大数据时代的数据管理体系建设

赵伟

摘要：新时期下，随着大数据技术水平的不断提升，数据的应用价值也越来越高，因此对数据进行规范化管理意义重大。为确保数据的管理更加高效，应该依托于大数据时代背景，明确数据管理的含义，分析数据管理期间面临的各类问题，并在掌握成因的基础上采取行之有效的方式，科学对数据管理体系加以建设，确保可以为数据资产的管理与应用提供必要支持。

关键词：大数据时代；数据管理体系；建设

引言：基于数字经济时代下，数据的作用越来越大，虽然数据在资产负债表中没有显示具体的数值计量，在其潜在价值和作用很大，需要加强对数据的规范化管理。数据管理的目的是要确保组织机构数据资产能得到有效管控，提升数据资源的使用率。随着云计算等先进技术手段的大力发展，企业信息系统也得到了全面优化，但技术的发展并不能确保数据物尽其用，数据的潜在价值无法被充分挖掘，因此需要加强对数据管理体系的构建。

1数据管理的概念和内涵

所谓的数据管理，具体是将数据作为数据资源，通过对先进技术手段的利用，包括计算机技术等，让数据得到高效收集和存储，通过采取行之有效的方式加以处理，保证各类数据能得到科学分类和管控。在早期的数据管理过程中，应用的方式大多为人工处理以及文件管理，借助管理信息系统来整合各类数据信息，以此发挥数据的作用，保证数据的安全和独立，让数据更为完整，提高数据的利用效率。随着信息技术水平的不断提升，大数据时代的到来，使得数据管理发生了很大改变，从以往单纯针对数据应用过程的数据管理转变为数据生命周期的多维度管理。

在数据管理方面，除了包含业务管理职能之外，规范管理也是重要的内容，包括设计规范的制定、数据标准等，但最为关键的还是要有专业的数据管理队伍支撑。在数据治理职能方面，能对其他数据管理职能有效指导和管控，保证各职能权责能得到深入落实。在数据治理过程中，与数据管理的整个过程息息相关，目的是要确保所得到的数据更为可靠真实，实用性强，促进数据质量的提高，以便数据在存储过程中能始终处于安全环境。数据资产管理是要深入拓展数据管理的概念，对数据价值十分关注，二者有明显的差异。在管理视角方面，数据资产更关注数据资产的属性，将资产管理的标准作为核心，在明确管理要求的前提下，加大对各类体制的管理和控制，保证能增强数据的价值和成本属性。在职能管理上，由于数据的资产属性较为明显，所以在管理期间增加了很多职能，包括价值管理、共享管理等，能让管理过程更为严谨、科学，有利于管理有效性的提高，能为数据管理体系的构建提供必要支持^[1]。

1.2 数据管理职能分析

开展数据管理的主要目的是要实现数据“变现”，促进数据高效率的运用，让数据能实现低成本运作，将其作用和价值充分展现出来。通过数据管理，利用最小的代价获得最大的价值。在《DAMA数据管理知识体系职能框架》中，数据管理可以体现在以下几个方面：

（1）数据标准管理：主要是将协商一致原则作为基础，科学制定数据标准和规范，加大对流程的管控，让数据的实施过程更为标准、合理，保证中间环节不会出现任何差错，让数据的分类高效，以便数据的作用能充分展现^[2]。

（2）数据质量管理：具体是对数据从计划、存储、共享等各个阶段存在的各类数据质量问题进行分析和研究，注意识别和监控，科学开展管理活动，并采取行之有效的方式对管理水平改善和提升，以此获得更高质量的数据信息。

（3）数据资产管理：对数据资产科学管理，以保证数据资产的价值能得到保护和提升。

（4）数据生命周期管理：对数据资产的生命周期策略合理制定，严格执行，保证数据的价值能充分展现出来。

（5）数据安全管理：通过计划、制定以及执行数据安全政策，为数据提供必要的认证和审计，减少各类风险的存在。

2数据管理工作面临的问题分析

在对数据管理过程中，因为数据技术与数据量发展速度飞快，使得与数据管理体系的构建存在不协调性，经常出现各种问题，影响了管理有效性的提高，阻碍了数据管理体系的科学构建。

（1）数据来源混乱。在数据管理期间，业务系统的流程十分繁琐，涉及到的内容颇多，所以在数据管理体系建设环节，所涉及到的内容和需求差异较大，数据来源以及口径经常存在不相符的现象，最终导致数据传输与传入的标准没有规范，约束性不强。

（2）数据质量无法保证。在约定好的数据标注以及规范框架下，数据在管理过程中，质量依旧存在良莠不齐的情况。究其原因，主要因为信息数据理解缺乏统一性，数据在获取、传输、维护方面难度很大。系统作业流程与人工流程在设置过程中，很多细节没有考虑到，出现了设置不当的情况，再加上没有健全的管理机制作为支撑，人员素质及能力偏低，导致管理工作的开展受到很大阻碍。如果数据无法做到精准可靠，便不能做到可溯源及一致性，甚至会导致呈现出来的报表和决策参考能力偏低，没有任何意义可言。

