改善客户体验。

这些驱动因素再次表明，各种利益相关者群体都从相应业务流程的数字化转型中受益。

最近的一项调查表明，“70% 的数字化转型计划没有达到他们的目标。去年在数字化转型上花费的 1.3 万亿美元中，估计有 9000 亿美元被浪费了。”

在我看来，任何数字化转型项目都应该遵循适用于任何信息技术相关项目的简单的9步骤。

第 1 步：确定关键业务驱动力

一家公司有两种选择。第一个选项是选择一种技术并开始实施它。第二个选项是回答为什么公司需要这项技术。我认为，公司首先需要回答“什么？” 以及“为什么”它想要达到的目标。技术是后面考虑的。因此，公司应将其数字化转型计划与业务战略保持一致。

第 2 步：高层管理人员的支持

任何业务转型项目都耗费时间和资源。因此，高层管理人员的支持是最大的成功因素。

第 3 步：确定数字化转型范围

这是数字化转型中最关键的一步。一个公司的方法应该是务实和现实的。数字化转型需要大量资源，因为它会影响业务模型的所有领域。对新技术实施、员工发展和业务流程再造的投资可能是巨大的。因此，公司应优先考虑其目标并将其限制在可行的范围内，并选择相关因素进行优先排序。这些因包括获得投资回报的时期以及对业务盈利能力的影响。拥有多元商业模式的公司可能会从不同业务流程的数字化转型中获益。

第 4 步：定义角色和职责

该计划的范围概述了要参与的业务部门和角色。至于其他与 IT 相关的项目，内部员工的参与对成功至关重要。数字化转型导致日常运营、所需技能和组织文化发生重大变化。必须提高内部员工的技能才能继续这些发展。

第 5 步：定义需求和要求

数字化转型将导致商业模式的各个组成部分发生变化。因此，公司应该清楚地识别各种业务组件的预期结果和要求。

第 6 步：选择方法和方式

所需的方式和方法取决于定义的范围。如果数字化转型涉及整个企业，则需要集中式方法。如果只有一个业务流程需要进行数字化转型，则方式和方法会有所不同。

第 7 步：选择合适的 IT 技术和解决方案

一种 IT 技术可以在各种 IT 解决方案中实现。让我们以人工智能（AI）和机器学习（ML）为例，多家供应商都能提供各种平台来执行 AI/ML 操作。公司应使所选解决方案与数字化转型计划的许多其他方面要保持一致。

第 8 步：实施数字化转型解决方案

企业应与业务流程的变化、内部员工的培训和升级等同步启动IT解决方案的实施。实施过程取决于数字化转型的性质。

第 9 步：将数字化转型进入常态化

这是最关键的时刻，企业应该在新模式下开始运营。

2、数据管理和数字化转型的关系

建立正式的数据管理框架是数字化转型不可或缺的一部分，一是数字化转型和数据管理影响业务模型/能力的相同组件；二是数字化转型计划的实施需要多种数据管理能力；三是正式的数据管理框架可确保各种数据管理功能的适当性能。

数据和信息在支持业务价值链方面发挥着重要作用。所有业务利益相关者都需要业务信息来做出相关决策。例如，客户需要有关公司商品和服务的信息来决定购买。因此，在业务环境中，数据管理通过向内部和外部的相关利益相关者提供信息来创造价值。数据和信息价值链支持信息传递。他们通过将原始数据转换为有意义的信息来做到这一点。业务流程、人员、工具和其他业务资源支持业务价值链和数据链。

由各种业务驱动因素驱动的数字化转型始于实施新技术导致的业务流程变化。这些变化会影响数据和信息的交付、人员和其他资源。因此，数据管理和数字化转型影响业务模型的相同组件：业务流程、工具、人员和其他资源。但是，产生这种影响的顺序不同。以下是影响顺序的总结。

通常，新的数据计划始于新的信息需求 (1)。为了提供新信息，公司应该获取或创建新数据 (2)。要创建新的数据链，公司必须拥有资源，即预算（3）。然后，公司为此数据链选择技术 (4)。新工具的实施会影响业务流程 (5)。参与这些过程的人可能需要新技能。

在数字化转型计划中，一切都始于特定业务流程的变化需求 (1)。一个公司应该有足够的资源（2）。所选的 IT 技术和解决方案能够改变流程 (3)。新流程定义了新结果，通常以信息的形式表示(4)。为了提供新信息，公司应获取和/或创建新数据 (5)。人们应该为新流程升级他们的技能 (6)。

因此，上面讨论的所有内容都证实了数字化转型和数据管理会影响业务模型/能力的相同组件。此外，数字化转型需要构建新的数据和信息价值链。

数字化转型计划的实施需要多种数据管理能力。

作为数字化转型计划的结果，公司必须设计和构建新的数据链。为此，公司应具备多种数据管理能力。

要构建新的数据链，公司应该具备设计、实施和利用该链的能力。设计数据链，企业需要具备以下数据管理能力：数据治理、数据建模、企业架构。为了实现和维护数据链的功能，需要数据生命周期和基础设施管理等 IT 能力。支持能力，包括项目和变更管理，有助于实现数字化转型计划。

每家公司都应定义数字化转型所需的一组数据相关能力。每个公司对“数据管理”的定义都有自己的看法。一些公司将数据管理视为 IT 的一部分。有些人将这两个业务领域分开。关键是任何数字化转型都需要具备这些能力。

正式的数据管理框架可确保各种数据管理功能的适当性能。

每个公司都处理数据。因此，每个公司都管理数据。一些公司已经正式确立了数据管理能力。数据管理框架是相互关联的组件的集合，这些组件将数据管理塑造成业务功能。数据管理功能与任何其他业务功能（即财务或营销）一样嵌入到公司的组织结构中。

数据管理框架定义了上述每个数据管理和/或 IT 功能应该发挥作用的方式，包括以下内容：一套管理数据管理的内部政策和标准、预期可交付成果/成果清单、交付预期结果的一组数据管理流程、角色集及其职责、执行数据管理流程所需的工具、数据管理功能所需的一组其他资源。

简而言之，数据管理框架确保数据管理作为业务功能发挥作用，因此建立一个正式的数据管理框架是数字化转型不可或缺的一部分。

,