数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
如果你对数据管理有兴趣，读DAMA是一个不错的选择，但《DAMA数据管理知识体系指南（原书第2版）》洋洋洒洒近800页，要读完读懂实属不易。现在有了AI的助力，我帮大家重新编排了DAMA 17个章节的核心内容，共2.5万字，分三篇给你讲完。数字化转型网www.szhzxw.cn
这是第一篇，共涉及数据管理、数据处理伦理、数据治理、数据架构、数据存储和操作及数据建模和设计六个章节内容。为了降低理解门槛，本文会按照以下方式进行解读：首先，每章的开头会先讲个故事，让你知道why。其次，给出本章节的内容框架，方便你抓住中心思想。
最后，针对框架详细展开，让你深入理解。每篇你只需要花10-20分钟，就能对数据知识管理体系有个全面的了解，让我们开始吧。
一、数据管理
（1）数据的故事
想象一下，一家全球知名的电子商务公司在”黑色星期五”促销活动中遭遇了严重的数据管理危机。由于数据不同步和系统间的沟通问题，网站显示的商品价格与实际结算价格不符，导致大量订单出错。
与此同时，客户服务系统无法及时获取准确的订单信息，使得客户投诉激增。这场危机不仅造成了直接的经济损失，还严重损害了公司的声誉。事后分析发现，这场灾难本可以避免。
如果公司有一个健全的数据管理系统，能够确保所有平台上的数据实时同步、准确无误，并且各个部门之间能够顺畅地共享和访问关键信息，那么这场危机就不会发生。这个例子生动地说明了在当今信息时代数据管理的重要性。
它关乎组织如何有效利用数据来创造价值、支持决策和实现战略目标。让我们从这个例子出发，介绍数据管理的核心概念、目标、原则、体系以及面临的挑战。数字化转型网www.szhzxw.cn
（2）内容的框架
（3）详细的内容
首先，我们需要理解什么是数据管理。数据管理是指在数据的整个生命周期中，制定计划、制度和实践活动，并执行和监督这些活动，以交付、控制、保护并提升数据和信息资产的价值。简单来说，就是如何妥善处理组织拥有的各种数据，使其发挥最大效用。
数据管理的重要性不言而喻。高质量的数据可以帮助组织更好地了解客户需求、改进产品和服务、提高运营效率、降低风险，并在竞争中获得优势。
反之，低质量的数据可能导致错误决策、效率低下、客户不满意，甚至带来合规风险和声誉损失。数据管理的主要目标包括：数字化转型网www.szhzxw.cn
满足企业及其利益相关方的信息需求
确保数据的质量、完整性和安全性
保护数据隐私和机密性
防止数据被未经授权或不当访问和使用
确保数据能有效服务于企业增值目标
为了实现这些目标，组织需要遵循一系列数据管理原则：
将数据视为独特属性的资产数字化转型网www.szhzxw.cn
重视数据质量管理
注重元数据（关于数据的数据）管理
进行全生命周期的数据管理
采取企业级视角进行数据管理
关注数据相关风险
确保数据管理需要跨职能协作
重视数据管理的规划
然而，数据管理并非易事，组织在实践中常常面临诸多挑战：
数据质量问题：不准确、不完整或过时的数据会影响决策质量数字化转型网www.szhzxw.cn
数据价值评估困难：与有形资产不同，数据的价值往往难以量化
数据安全和隐私风险：数据泄露或滥用可能带来严重后果
缺乏统一标准：不同部门或系统的数据定义和格式可能不一致
技术与业务的平衡：需要在技术可行性和业务需求之间找到平衡点
组织文化障碍：转变为数据驱动的组织需要克服既有思维模式
为了应对这些挑战，DAMA（数据管理国际协会）提出了一个全面的数据管理知识体系框架，包含11个关键知识领域：
数据治理：为数据管理提供指导和监督
数据架构：定义管理数据资产的总体蓝图数字化转型网www.szhzxw.cn
数据建模和设计：分析和展示数据需求
数据存储和操作：管理数据的物理存储和日常操作
数据安全：确保数据的隐私、机密性和适当访问
数据集成和互操作：管理不同系统间的数据移动和整合
文件和内容管理：管理非结构化数据的生命周期
参考数据和主数据：维护核心共享数据的一致性
数据仓库和商务智能：支持决策分析和报告数字化转型网www.szhzxw.cn
元数据管理：管理描述其他数据的信息
数据质量管理：确保数据满足业务需求
这些知识领域相互关联，共同构成了全面的数据管理体系。组织可以根据自身需求和资源，选择性地实施和强化某些领域。要实现有效的数据管理，组织需要采取以下策略：
制定数据战略：明确数据管理的目标、原则和优先事项
建立数据治理机制：确保数据管理的一致性和问责制
投资数据管理技术和工具：如数据质量工具、元数据管理系统等
培养数据管理人才：建立专业的数据管理团队
