概念

数据资产

数据资产：通过各类业务应用系统采集、使用、产生、管理，具有管理、经济和社会价值，权属明晰，可量化、可控制、可交换的企业数据。

数据资产目录：通过人工+自动识别的方法，发现、描述和组织数据集，完成数据资产的梳理，按照业务视图、模型视图、指标视图、源系统视图等进行呈现，形成数据资产目录，支撑数据检索、资产分析、资产管理、资产订阅。数据资产目录的实施分为注册、审核、上线、下线。数据生产者根据模板进行资产注册与申请发布；数据管理者进行资产审核，若为新增资产，则对其进行编码并上线，若为存量资产，做数据更新，一旦上线，数据消费者变能订阅使用了；若数据过期，有数据管理者将其下线。

大数据

大数据：是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的数据资产。

数据管理

数据管理：通过规划和执行相关政治策略、实践和项目，以获取、控制、保护和交互数据资产，从而提高数据资产价值。

IBM对数据管理的战略价值定义了五个级别：

level 1 数据帮助业务运作，

level 2 信息用来管理业务

level 3 信息成为战略资产

level 4 信息促成创新

level 5 信息成为企业的关键竞争要素

 

数据治理

数据治理：是指对数据管理行使权利和控制的活动集合(计划、监督和执行)。

通常表现为“方法论+工具”的集合，是一种建立数据标准、数据模型、数据架构与数据血缘，管控数据质量与数据安全，形成数据资产后以数据目录呈现，提升数据价值并驱动业务的数据管理方法。

目标是方便数据使用，提升数据价值，通过数据驱动业务。

数据战略

数据战略：企业开展数据管理工作的愿景、目的、目标和原则。

数据架构

数据架构：通过企业级数据模型定义数据需求，指导对数据资产的分布控制和整合，部署数据的共享和应用环境，以及元数据的管理规范。

数据安全

数据安全：数据的机密性、完整性和可用性。

数据质量

数据质量：在指定条件下使用时，数据的特性满足明确的和隐含的要求的程度。

数据标准 

Business data standard

数据标准：数据的命名、定义、结构和取值的规则。

数据标准是组织层面需共同遵守的属性层数据含义和业务规则，包括命名、定义、结构和取值的规则等内容。

数据标准是组织对某个数据的共同理解，这些理解一旦确定下来，就应作为企业层面的标准，被共同遵守和执行。 

功能层面：数据标准的设计、管理、概览等。

数据标准有三个方面：

1.业务视角：主题域、业务对象、逻辑数据实体、数据分类、业务属性、业务定义及用途、业务规则

2.技术视角：表名、字段名、数据类型、数据长度、是否有允许值列表、数据示例

3.管理视角：业务规则责任主体、数据维护责任主体、数据监控责任主体

数据全生命周期：将原始数据转化为可用于行动的知识的一组过程。
数据模型：是使用结构化的语言将收集到的组织业务经营、管理和决策中使用的数据需求进行综合分析，按照模型设计规范将需求重新组织。数据模型一般分为主题域模型、概念模型、逻辑模型和物理模型。
数据仓库：由两个主要部分构成，首先是一个整合的决策支持数据库，其次是用于收集、清洗、转换、存储来自与各种操作型数据源和外部数据源的相关软件程序。
商务智能：有两层含义，首先是指为了解组织活动和机会的一种数据分析；其次是指一组支持这种数据分析的技术。
指标数据：企业在经营分析过程中衡量某一个目标或事务的数据，一般由指标名称、时间和数据等组成。
主数据：组织中需要跨系统、跨部门共享的核心业务实体数据。
参考数据：对其他数据进行分类和规范的数据。
元数据：描述数据的数据，对数据及信息资源的描述性信息。
元模型：规定一个或多个其他数据模型的数据模型。
业务术语：业务术语是企业中业务概念的描述，包括中文名称、英文名称、术语定义等内容。
数据元：就是数据属性组，由一组属性规定其定义、标识、表示和允许值的数据单元。