读DAMA数据管理知识体系指南49数据管理角色

1. 建立数据管理组织

1.1. 识别当前的数据管理参与者

• 1.1.1. 在实施运营模式时，从已经参与数据管理活动的团队开始

• 1.1.2. 将最大限度地减少对组织的影响，并有助于确保团队关注的重点是数据而不是人力资源或政治

• 1.1.3. 回顾现有的数据管理活动，如谁创建和管理数据，谁评估数据质量，甚至谁的职位头衔中包括“数据”二字

• 1.1.4. 完成人员盘点后，为他们分配合适的角色，并审查他们的薪酬，使其与数据管理的期望保持一致

1.2. 识别委员会的参与者

• 1.2.1. 让合适的人员加入指导委员会，并充分利用他们的时间，这是非常重要的

• 1.2.2. 让他们了解情况并专注于改进数据管理，将有助于他们实现业务目标和战略目标

• 1.2.3. 利用现有委员会推进数据管理工作往往比建立一个新的委员会更容易，但这个过程需要小心谨慎

  • 1.2.3.1. 主要风险是数据管理工作可能无法获得所需关注，尤其是在早期阶段

1.3. 识别和分析利益相关方

• 1.3.1. 利益相关方是指能够影响数据管理规划或被其影响的任何个人或团体

• 1.3.2. 在组织内部或外部，他们可能是领域专家、高级领导者、员工团队、委员会、客户、政府或监管机构、经纪人、代理商、供应商等

• 1.3.3. 内部利益相关方可能来自IT、运营、合规、法律、人力资源、财务或其他业务部门

• 1.3.4. 对于一些具有影响力的外部利益相关方，数据管理组织也必须考虑他们的需求

• 1.3.5. 从分析中获得的洞察力也有助于确定如何最佳地分配利益相关方的时间和其他有限资源

• 1.3.6. 越早进行分析越好，这样组织越能够预测对变革的反应，越能提早制订计划

• 1.3.7. 谁将受到数据管理的影响

• 1.3.8. 角色和职责如何转变

• 1.3.9. 受影响的人如何应对变化

• 1.3.10. 人们会有哪些问题和顾虑

• 1.3.11. 谁控制关键资源

• 1.3.12. 谁可以直接或间接阻止数据管理计划

• 1.3.13. 谁可以影响其他关键因素

• 1.3.14. 利益相关方是否会支持即将发生的变化

1.4. 让利益相关方参与进来

• 1.4.1. 在识别利益相关方、高层支持者或列出备选名单后，清楚地阐明为什么每个利益相关方都包含在内是非常重要的

• 1.4.2. 推动数据管理工作的个人或团队，应阐明每个利益相关方对项目成功不可或缺的原因

• 1.4.3. 意味着需要了解他们的个人目标和职业目标，并将数据管理过程的输出与他们的目标关联，这样他们就能看到直接联系

• 1.4.4. 如果不了解这种联系，他们也许在短期内愿意提供帮助，但不会长期提供支持或帮助

2. 其他数据相关机构

2.1. 一旦确立了运营模式并确定了参与者，就可以将人员转移到新授权的角色中

2.2. 在分散或网络模式下，数据管理组织则需要与对数据管理方式产生重大影响的其他团体合作

2.3. 首席数据官

• 2.3.1. 只有少数公司指定了首席数据官(CDO)来帮助弥合技术和业务之间的差距，并在高层建立企业级的高级数据管理战略

• 2.3.2. 建立组织数据战略

• 2.3.3. 使以数据为中心的需求与可用的IT和业务资源保持一致

• 2.3.4. 建立数据治理标准、政策和程序

• 2.3.5. 为业务提供建议（以及可能的服务）以实现数据能动性，如业务分析、大数据、数据质量和数据技术

• 2.3.6. 向企业内外部利益相关方宣传良好的信息管理原则的重要性

• 2.3.7. 监督数据在业务分析和商务智能中的使用情况

• 2.3.8. 数据管理组织通常都可以通过CDO进行报告

  • 2.3.8.1. 在偏分散的运营模式中，CDO负责制定数据战略，而IT、运营或其他业务线中的资源负责战略执行

  • 2.3.8.2. 一些数据管理办公室最初是在CDO刚刚确定战略的基础上建立的

  • 2.3.8.3. 随着时间的推移，数据管理、治理和分析等职能也将逐步划分在CDO的职责范围内

2.4. 数据治理机构

• 2.4.1. 数据治理是用于建立有效管理企业数据的战略、目标和策略的组织框架

• 2.4.2. 由于数据治理过程需要数据战略、标准、政策和沟通的相互作用，因此它与数据管理具有协同关系

• 2.4.3. 数据治理为数据管理提供了一个框架，使其与业务优先级和利益相关方保持一致

• 2.4.4. 在集中模式下，数据治理办公室可以向数据管理组织报告，反之亦然

• 2.4.5. 即使在非常分散的模式中，数据治理办公室和数据管理组织之间也应该建立紧密的合作关系，数据治理办公室负责创建数据管理的指导方针和政策，而数据管理组织负责实施