推动数据驱动文化：鼓励基于数据的决策和创新数字化转型网www.szhzxw.cn
持续改进：定期评估和优化数据管理实践
总之，数据管理是一个复杂但必要的过程，它需要组织的长期承诺和投入。通过系统化地管理数据资产，组织可以更好地利用数据洞察力，提高经营效率，创造更大的商业价值。
二、数据处理伦理
（1）数据的故事
想象一下,你是一家大型电商平台的数据分析师。有一天,你发现了一个有趣的数据模式:在某个特定城市,每当气温超过30度,冰淇淋的销量就会激增。你兴奋地向主管汇报了这一发现,建议在高温天气时向该城市的用户推送冰淇淋优惠券。数字化转型网www.szhzxw.cn
主管赞同你的想法,但提出了一个问题:”我们能不能也获取用户的健康数据,优先向那些没有糖尿病风险的人推送优惠券?”这个看似简单的提议,实际上涉及了复杂的数据处理伦理问题。首先,获取用户健康数据是否合法?即使合法,我们是否应该将用户的购物数据与健康数据相结合?这样做会不会侵犯用户隐私?其次,基于健康状况区别对待用户,是否公平?这是否会导致歧视?再者,如果我们掌握了用户的健康信息,是否有责任在他们购买不健康食品时予以提醒?这个例子生动地展示了数据处理伦理的复杂性和重要性。
在大数据时代,我们拥有前所未有的能力来收集、分析和利用数据。然而,这种能力也带来了巨大的责任。如何在充分利用数据价值的同时,保护个人隐私,确保公平,避免歧视,成为了每个数据专业人士必须面对的挑战。让我们从这个例子出发,深入探讨数据处理伦理的核心概念、原则和实践。
（2）内容的框架
（3）详细的内容数据处理伦理是一个重要而复杂的主题,涉及如何以符合伦理准则的方式获取、存储、管理、使用和销毁数据。数字化转型网www.szhzxw.cn
它的重要性主要体现在三个方面:
数据代表和影响个人。在我们的例子中,用户的购物数据和健康数据都直接关系到个人隐私。这些数据可能被用于各类决策,从商业推广到保险定价,都可能对个人生活产生重大影响。
数据存在被滥用的可能性。如果没有适当的伦理约束,数据可能被用于歧视、操纵或其他有害行为。例如,如果健康数据泄露,可能导致就业歧视。
数据具有经济价值,需要明确所有权。在我们的例子中,用户的购物数据为电商平台创造了价值,但这些数据的所有权和使用权限需要明确界定。数字化转型网www.szhzxw.cn
因此,遵循数据处理伦理不仅是法律要求,也是组织的社会责任。数据处理伦理的核心原则包括:尊重他人、行善原则和公正。这些原则要求在处理数据时尊重个人隐私和自主权,最大化利益并最小化伤害,以及公平公正地对待每个人。基于这些原则,欧盟、加拿大和美国等国家和地区制定了相应的隐私法和数据保护法规。在实践中,违背伦理进行数据处理存在多种风险,如:
通过时机选择操纵数据呈现;
使用误导性的数据可视化;
进行无效或不清晰的比较;
引入偏见;
在数据转换和集成过程中丢失重要信息;数字化转型网www.szhzxw.cn
混淆和修订数据时未充分保护隐私。
为建立符合伦理的数据处理文化,组织需要:
评审现有数据处理方法;
识别原则、实践和风险因素;
制定合乎伦理的数据处理策略和路线图;
采用对社会负责的伦理风险模型。
具体来说,组织应该：数字化转型网www.szhzxw.cn
制定价值观声明
数据处理原则
合规框架
进行风险评估
开展培训和交流
制定实施路线图
建立审计和监测机制
同时,数据专业人士在执行商务智能、分析和数据科学相关活动时,需要有超越组织界限的伦理观念,考虑对更广泛社区的影响。数据治理在确保伦理数据处理中扮演重要角色。数字化转型网www.szhzxw.cn
数据治理人员需要了解最新法律变化,制定相关标准和制度,对商务智能、分析和数据科学研究计划进行伦理审查。此外,许多专业认证也要求数据管理专业人士签署正式的伦理准则。
总的来说,数据处理伦理是一个复杂而重要的议题。随着数据技术的快速发展,法律法规可能难以跟上变化的步伐。因此,组织和个人都需要主动培养伦理意识,在日常工作中践行伦理原则,平衡数据使用的效益与风险,确保数据处理既能促进创新发展,又能保护个人权益和社会公平。
三、数据治理
（1）数据的故事
想象一下,你是一家大型跨国公司的首席信息官(CIO)。有一天,你收到了一封紧急邮件,内容令人震惊:公司在欧洲的一个分支机构因违反数据保护法规被罚款数百万欧元。原因是他们误将欧洲客户的个人数据传输到了美国的服务器,而这违反了欧盟的通用数据保护条例(GDPR)。数字化转型网www.szhzxw.cn
与此同时,公司的市场部门正在抱怨他们无法获取所需的客户数据来开展营销活动。财务部门则表示,由于各个部门使用不同的系统和标准,他们难以整合全公司的财务数据,导致报表编制困难重重。更糟糕的是,公司刚刚错过了一个重要的商业机会,因为无法及时整合和分析相关数据来做出决策。
