下载文档原格式
流程与数据管理部门的必要性和重要性下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!在当今数字化时代，企业对流程与数据的管理变得前所未有的重要。
卫星中心数据管理制度建设一、前言随着人类社会的不断进步和发展，科技的快速发展以及信息化程度越来越高，数据已成为现代社会中最为重要的资源之一。
卫星中心作为一个重要的数据管理和处理中心，其数据管理制度建设尤为重要。
建立完善的数据管理制度能够有效保护数据的安全性和稳定性，提高数据的使用效率和价值，进而推动卫星中心的发展和进步。
本文将从数据管理制度的意义、现状分析和规划建设三个方面来探讨卫星中心数据管理制度建设的重要性和必要性。
二、数据管理制度的意义1. 保护数据安全数据是最为宝贵的资源之一，数据的安全性是保障卫星中心运行的基石。
建立完善的数据管理制度可以有效防范数据泄露、丢失或被恶意篡改的风险，保障卫星中心数据的安全性。
2. 提高数据使用效率通过数据管理制度的建设，可以使得数据的管理、存储和使用更为规范和高效，有效提高数据的使用率和价值，满足卫星中心的需求。
3. 规范数据管理行为建立数据管理制度可以规范卫星中心数据管理过程中的各种行为，明确数据管理的责任和义务，防止因个人行为或管理不善而导致的数据异常或问题，使得数据管理更加规范化和规范。
4. 促进卫星中心的发展和进步通过完善的数据管理制度，可以为卫星中心的发展和进步提供强有力的保障和支撑，从而推动卫星中心更好地发挥其在数据管理和处理方面的作用。
三、现状分析卫星中心的数据管理工作目前存在一些问题，主要体现在以下几个方面：1. 数据管理制度缺乏完善目前卫星中心的数据管理工作缺乏完善的制度规范，导致数据管理过程中各项工作存在不规范、混乱等现象。
2. 数据管理责任不明确卫星中心的数据管理责任分工不明确，导致管理工作的推进和落实存在缺乏必要的执行力和规范性。
3. 数据管理使用不规范在实际的数据管理过程中存在一些不规范或不合理的使用和管理行为，容易造成数据的浪费和损失，影响卫星中心的正常运行。
4. 数据管理安全风险较高由于缺乏完善的数据管理制度，数据的管理和安全存在较高的风险，容易造成数据泄露、丢失或被篡改等问题。
dama 数据管理知识体系指南数据管理是一项重要的工作，涉及到数据的采集、存储、处理、分析、应用等多个环节。
为了更好地进行数据管理，需要掌握一定的数据管理知识体系。
本文将介绍 dama 数据管理知识体系指南，帮助读者了解数据管理的基本概念、流程、工具和技术等方面的知识。
一、数据管理基本概念1. 数据：指记录事实、事项或概念的符号化描述，是信息的物理表现形式。
2. 数据管理：是指对数据进行规划、组织、存储、处理、维护、使用和评价的过程，以实现数据的有效管理和利用。
3. 数据库：是指按照一定的数据模型组织、存储和管理数据的系统。
4. 数据仓库：是指将不同的数据源集成到一个统一的数据存储库中，以支持企业决策和分析等应用需求。
5. 数据挖掘：是指从大量数据中发现有用的信息和知识的过程。
6. 数据治理：是指对数据进行规范、管理和控制的过程，以确保数据的质量和合规性。
二、数据管理流程1. 数据采集：是指从不同的数据源获取数据，并进行初步的清洗和处理。
2. 数据存储：是指将数据存储到数据库或数据仓库中，并进行数据建模和设计。
3. 数据处理：是指对数据进行加工、转换、清洗、整合等处理，以满足数据分析和应用的需求。
4. 数据分析：是指对数据进行统计分析、数据挖掘、机器学习等方法，以发现数据背后的规律和趋势。
5. 数据应用：是指将数据应用到具体的业务场景中，以支持决策、优化业务流程等应用需求。
6. 数据维护：是指对数据进行监控、维护和修复，以确保数据的质量和安全性。
三、数据管理工具1. 数据库管理系统（DBMS）：是用于管理和操作数据库的软件系统，常见的有 Oracle、MySQL、SQL Server 等。