• 2.4.6. 数据治理是要“做正确的事情”​，数据管理是要“将事情做正确”

• 2.4.7. 就支持数据治理和数据管理效率的角色、职责和责任而言，需要有协同和一致的认识

• 2.4.8. 数据治理工作组的参与者可以来自数据管理组织，数据管理组织可以使用数据治理监督提供的授权和“空中掩护”

2.5. 数据质量团队

• 2.5.1. 数据质量管理是数据管理实践和组织的关键能力

• 2.5.2. 随着数据质量实践的成熟，组织将从统一的数据质量方法中受益，如建立卓越中心

• 2.5.3. 当数据质量管理的目标是提升跨业务线或应用程序共享的数据质量时，通常侧重于主数据管理

2.6. 企业架构团队

• 2.6.1. 企业架构团队负责设计并记录组织的总体蓝图，阐明如何实现其战略目标并进行优化

• 2.6.2. 企业架构

  • 2.6.2.1. 技术架构

  • 2.6.2.2. 应用架构

  • 2.6.2.3. 信息（或数据）架构

  • 2.6.2.4. 业务架构

• 2.6.3. 数据架构是数据管理组织有效运行的关键能力

  • 2.6.3.1. 数据架构师可以安排在任一团队中，同时服务于其他团队

• 2.6.4. 通过架构审查委员会(Architecture Review Boards, ARB)与其他架构同行进行交流

  • 2.6.4.1. ARB负责审查并指导各种项目和程序中架构标准的实施，以及它们受影响的情况

  • 2.6.4.2. ARB可以依据对架构标准的遵守程度来批准或拒绝新项目和系统

• 2.6.5. 通过数据治理

  • 2.6.5.1. 由于数据管理和企业架构都参与了数据治理计划，因此治理工作组和委员会框架可以提供一个共同的目标、期望、标准和活动平台

• 2.6.6. 通过ARB

  • 2.6.6.1. 在将数据管理项目提交给ARB后，架构团队将提供指导、反馈和批准

• 2.6.7. 点对点(Ad-hoc)

  • 2.6.7.1. 如果没有正式的委员会，那么数据管理负责人应定期与架构负责人会面，以确保双方对受影响的项目和流程有共同的认识和理解

2.7. 管理全球化组织

• 2.7.1. 全球公司面临着复杂的数据管理挑战，这些挑战基于不同国家/地区的特定法律法规的数量和种类，特别是与特定类型数据的隐私和安全有关的法律法规

• 2.7.2. 遵守标准

• 2.7.3. 同步流程

• 2.7.4. 明确责任制度

• 2.7.5. 培训和交流

• 2.7.6. 有效地监控和度量

• 2.7.7. 发展规模经济

• 2.7.8. 减少重复性工作

• 2.7.9. 随着数据管理计划和组织变得更加全球化，网络或联邦模式变得更具有吸引力

3. 数据管理角色

3.1. 无论是直接角色（如设计数据仓库的数据架构师）​，还是间接角色（如开发网站的Web开发人员）​，所有IT角色都可以映射到数据生命周期中的某个点，因此他们都会影响数据管理

3.2. 组织角色

• 3.2.1. IT数据管理组织提供从数据、应用程序和技术架构到数据库管理的一系列服务

• 3.2.2. 集中式数据管理服务组织专注于数据管理，该组织团队可能包括数据管理执行官、其他数据管理的管理人员、数据架构师、数据分析师、数据质量分析师、数据库管理员、数据安全管理员、元数据专家、数据建模师、数据管理员、数据仓库架构师、数据集成架构师和商务智能分析师

