何为数据管理?

关键商业智能可能在任何数据驱动型行业中都是保持竞争力的关键。您的企业是否拥有在全球市场中蓬勃发展所需的数据管理计划?

何为数据管理?

数据的摄取、存储、挖掘和存档对于现代业务不可或缺,数据管理是指构建和维护此类数据框架的专业实践。数据管理是连接信息生命周期所有部分的基础。

数据管理与流程管理协同共生,确保团队采取行动时已掌握最干净、最新状态的可用数据,这在今天意味着实时跟踪变化和趋势。下面将深入介绍该实践及其优点和挑战,并介绍可帮助您的企业充分利用其商业智能

Ready For More? Download 何为数据管理? User Guide now.

View Now

7 种数据管理类型

数据管理专家通常关注该领域的专业特性。这些专业特性可能属于以下一个或多个领域:

  1. 主数据管理:主数据管理 (MDM) 是确保企业始终使用当前“真实”信息的单一版本并根据该信息做出决策的过程。从您的所有来源摄取数据并将其呈现为持续可靠的来源,以及将数据重新传播到不同的系统,都需要借助正确的工具。
  2. 数据管理:数据专员不会制定信息管理策略,而是在整个企业中部署和实施这些策略。顾名思义,数据专员会密切关注数据收集和迁移策略,确保实践得到实施,规则得到执行。
  3. 数据质量管理:如果说数据专员如同数字治安官,数据质量经理则恰似法庭书记员。质量管理人员负责对收集的数据进行梳理,以发现潜在的问题(如重复记录、版本不一致等)。数据质量经理可为已确定的数据管理系统提供支持。
  4. 数据安全性:当今数据管理最重要的一个方面是安全性。尽管 DevSecOps 等新兴实践在应用程序开发和数据交换的各个层面都考虑到了安全因素,但安全专家仍然要负责加密管理、防止未经授权的访问、防范意外迁移或删除,以及其他一线问题。
  5. 数据治理:数据治理为企业的信息状态制定法则。数据治理框架就像一部宪法,明确概述了机构信息的获取、流动和保护政策。数据治理人员监督包括其专员、质量管理专业人士、安全团队和其他运营方面在内的网络,以落实适用于主数据管理方法的治理策略。
  6. 大数据管理:大数据是用于描述收集、分析和使用海量数字信息来改善运营的笼统术语。从广义上讲,这一数据管理领域专攻原始数据浪潮的获取、完整性和存储,其他管理层面则专注于改善运营和安全,并为商业智能提供信息。
  7. 数据仓库:信息是现代企业的基石。数量庞大的信息带来显而易见的挑战:我们如何处理所有这些信息块?数据仓库管理提供并监督物理和/或基于云的基础架构,以聚合原始数据并对其进行深入分析,从而产生业务洞察。

任何实施数据管理的企业都可能有其独特需求,需要混合使用部分或全部这些方法。熟悉管理领域有助于数据管理人员掌握构建针对其环境定制的解决方案所需的背景。

Ready For More? Download 何为数据管理? User Guide now.

View Now

数据管理的优势

数据管理可帮助组织识别和解决内部难点,并提供更好的客户体验。

首先,数据管理为企业提供一种测量所使用数据量的方法。在网络基础架构、软件应用程序、API、安全协议等之间的任何业务背景中都会发生大量交互,如果出现问题,每一种都会给操作带来潜在干扰(或成为定时炸弹)。数据管理使管理人员对业务拥有全面了解,对于思维方式和规划都有助益。

一旦数据得到管理,便可挖掘出商业智能的信息金矿。这将以多种方式帮助企业,包括:

  • 智能投放广告,根据兴趣和互动来定位客户。
  • 确保整体安全性,为关键信息构筑屏障。
  • 与相关合规标准保持一致,节省时间和资金。
  • 机器学习随时间的推移与环境更加契合,为自动化和持续改进提供动力。
  • 仅使用最佳性能所需的必要存储和计算能力,从而降低运营成本。

消费者和买方也会因良好的数据管理而受益。通过了解他们的偏好和购物习惯,企业能够让客户更快地访问所需信息。客户和潜在客户可以享受定制的购物体验,并能够相信个人和支付信息得到安全存储,简化购买过程。

如今,Office Depot 等顶级零售商正在将数据管理纳入销售周期,以秒为单位衡量购物、购买情况及安排交付,几乎实时满足客户需求。这一切都得益于良好的数据管理。

数据管理挑战

所有这些优势并非唾手可得,需要跨越某些障碍。信息技术不断发展,格局日新月异,数据管理人员在这一过程中将遇到诸多挑战。

预计会面临四种关键数据管理挑战:

