企业数据管理方法论¶

📚考点总览¶

涉及4大块知识：

1.企业数据管理的驱动因素、目标原则

2.三层数据模型（概念/逻辑/物理）的定义与特点

3.数据治理建设全流程：输入条件、现状诊断阶段、“规”阶段架构规范

4.DCMM数据管理能力成熟度模型分级判定

模块一：企业开展数据管理的动因、目标与原则¶

✅考点1：企业数据管理工作的驱动因素¶

核心知识点：

企业开展数据管理驱动力来自内部+外部两方面，不是单一来源；也不是只为临时项目，要服务企业长期数字化战略。

内部驱动：企业自身业务发展、降本增效、挖掘数据资产价值、支撑经营决策；
外部驱动：监管机构的合规要求（金融、能源行业监管数据治理相关指引、数据安全法、个人信息保护法等合规约束）。

错误说法辨析

❌只来自外部监管；❌仅IT部门推动，和业务无关；❌仅服务临时项目，无关长期战略。

💼业务案例：

某城商行做数据治理。内部诉求：希望分析客户交易数据，精准推出信贷产品；外部诉求：银保监下发数据治理监管指引，要求银行完善数据治理体系。于是银行启动全行的数据治理项目，既有内部业务诉求，也有外部监管倒逼。

✅考点2：数据管理的目标与原则¶

核心知识点

1.数据属于企业的数据资产；数据管理核心目标之一：保障数据质量，实现数据资产保值增值；

2.数据管理不是纯IT部门工作，必须业务+IT跨职能协作；

3.数据管理目标不只是降低IT成本，更重要是释放数据的业务价值；数据资产可以做价值评估，能用经济指标衡量价值。

错误说法辨析

❌目标只是降低IT运行成本；❌数据资产不能用经济衡量；❌仅技术部门职责，无需跨部门协作。

💼业务案例：

零售连锁企业，门店分散，会员数据杂乱，大量重复会员档案。业务部门（营运）联合IT部门开展数据治理，清洗会员数据。经过治理后精准做会员营销，提升复购，这就是通过保障会员数据质量，实现数据资产增值，需要业务和IT跨部门协同。

模块二：三层数据模型管理：概念模型、逻辑模型、物理模型¶

✅考点3：三层数据模型的定义与定位¶

核心知识点

1.概念数据模型（高层业务视角）：提炼企业核心业务实体，站在业务角度梳理有哪些业务对象；不定义数据库存储细节，不存储最小粒度数据；

2.逻辑数据模型（业务规则与实体之间关系，是数据模型管理的核心！）：重点表达业务规则、实体之间的关联关系；逻辑设计阶段尽量消除数据冗余；

3.物理数据模型（落地实施层）：转换成数据库的表结构、字段、索引；物理设计阶段可以适度增加少量冗余来优化查询性能。

❗易混易错点：逻辑层尽量消除冗余；物理层才允许适度冗余优化查询；不要搞反！

💼业务案例：

保险公司承保业务：

概念模型：识别核心实体：投保人、被保人、保单、险种；只梳理有哪些业务对象；
逻辑模型：定义业务规则：一份保单可以对应一个或多个被保人；一个投保人可以有多份保单；明确实体之间的业务约束（这一层是逻辑模型，也是模型管理的核心）；
物理模型：在数据库里面设计保单表、客户表，设置主键、索引，落地建库。

模块三：数据治理体系建设流程¶

治理建设大致流程：了解现状（现状摸底评估盘点） → “规”阶段：定规范（架构规范、组织、制度等）→落地实施→持续运营

✅考点4：开展数据管理工作的重要输入¶

核心知识点

启动数据治理工作前，需要参考的输入要素：企业业务战略、现有组织文化现状、IT架构现状；

营销层面的产品定价策略不属于数据管理体系建设的输入条件。

💼业务案例：

一家制造企业启动数据治理，首先对齐公司业务战略（未来3年要做智能制造），同时评估当前企业内部各部门协作的组织文化，结合现有IT系统架构，规划治理路线；而产品定价属于销售部门的营销策略，不作为数据治理规划的输入。