2. 数据仓库工具：是用于构建和管理数据仓库的软件系统，常见的有 Teradata、IBM InfoSphere 等。
3. 数据可视化工具：是用于将数据可视化展示的软件系统，常见的有 Tableau、QlikView、Power BI 等。
DAMA数据管理知识体系指南打印版一、序言1. 数据管理的重要性在当今信息化社会中，数据管理扮演着极为重要的角色。
随着大数据、人工智能等技术的发展，数据量呈指数级增长，对数据管理的需求也日益增强。
良好的数据管理能够提高数据的质量、安全性和可用性，对企业的决策和运营起到至关重要的作用。
2. DAMA数据管理知识体系指南DAMA国际（Data Management Association）是一个致力于推动数据管理相关知识和标准的国际组织，其制定的数据管理知识体系指南被广泛应用于企业数据管理实践中。
为了方便广大数据管理从业者学习和参考，DAMA数据管理知识体系指南的打印版应运而生。
二、全面介绍数据管理知识1. 数据管理概述数据管理的定义、范围和重要性。
2. 数据管理的方法与工具数据管理的基本方法、常用工具和技术。
3. 数据管理的组织与策略数据管理的组织架构、策略规划和治理模式。
4. 数据架构与建模数据架构设计原则、建模方法和工具。
5. 数据质量与安全数据质量控制、安全保障和合规管理。
三、实用指南与案例分析1. 数据管理实践指南数据管理实践的流程、方法和技巧。
2. 数据管理案例分析实际案例分析，总结成功的数据管理实践经验。
3. 数据管理工具推荐介绍适用于数据管理的工具和软件，包括数据建模工具、数据质量检测工具、数据安全工具等。
四、附录与参考资料1. 数据管理相关标准国内外数据管理相关标准的介绍和比较。
2. 数据管理常用工具手册数据管理常用工具的使用手册和操作指南。
3. 数据管理学习资源数据管理相关的学习全球信息站、书籍和期刊推荐。
五、结语DAMA数据管理知识体系指南的出版，将为从业者提供一本系统、权威、实用的数据管理参考书籍。
希望广大数据管理从业者能够通过学习和实践，不断提升自身的数据管理能力，为企业的发展贡献力量。
以上是一份DAMA数据管理知识体系指南打印版的大致内容提纲，希望能够对您有所帮助。
感谢您的关注与支持。
第三章DAMA的数据管理原则管理数据提出了与数据本身的性质相关的独特挑战。
即使具有独特的特征，数据管理仍与其他形式的管理共享特征。
它涉及知道组织拥有什么数据以及可以用它完成什么，然后确定如何最好地使用数据资产来实现组织目标。
像其他管理流程一样，它必须平衡战略和运营需求。
它还必须考虑第2章中回顾的数据的独特属性。
为了帮助组织达到这种平衡，DAMA制定了一套原则，可以识别数据管理的挑战并帮助指导数据管理实践。
在最高级别，这些原则可归结为四个断言（参见图5），我们将在本章中对其进行回顾：数据很有价值数据管理要求是业务要求数据管理取决于多种技能数据管理是生命周期管理DAMA的数据管理原则为了解您的组织如何管理其数据提供了一个视角。
在回顾了它们的含义之后，我们将在数据管理成熟度的背景下对其进行研究。
成熟度模型定义了对一组过程的增加控制的进度。
当组织了解流程特征时，可以制定计划以提高其功能。
它还可以在模型级别的指导下衡量改进并与竞争对手或合作伙伴进行比较。
数据管理成熟度模型描述了可用于此类评估的数据管理过程的详细信息。
当我们讨论如何评估组织的当前状态时，我们将返回第12章中数据管理成熟度的概念。
数据很有价值数据是具有独特属性的资产：数据是资产，但它在影响管理方式的重要方面与其他资产不同。
这些属性中最明显的是，数据在使用时不会被消耗，金融和实物资产也一样。
数据的价值可以并且应该用经济术语表示：将数据称为资产意味着它具有价值。
尽管存在用于测量数据的定性和定量值的技术，但尚无用于测量数据的标准。
希望对其数据做出更好决策的组织应开发出一致的方法来量化该价值。
他们还应该衡量低质量数据的成本和高质量数据的收益。