  1. 数据量(至少暂时)让人不堪重负。现代企业必须管理的数据量很难高估,因此在开发系统和流程时,要做好从大处着眼的准备,视野应宏观,再宏观。用于集成大数据或将其作为平台提供的第三方专门服务是必不可少的配套措施。
  2. 众多企业存在数据孤岛。开发团队可能使用一个数据集,销售团队利用另一个数据集,运营团队的数据集则又有不同,如此等等。现代数据管理依赖于访问所有这些信息来开发现代商业智能。实时数据平台服务有助于从单一可信来源流式传输以及在不同团队之间共享干净信息。
  3. 从非结构化到结构化的旅程可能举步维艰。数据往往以非结构化的方式涌入企业。在将数据用于生成商业智能之前,需要对其进行数据准备:必须对数据进行组织、重复删除或“清洗”。数据管理人员通常依靠第三方合作伙伴协助执行这些过程,使用针对本地部署、云或混合环境而设计的工具。(另外,Talend Data Preparation 与 Talend 平台无缝集成,因此数据准备并非采用孤岛化方式或是交由第三方进行)。
  4. 管理文化对于管理数据至关重要。如果人们不了解使用的方式(也许与使用原因同样重要),世界上所有流程和系统都将收效甚微。通过让团队成员了解数据管理的优势(以及置之不理会造成的潜在风险),管理人员也是在将团队成员作为信息流程的重要组成部分对待。

在旧有经营方式和利用商业智能数据的力量之间存在各种各样的挑战,但是,通过适当的规划、实践及合作,加速发展的机器学习等技术可以在夹缝中求突破,带来更深入的业务洞察和更好的客户体验。

Ready For More? Download 何为数据管理? User Guide now.

View Now

数据管理的 3 个最佳实践

尽管特定数据需求可能为每个组织所独有,但若能制定相应的框架,将会为更加便捷高效的数据管理铺平道路。下面的三个最佳实践是制定成功战略的关键。

1. 制定计划

制定和编写数据管理计划 (DMP)。此文档列出了预计数据使用情况、可访问性指导方针、存档方法、所有权归属等。DMP 既可作为参考,也可用作实时记录,根据情况变化进行修订。

此外,DMP 可向投资人、审计师和其他相关方展示企业的数据管理总体战略,这是对公司是否已针对现代市场严峻形势做好准备的重要洞察。

最佳 DMP 能够细致入微地涵盖以下内容:

  • 首选文件格式
  • 命名规则
  • 各利益相关方的访问参数
  • 备份和存档过程
  • 已确定的合作伙伴及其提供的条款和服务
  • 全面的文档记录

某些在线服务提供从模板创建计划的分步指导,可用于协助创建 DMP。

2. 存储您的数据

在上面提到的详尽细节中,可靠的数据存储方法是良好数据管理的核心。首先应确定您的存储需求最适合数据仓库还是数据湖(或两者),以及公司数据是本地部署还是在云端

然后,概述用于命名文件、文件夹、目录、用户等的一致且强制性的协议。这是数据管理的基础,因为这些参数将决定如何存储所有未来数据,不一致将导致错误和不完整情报。

安全和备份

不安全的数据存在危险,因此必须关注每一层的安全性。一些组织需要承受 HIPPA、CIPA、GDPR 等特殊监管责任,因而增加诸如定期审计等额外安全要求。

当安全性遭受破坏时,备份计划可能攸关企业存亡。传统模型要求为所有重要数据配置三种副本:原始副本、本地存储副本和远程副本。而新兴云模型则包括分散式数据复制,以更经济的存储和传输成本提供更多备份选项。

文档记录是关键

对于重要信息,请进行文档记录。即使整个团队遭遇意外,下一团队也有机会借由包含安全和备份程序概述的完整易读文档重整旗鼓。否则知识仅属于其所有者,而对方可能未必参与长期数据管理。

数据存储的变化速度不亚于技术,因此任何方法都应具有灵活性,并采用合理的存档方法来保持成本的可控性。

3. 共享您的数据

在制定存储、保护和记录数据的所有计划之后,您应当启动与相应人员共享数据的流程。

在其他人员访问潜在关键信息之前,应考虑以下关键问题:

  • 谁拥有这些数据?
  • 是否可以复制?
  • 提供数据的每个人是否都同意与他人共享数据?
  • 谁可以访问,何时可以访问?
  • 数据集当中是否包含版权、公司机密、专有知识产权或其他超出范围的信息?
  • 企业数据还揭示了哪些自身情况?

解决这一系列问题之后,即可确定共享数据的位置和方法。以往的服务模式会调用存储库,现在则越来越多地利用软件和基础架构,后者已针对大数据管理进行微调

数据管理软件即服务

Talend 等业界领先的数据管理和集成平台提供统一的方式,可用于迁移和管理从代码构建到冷存档存储的所有数据操作。数据管理软件可将复杂编码任务可视化,使用用户友好的模板,管理合规性注意事项,进而加快并简化复杂程序,并在单一管理平台上显示企业的整体数据图景。

凭借全天候正常运行时间、行业领先的可靠性和更简单的学习曲线,与完全在内部构建的方法相比,Talend 等服务可提高数据管理人员的控制能力,从而减少花费的时间并降低实际成本。

开始使用数据管理

大数据对企业的影响几乎涵盖所有行业。随着实时决策对于保持企业竞争力和提高客户参与度的重要程度日益增加,对所有数据进行管理也变得越来越重要。

要了解更多有关 Talend 如何帮助您应对大数据管理挑战以及如何提供关键商业智能的信息,请参阅 Talend 的大数据管理工具套件,并立即下载免费的云集成工具

| Last Updated: January 23rd, 2019