（3）数据管理可持续运营问题。业务系统的开发及运营需要不断更新，业务系统之间不可避免会出现交叉关联现象，而采取何种方式将各个业务系统与业务部门之间的关系理清，让衔接不到位的问题可以为高校解决，是日常工作开展期间亟待解决的重要问题。在对数据进行实际管理过程中，如若不能保证数据处在安全状态，数据权限的归属不明确，管理体系的构建便会缺乏规范性，数据管理工作的实施稳定性不强，不能起到一定的约束作用，甚至会影响数据管理的效率和质量。

3大数据时代的数据管理体系建设对策

3.1 构建完善的数据管理架构

在以往数据管理期间，因为受到历史等因素的局限，使得业务系统的独立性很强，经常存在各自为政的情况，数据的管理和应用缺乏规范化，混乱性很强。若想改变这一问题，需要加强对系统的规范和统一，安排专业的人员负责开展这项工作。从理论以及国内外实践经验来看，构建企业级数据治理委员会，由业务部门及IT部门领导人员共同组成，具体如图1所示，让业务与业务，业务与技术之间能得到有效沟通，确保数据管理工作的开展更为顺利有序。依托于业务部门的业务需求，在掌握组织架构特点的基础上，有效对数据生产流程情况加以梳理，并采取科学的办法，构建专业化的数据治理组织，保证数据治理环节能得到有效衔接，实现自上而下全方位管控。通过组织流程以及考核机制促进数据管理工作顺利实施，这一组织可以是虚拟团队，但必须有管理数据的权利，能集中对数据进行采集和处理。也可以对数据建模和管控的方式达到这一目的，打破部门与系统间的局限，确保执行效率能提高。

图 1 数据管理职责划分

3.2 建立数据治理规范

在数据治理阶段，必须要保证整个过程的规范化和标准化，数据治理的目的是要为数据生产以及管理等各项活动的开展提供指导，包含的内容颇多，涉及面广，诸如安全管理、数据开发规范等，贯穿于数据管理的每一个环节。在这数据治理规范制定期间，需要结合实际情况，在充分了解各项职能的基础上，有针对性地进行制定。结合以往经验来看，数据管理体系在构建期间，坚决不能出现贪大求全的情况，应该将现有技术条件作为基础，在明确业务需求的前提下，充分发挥数据管理的职能和作用，有针对性地制定治理方案，做好规划措施，分批次且分重点地逐层推进，让数据管理体系的构建更为完善，减少不必要问题的出现。

3.3 科学选择应用工具

在数据管理体系建设过程中，数据管理工具是保证数据管理规范化的基础。在以往的数据管理过程中，采取人工管理方式存在的局限很多，效率偏低，经常出现误差，同时需要消费很长的时间和精力，无法确保管理有效性，尤其是在大时代背景下，根本无法满足数现代数据管理要求。为确保这一问题能有效改进，促进数据管理体系建设水平的提高，应该借鉴开发运维一体化概念，开发初期对数据管理和运维期间可能发生的问题充分分析，结合具体情况，科学制定解决办法，保证可以将问题遏制在根源，避免问题以及风险的发生。如果可以将数据管理功能与数据生成流程衔接在一起，数据的管理会更加规范标准，可以为生产系统的开发和运维提供必要支撑，有利于数据管理效率的提高，也能让数据的价值充分展现，为各项工作的开展提供依据，以便数据管理与生产系统不会出现脱节、不一致的情况，促进数据管理效果和质量的提高。

3.4 数据管理的运营和运维

依托于大数据时代背景下，为促进数据管理体系建设有效性的增强，当数据管理流程规范制定完毕之后，需要严格依照管理规范，合理对各项制度工具、人员加以利用，确保数据管理能有效落实，可以贯穿于各个环节，与数据规范和标准相对。同时对数据管理的流程加以明确，包括数据标准化流程、数据质量管理流程等，保证各环节的开展能顺利有序，促进管理效果的提高。任何一个系统和体系的构建，如果没有对流程严格监督和管控，最终必然会走向衰亡，所以在数据管理体系建设期间，必须加强对流程的管控，把握好每一个细节，减少失误或者问题的出现，确保体系的运行能更加稳定高效。

结束语：

综合而言，数据管理是一项系统工程，数据对企业及行业的发展有很大作用，数据管理涉及企业流程的再造以及新机制的构建，影响是全方位的。基于大数据时代背景下，为确保数据能得到有效管理和应用，应该加强对数据管理体系的建设，加强对先进技术手段的运用，强化各技术之间的融合并加大管理力度，确保数据管理体系能朝着可持续的方向发展。

参考文献：

[1]唐海洋,张文峰.大数据时代背景下的数据安全管理体系构建讨论和分析[J].网络空间安全,2019(7):4.

[1]孙名誉.大数据背景下数据管理体系建立的对策研究[J].黑龙江科技信息,2019(6):260-260.