有效的数据管理需要领导者的承诺：数据管理涉及一系列复杂的过程，要有效，它们需要协调，协作和承诺。
到达那里不仅需要管理技能，还需要坚定的领导才能带来的愿景和目标。
数据管理要求是业务要求管理数据意味着管理数据质量：确保数据适合目的是数据管理的主要目标。
数据管理葵花宝典-《DAMA-DMBOK2数据管理知识体系指南（第2版）》数据管理领域是信息技术发展中的⼀个新兴领域，随着互联⽹、全球化和信息化的快速发展，数据管理的重要性⽇益显现。
数据管理是把业务和信息技术融合起来所必需的⼀整套技术、⽅法及相应的管理和治理过程。
它的特殊定位决定了它涉及的知识体系⾯⼴且深，⽽要把其中各知识领域和它们之间的相互关系梳理和解释清楚并不是⼀件容易的事情。
DAMA国际通过对业《DAMA-DMBOK2数据管理知识体系指南（第2界数据管理最佳实践的分析总结，出版了《版）》，本书给出数据管理的职能、术语和最佳实践⽅法的标准⾏业解释，提供数据管理总体版）》框架，为数据管理发展提供了重要的理论基础。
⼀本书背景及概要介绍国际数据管理协会（Data Management Association ,⼜名DAMA International,以下简称“DAMA”）是⼀个全球性数据管理和业务专业志愿⼈⼠组成的⾮营利协会，致⼒于数据管理的研究和实践。
DAMA国际⾃1980年成⽴以来，⼀直致⼒于数据管理的理论研究、实践、教训及相关知识体系的建设，在数据管理领域累积了极为深厚的知识沉淀和丰富经验。
⼏⼗年来，DAMA组织众多数据管理领域的国际级资深专家编著，深⼊阐述数据管理各领域的完整知识体系。
作为最终体现，DAMA的数据管理知识体系[DAMA-DMBOK2:DataManagement Body of Knowledge.2 nd Edition],中⽂版为《DAMA数据管理知识体系指南（第2版）》，第⼆版英⽂版在2017年出版。
即将今《DAMA数据管理知识体系指南（第2版）》⼀书中⽂版由机械⼯业出版社在国内出版，即将今⽉上市。
全书由国际数据管理协会中国分会多名会员志愿共同翻译完成，这是⼀项⾥程碑式年3⽉上市。
的⼯作。
图1.DAMA-DMBOK2封⾯本书是国际数据管理协会（DAMA International）对过去30多年数据管理领域知识和实践的⼀个总结，由会员们花了多年时间和业界专家反复讨论撰写⽽成。
图书馆的数据管理与分析在信息时代的今天，图书馆不再是简单的书籍租借场所，而是一个知识管理和学术研究的重要载体。
图书馆内的大量数据包含了丰富的信息资源，如何对这些数据进行有效的管理和分析，对于图书馆的发展和用户服务水平提升具有重要意义。
本文将围绕图书馆的数据管理与分析展开讨论，探索如何科学合理地应用数据，提升图书馆的服务能力。
一、数据管理的重要性数据管理是指对图书馆内的各类数据进行规范、有效的管理，以确保数据的可靠性和完整性。
图书馆的数据包括图书馆藏书目数据、读者信息、借阅记录等。
合理的数据管理可以帮助图书馆更好地掌握馆藏资源情况、读者需求，为读者提供更好的服务。
1. 提高资源利用效率通过对图书馆馆藏书目数据进行分类、索引和整理，可以快速准确地查找到读者所需的图书或相关资源。
同时，在读者借阅图书时，及时更新图书的借阅记录，以实现资源共享和提高资源利用效率。
2. 优化图书馆服务流程通过数据管理，可以将馆内的读者分类，了解不同读者群体的需求，从而为不同的读者提供个性化的服务。
例如，对于学生用户，可以根据他们借阅的书籍类别，提供相关的学习辅导资料推荐。
3. 支持决策制定图书馆可以通过数据管理来分析图书馆内的借阅记录以及读者的借阅偏好，从而了解图书馆的服务热点和冷点，优化馆藏布局，定期购买新书，提高借阅率和用户满意度。
二、数据分析的方式与方法数据分析是通过应用统计学、数据挖掘和机器学习等方法，挖掘数据中的潜在规律，探索数据的内在价值，为图书馆提供决策依据和服务优化建议。
以下是几种常见的数据分析方式与方法。
1. 统计分析统计分析是通过数理统计方法，对图书馆的借阅、归还、流通情况进行总体描述和分析。