✅考点5：数据治理建设第一阶段：【了解现状】阶段的主要工作¶

核心知识点

“了解现状=摸底诊断阶段”主要三件事：

①开展数据管理成熟度评估；

②开展数据应用成熟度评估；

③盘点企业现有数据资源，梳理数据资源目录；

⚠️注意：制定制度并且落地实施不属于现状摸底，是后续规划建设阶段（规阶段）的任务！

💼业务案例：

集团启动数据治理项目第一阶段：调研各个业务系统，梳理集团有哪些业务数据，输出数据资源目录，同时开展DCMM成熟度自评；这个阶段只做调研评估盘点；不会直接制定并立刻落地数据安全审计制度；制度编写落地是下一阶段。

✅考点6：数据治理“规（制定规范）”阶段的三类规范¶

核心知识点

“规”阶段一共输出3大类规范，考试常混淆的是“数据管理规范”与“数据架构规范”的归属：

1）数据管理规范¶

包含内容：

搭建数据治理的组织架构；划分决策层、管理层、执行层各层的权责；制定管理制度、流程。

👉 关键词：组织、岗位、权责、管理制度

2）数据架构规范¶

包含内容（三大设计）：

① 企业数据模型设计：搭建企业统一的数据模型，用来支撑后续的数据标准落地；
② 企业信息价值链分析设计：梳理企业内部数据流转链路，为数据分级、数据安全管控提供依据；
③ 数据交付（平台）架构设计：规划大数据平台、数据流转交付的架构，指导后续数据平台建设实施。

👉 关键词：数据模型、信息价值链、数据/平台交付架构（偏向技术架构层面）

3）数据应用规范¶

包含内容：

聚焦数字化运营、数据使用流程；定义企业内部该如何使用数据开展业务运营，数据申请、数据开放使用的流程。

👉 关键词：数据使用、数字化运营

❗高频易错点

题干问“不属于【数据架构规范】”时，“建立数据治理组织架构，明确决策层、管理层与执行层职责”属于【数据管理规范】，不属于【数据架构规范】。

很多同学看到“架构”二字就误选，要分清：

✅ 数据架构：指IT层面的数据、平台技术架构；
✅ 治理组织架构：属于管理、组织层面，归属数据管理规范。

💼业务案例

大型集团“规”阶段：

数据管理规范：设立数据治理委员会（决策层），治理办公室（管理层），各业务部门数据专员（执行层），明确各个岗位的数据管理职责，编写数据管理考核制度；
数据架构规范：设计集团统一的数据模型、梳理集团内数据从业务系统到数据仓库再到分析应用的数据流转链路、规划集团大数据平台的整体技术架构；
数据应用规范：定义各业务部门申请数据、开放使用数据的流程，规范数字化运营中的数据使用方式。

📝记忆口诀

规阶段三规范：

**数据管理规范管组织权责制度；

数据架构规范做三类架构设计（模型、价值链、平台交付架构）；

数据应用规范管数据业务使用运营。**

模块四：DCMM数据管理能力成熟度等级判定¶

✅考点7 DCMM五个等级核心特征（重点记忆前4级）¶

等级	名称	核心特点
1级	初始级	被动式开展数据工作，无正式制度规范，零散处理问题
2级	受管理级	项目层面开展管理，部分领域建立制度；局限于单个项目
3级	稳健级	企业层面建立统一标准规范；企业内部标准化推广；但还没有系统性量化指标体系
4级	量化管理级	建立可量化评估指标体系，度量数据管理流程效率，基于指标持续分析优化；企业深度对外输出，参与行业、国家级的数据标准制定
5级	优化级	基于量化分析持续自我动态优化，自适应迭代

📌题干关键词记忆口诀：看到可量化指标体系测量流程效率+参与国家级行业标准制定 → 直接判定4级（量化管理级）

💼业务案例：

国内头部通信企业，已经搭建一套量化指标：例如数据错误率、数据问题平均修复时长，持续监控并且优化数据管理流程；同时企业抽调专家，参与国家通信行业的数据标准编制；对照DCMM，该企业处于量化管理级（4级）。