• 3.2.3. 联邦式数据管理服务方式会包括一组IT单元，而每个单元分别侧重于数据管理的某个方面

  • 3.2.3.1. 特别是在大型组织中，这些IT单元的职能通常是分散的

• 3.2.4. 专注于数据管理的业务线通常与数据治理或企业信息管理团队相关

3.3. 个人角色

• 3.3.1. 执行官角色

  • 3.3.1.1. 数据管理执行官可能侧重于业务或技术层面，首席信息官和首席技术官则在IT方面发挥着重要作用

• 3.3.2. 业务角色

  • 3.3.2.1. 业务角色主要关注数据治理功能，尤其是管理职责

  • 3.3.2.2. 数据管理专员通常被认为是领域专家，他们对业务实体的数据质量和元数据、主题域或数据库负责

  • 3.3.2.3. 依据组织的优先级不同，数据管理专员扮演不同的角色

  • 3.3.2.4. 数据管理职责的最初重点，通常是为其主题领域定义业务术语和有效值

  • 3.3.2.5. 数据管理专员可以被安排在企业、业务部门或职能部门

  • 3.3.2.6. 其他基于业务知识的工作者们，同样有助于数据的整体管理

3.4. IT角色

• 3.4.1. IT角色包括不同类型的架构师、不同级别的开发人员、数据库管理员以及一系列支持性角色

• 3.4.2. 数据架构师(Data Architect)

  • 3.4.2.1. 负责数据架构和数据集成的高级分析师

  • 3.4.2.2. 数据架构师可以在企业级或某个功能级别开展工作

  • 3.4.2.3. 数据架构师一般致力于数据仓库、数据集市及其相关的集成流程

• 3.4.3. 数据建模师(Data Modeler)

  • 3.4.3.1. 负责捕获和建模数据需求、数据定义、业务规则、数据质量要求、逻辑和物理数据模型

• 3.4.4. 数据模型管理员(Data Model Administrator)

  • 3.4.4.1. 负责数据模型版本控制和变更管理

• 3.4.5. 数据库管理员(Database Administrator)

  • 3.4.5.1. 负责结构化数据资产的设计、实施和支持，以及提高数据访问性能的技术方法

• 3.4.6. 数据安全管理员(Data Security Administrator)

  • 3.4.6.1. 负责确保对不同保护级别数据的受控访问

• 3.4.7. 数据集成架构师(Data Integration Architect)

  • 3.4.7.1. 负责设计数据集成和提高企业数据资产质量的高级数据集成开发人员

• 3.4.8. 数据集成专家(Data Integration Specialist)

  • 3.4.8.1. 负责实现以批量或准实时方式集成（复制、提取、转换、加载）数据资产的软件设计或开发人员

• 3.4.9. 分析/报表开发人员(Analytics/Report Developer)

  • 3.4.9.1. 负责创建报表和分析应用解决方案的软件开发人员

• 3.4.10. 应用架构师(Application Architect)

  • 3.4.10.1. 负责集成应用系统的高级开发人员

• 3.4.11. 技术架构师(Technical Architect)

  • 3.4.11.1. 负责协调和集成IT基础设施，以及IT技术框架的高级技术工程师

• 3.4.12. 技术工程师(Technical Engineer)

  • 3.4.12.1. 负责研究、实施、管理和支持某一块信息技术基础设施的高级技术分析师

• 3.4.13. 桌面管理员(Help Desk Administrator)

  • 3.4.13.1. 负责处理、跟踪和解决与信息、信息系统或IT基础设施使用相关的问题

• 3.4.14. IT审计员(IT Auditor)

  • 3.4.14.1. 负责包括审计数据质量和数据安全性的IT内部或外部的审计人员

3.5. 混合角色

• 3.5.1. 混合角色需要同时具备业务和技术知识，根据组织的不同情况确定担任这些角色的人员是汇报给IT部门还是业务部门

• 3.5.2. 数据质量分析师(Data Quality Analyst)

  • 3.5.2.1. 负责确定数据的适用性并监控数据的持续状况

  • 3.5.2.2. 进行数据问题的根因分析，并帮助组织识别提高数据质量的业务流程及技术改进

• 3.5.3. 元数据专家(Metadata Specialist)

  • 3.5.3.1. 负责元数据的集成、控制和交付，包括元数据存储库的管理

• 3.5.4. BI架构师(Business Intelligence Architect)

  • 3.5.4.1. 负责商务智能用户环境设计的高级商务智能分析师

• 3.5.5. BI分析师/管理员(Business Intelligence Analyst/Administrator)

  • 3.5.5.1. 负责支持业务人员有效使用商务智能数据

• 3.5.6. BI项目经理(Business Intelligence Program Manager)

  • 3.5.6.1. 负责协调整个公司的BI需求和计划，并将它们整合成一个整体的优先计划和路线图