可以通过图表、柱状图、饼图等形式，对数据进行可视化展示，帮助图书馆了解图书馆的整体情况和特点。
2. 数据挖掘数据挖掘是通过应用机器学习、聚类分析、关联规则挖掘等技术，从大量的图书馆数据中挖掘隐藏的模式和规律。
例如，通过对借阅记录的挖掘，可以了解读者的借阅偏好，为读者提供个性化的推荐服务。
dama数据管理知识体系指南(原书第2版)Data Management（数据管理）是企业决策和业务运营中能够改善运行效率、产出质量和标准一致性的一个重要工具，在近几年来也受到了越来越多企业的关注。
DAMA数据管理知识体系指南（原书第2版）定义了DAMA-DMBOK（数据管理知识体系指南），为读者提供了一条完整、有序的路线图，以帮助读者掌握数据管理的基本知识和实践技能。
一、数据管理的基础知识：1.数据概念：定义什么是数据，以及数据科学家研究的数据概念。
2.数据模型：研究数据模型，包括：关系数据模型、实体模型、结构化文本模型等等。
3.数据库：研究数据库，包括使用的关系管理系统和文档管理系统，以及指定的数据库之间的操作方法。
4.数据算法：研究常用的数据算法，包括：排序、聚类、搜索、回归分析等等。
二、数据管理的实践技能：1.数据收集和数据处理：讲解如何从各种不同数据源收集、处理数据，使之符合数据库和数据模型。
2.数据构建和数据迁移：讲解如何构建数据库，以及如何从旧系统迁移到新系统。
3.数据分析：数据分析的有效性取决于算法的正确使用，这章讲解了使用正确算法的步骤。
4.数据可视化：讲解数据可视化的基本概念，以及使用工具和技术进行数据可视化的步骤。
三、数据管理的安全和技术：1.数据安全：介绍如何制定数据安全政策，控制访问权限，保护数据不被滥用和泄露。
2.数据标准与质量：探究如何确保数据的准确性、及时性，满足企业标准。
3.数据技术：介绍数据管理领域常用技术，包括有关正则表达式、XML、Big Data等等。
四、数据管理的治理方法：1.数据治理：介绍数据治理的概念，以及如何使用数据治理来改善数据可视化和数据质量。
2.数据策略：介绍如何在企业设计、推行数据策略，以及充分利用进行数据管理中意外发现的数据。
3.数据生态和社区协作：告诉读者如何构建数据生态，培育数据管理社区协作，以及提升数据价值。
以上就是DAMA数据管理知识体系指南（原书第2版）的内容概要，希望能帮助读者深入了解数据管理的基本知识和实践技能，并且能从数据管理的安全和技术，以及数据管理的治理方法中，获得更多的数据洞见，从而推动企业的发展。
数据管理的重要性数据管理是指对数据进行收集、整理、存储、处理和分析的过程。
随着信息技术的快速发展，现代社会的各行各业都离不开数据管理。
数据管理的重要性体现在以下几个方面。
首先，数据管理能够提高决策质量。
数据是事实的反映，通过对数据进行管理和分析，可以获取准确、全面的信息，为管理者提供科学、合理的决策依据。
在决策过程中，如果缺乏相关数据的支持，决策者可能会凭主观经验作出决策，这样很容易导致决策的不准确和不可靠，而数据管理可以弥补这一点，提高决策的科学性和精确性。
其次，数据管理能够提高工作效率。
现代社会中，各种工作都涉及到大量的数据处理和分析工作，如果没有良好的数据管理系统和数据管理技术，这些工作将变得极为繁琐和低效。
数据管理可以通过自动化、标准化和流程化的方式来管理数据，系统地进行数据收集、整理和分析，从而提高工作效率，减少人力资源的浪费。
再次，数据管理能够为企业提供竞争优势。
在竞争激烈的市场环境中，企业必须实时、准确地掌握市场信息、客户需求等数据，以便能及时地作出反应和调整。
数据管理可以帮助企业建立完善的数据库，并通过数据挖掘、数据分析等手段，挖掘出有价值的信息，从而为企业提供竞争优势。
通过精确的数据管理，企业可以更好地了解市场趋势、客户需求，优化产品和服务，并及时作出调整，从而更好地满足客户的需求。
最后，数据管理对于信息安全也非常重要。
在信息化时代，各种数据的泄露和滥用问题层出不穷，给个人和企业带来了巨大的风险。
数据管理不仅要确保数据的完整性、准确性和可用性，还要加强对数据的保护和安全防范。
通过建立健全的数据管理制度、加强数据的加密和访问控制，可以有效地保护数据的安全，防止数据的泄露和滥用。
综上所述，数据管理对于现代社会的各行各业来说都非常重要。
它不仅可以提高决策质量、工作效率和竞争优势，还可以保护数据的安全，降低数据泄露和滥用的风险。
因此，各个组织和个人都应该重视数据管理，合理利用和管理数据，实现数据的最大化价值。
第1章
管理数据的重要性
甚至在信息技术兴起之前，信息和知识就已经成为竞争优势的关键。
与没有数据（或数据不可靠）的组织相比，拥有有关其客户，产品，服务和运营的可靠，高质量信息的组织可以做出更好的决策。
但是，要生成高质量的数据并以使其能够被有效使用的方式进行管理，并不是一个简单的过程。
本章将回顾以下概念，这些概念对于想要提高其数据管理功能的任何组织都非常重要：
数据无处不在–几乎每个组织流程都创建或使用数据或两者兼而有之的事实
数据作为资产的价值
为什么与技术管理分开理解数据管理很重要
与数据管理有关的活动和功能范围
数据无处不在
组织一直需要管理其数据，但是技术的进步扩大了这种管理需求的范围。
数据在组织中无处不在。
从建立客户到交易购买，再到与客户联系以获取反馈和服务，几乎每个业务流程都将数据用作输入，并生成数据作为输出。
这些数据大多数都是电子形式的，这意味着它具有延展性：可以大量存储，操纵，集成和聚合这些数据，以用于各种用途，包括商业智能和预测分析。
它还提供了组织是否遵守法律和法规的证据。
技术变革使组织能够以新的方式使用数据来创建产品，共享信息，创建知识并提高组织的成功率。
但是，技术的飞速发展以及人类产生，捕获和挖掘有意义的数据的能力，加剧了有效管理数据的需求。
数据作为资产
一个资产是一种经济资源，可以拥有或控制，以及保持或产生价值。
资产通常被认为是财产，但蕴含着可以转换为货币的强烈含义。
尽管许多组织仍在努力将数据作为资产进行管理，但数据被广泛认为是企业资产。
例如，大多数组织的资产负债表中尚未考虑数据。
如果被问到，许多高级主管会说他们组织的数据是宝贵的资产。
它不仅是业务运营所必需的，而且还可以提供对客户，产品和服务的洞察力。
但是，研究表明，很少有组织将其数据视为资产。
1对于许多人来说，这甚至可能是一种责任。
无法管理数据类似于无法管理资金。
这导致浪费和失去机会。
管理不善的数据会带来道德和安全风险。
即使是将数据视为资产的高管也可能无法准确描述其含义，因为数据在重要方面与其他资产不同。
尽管如此，数据管理的主要驱动力是使组织能够从其数据中获取价值，就像对金融和实物资产的有效管理使组织能够从这些资产中获取价值一样。
从数据中获取价值并非凭空或偶然发生的。
它需要组织的承诺和领导力以及管理。
数据管理与技术管理
数据管理是对计划，策略，程序和实践的开发，执行和监督，这些计划，策略，程序和实践可在其整个生命周期内交付，控制，保护和提高数据和信息资产的价值。
您可能会想，“这不是我们的信息技术部门已经在做什么吗？” 抱歉不行。
IT通常不关注数据。
IT专注于技术，工艺流程，构建应用程序的人员以及他们用于执行此操作的工具。
从历史上看，IT并没有关注由其构建的应用程序创建或存储的数据。
如果有的话，尽管许多数据管理功能是IT的一部分，但IT倾向于不理会数据本身（因为IT自称无法控制数据）。
尽管数据管理高度依赖技术并与技术管理相交，但它涉及独立于特定技术工具和流程的单独活动。
有了这个定义，数据管理实际上涉及什么？有效管理数据意味着什么？像所有形式的管理一样，数据管理也涉及计划和协调资源与活动，以实现组织目标。
活动本身包括技术含量高的（例如确保大型数据库的可访问性，性能和安全性），以及战略性的（例如确定如何通过创新使用数据来扩大市场份额）。
这些管理活动必须努力为组织提供高质量，可靠的数据，同时确保授权用户可以访问该数据并防止滥用。
数据管理活动
数据管理活动可以分为几组来理解：有些集中在治理上，以确保组织对数据做出正确，一致的决策；其他的则是基础，并致力于随着时间的推移实现对数据的管理，维护和使用；从获取数据到处理数据的整个过程都集中在管理数据生命周期上（见图2）。
治理活动有助于控制数据开发并降低与数据使用相关的风险，同时使组织能够从战略上利用数据。
这些活动建立了数据的决策权和责任制，以便组织可以跨业务垂直领域做出一致的决策。
2治理活动包括：
定义数据策略
制定政策
监管数据
定义数据对组织的价值
准备通过以下方式从数据中获取更多价值的组织
完善其数据管理实践
通过文化变革使组织围绕数据的思维方式不断发展
生命周期活动专注于数据的规划和设计，启用数据，确保数据得到有效维护以及实际使用。
数据的使用通常会带来增强和创新，而这些都有自己的生命周期要求。
生命周期活动包括：
数据架构
资料建模
建立和管理数据仓库和集市
集成数据以供商业智能分析师和数据科学家使用
管理高度关键的共享数据（例如参考数据和主数据）的生命周期
需要进行基础活动，以便随时间进行一致的数据管理。
这些活动与整个数据生命周期集成在一起，包括：确保数据受到保护
管理元数据，这是理解和使用数据所需的知识
管理数据质量
基础活动必须作为规划和设计的一部分加以考虑，并且必须在运营中进行。
这些活动也得到治理结构成功的支持和不可或缺的组成部分。
数据管理知识领域
数据管理工作由需要不同技能和专业知识的数据管理职能或知识领域的人员执行（请参见图3）。
DAMA International定义了11个知识领域：
数据治理通过建立数据的决策权和责任制，为数据管理活动和职能提供指导和监督。
这些权利和责任应说明整个企业的需求。
数据体系结构通过与组织战略保持一致并建立满足战略数据要求的设计，定义了管理数据资产的蓝图。
数据建模和设计是发现，分析，表示和传达数据需求的过程，该过程称为数据模型。
数据存储和操作包括存储数据的设计，实现和支持，以最大程度地发挥其价值。
在整个数据生命周期中，操作都将提供支持，从数据的规划到处置。
数据安全性可确保维护数据保密性和机密性，不破坏数据并正确访问数据。
数据集成和互操作性包括与数据存储，应用程序和组织内部以及之间的数据移动和合并有关的过程。
文档和内容管理包括计划，实施和控制活动，以管理在各种非结构化媒体中发现的数据和信息的生命周期，尤其是支持法律和法规遵从性要求的文档。
参考和主数据管理包括不断核对和维护核心关键共享数据，以确保跨系统一致使用最基本，最及时，最相关的基本业务实体真相。
数据仓库和商业智能包括计划，实施和控制流程，以管理决策支持数据，并使知识工作者能够通过分析和报告从数据中获取价值。
元数据管理包括计划，实施和控制活动，以允许访问高质量的集成元数据，包括定义，模型，数据流和其他对于理解数据以及创建，维护和访问数据的系统至关重要的信息。
数据质量管理包括质量管理技术的规划和实施，以测量，评估和改善在组织内使用的数据的适用性。
这些知识领域代表着数据管理核心活动。
任何试图从其数据中获取价值的组织都必须参与其中。
但是它们也在不断发展。
我们创建和使用数据的能力的变化意味着其他概念也可以被视为数据管理的“知识领域”（例如数据伦理，数据科学，大数据管理和新兴技术）。
在这些知识领域中工作的数据管理专业人员可以帮助组织：
了解并支持企业及其利益相关者（包括客户，员工和业务合作伙伴）的信息需求
捕获，存储并确保数据的完整性和质量，以使企业可以使用它
通过防止不当访问，操纵或使用，确保数据的安全性，隐私权和机密性
你需要知道的
数据管理的目标是使组织能够从其数据中获得更多价值。
在依赖数据的世界中，可靠的数据管理实践变得越来越重要。
数据管理包括治理，基础和生命周期活动。
数据管理涉及从战略到高科技的一系列技能。
随着业务需求和技术能力的发展，数据管理实践正在迅速发展。
Evans＆Price，2012；兰尼2018。
数据治理研究所。
https://bit.ly/1ef0tnb。