面对这一系列问题,你意识到公司迫切需要一个全面的数据治理战略。这不仅关系到合规问题,更是影响公司运营效率和竞争力的关键因素。你需要建立一个框架,明确数据的所有权、使用权限、质量标准,以及如何在保护隐私的同时最大化数据价值。这就是数据治理的核心所在。
让我们从这个场景出发,深入探讨数据治理的重要性、原则和实施方法。
（2）内容的框架
（3）详细的内容数据治理是现代组织管理数据资产的核心实践。它涉及对数据管理过程中的权力行使和控制，包括规划、监督和实施等方面。有效的数据治理能够帮助组织更好地利用数据资产，增加其价值。数据治理的主要目标包括:
制定数据战略并推动其执行
设置与数据相关的政策和标准
监督数据质量和数据架构
确保组织符合数据相关的法规要求数字化转型网www.szhzxw.cn
管理数据相关的问题和风险
提升数据管理实践
评估数据资产的价值
实施数据治理通常需要高层管理者的支持，以及组织文化的变革。许多组织开始数据治理的动机是为了满足法规要求，但随着认识的提高，数据治理逐渐成为提升组织数据价值的战略举措。数据治理的核心原则包括:
可持续发展：数据治理应该是持续的过程，而非一次性项目
嵌入式：数据治理应该融入到组织的日常运营中
可度量：数据治理的效果应该是可以衡量的数字化转型网www.szhzxw.cn
领导力和战略：需要有远见卓识的领导和明确的战略
业务驱动：数据治理应该服务于业务需求
共担责任：业务和IT部门应共同承担数据治理的责任
多层面：数据治理应该在组织的多个层面开展
实施数据治理的主要步骤包括:
评估组织的数据管理现状
制定数据治理战略和运营框架
建立数据标准和流程
开发业务术语表数字化转型网www.szhzxw.cn
协调数据架构
评估数据资产价值
嵌入数据治理到日常运营中
数据治理需要一系列工具的支持，如线上门户网站、业务术语表工具、工作流工具、文档管理工具等。同时，衡量数据治理的效果也很重要，常见的指标包括对业务目标的贡献、风险的降低、运营效率的提高等。实施数据治理面临的主要挑战包括:
组织文化的转变：需要培养数据驱动的文化
跨部门协作：数据治理需要不同部门的配合
技能和资源：需要具备相应的技能和投入足够的资源
持续性：保持数据治理的长期有效性数字化转型网www.szhzxw.cn
为了克服这些挑战，组织需要:
获得高层支持
制定清晰的数据治理战略
建立有效的沟通机制
进行持续的培训和教育
定期评估和调整数据治理实践
总的来说，数据治理是一个复杂但必要的过程。它需要组织在战略、文化、流程和技术等多个方面做出改变。通过有效的数据治理，组织可以更好地管理和利用其数据资产，提高决策质量，增强竞争优势。
四、数据架构
（1）数据的故事
想象一下,你是一家大型零售连锁企业的首席信息官(CIO)。最近,你面临着一个棘手的问题:公司的线上和线下渠道无法提供统一的客户体验。数字化转型网www.szhzxw.cn
线上商城的客户无法在实体店使用他们的优惠券,实体店的会员积分不能在线上平台兑换。更糟糕的是,当客户在线上下单后到店取货时,店员常常找不到相应的订单信息。市场部门抱怨他们无法获得全面的客户画像,因为客户数据分散在不同的系统中。同时,采购部门难以准确预测需求,因为他们无法整合来自各个渠道的销售数据。
这些问题的根源在于公司缺乏一个统一的数据架构。多年来,公司的各个部门和渠道都建立了自己的数据系统,形成了一个个信息孤岛。这不仅影响了客户体验,也阻碍了公司的运营效率和决策能力。
你意识到,要解决这些问题,公司需要建立一个全面的数据架构。这个架构应该能够:
整合来自各个渠道和部门的数据
提供统一的客户视图数字化转型网www.szhzxw.cn
支持跨渠道的业务流程
确保数据的一致性和质量
支持实时数据分析和决策
建立这样一个数据架构不仅仅是一个技术问题,它需要重新思考公司如何看待和管理数据,可能涉及组织结构的调整,业务流程的重新设计,以及公司文化的转变。
数据架构是现代组织管理数据资产的关键基础。它是一种系统化的方法，用于设计和管理组织的数据结构、流程和系统，以支持业务目标和战略。让我们从这个场景出发,深入探讨数据架构的核心概念、主要活动和实施方法。数字化转型网www.szhzxw.cn
（2）内容的框架
（3）详细的内容数据架构的主要目标包括：
在业务战略和技术实现之间建立桥梁
将业务需求转化为数据和应用需求
管理复杂的数据和信息
确保业务和IT技术保持一致
支持企业改革、转型和提高适应性
数据架构的核心组成部分包括：数字化转型网www.szhzxw.cn
企业数据模型：描述组织的数据结构和关系
数据流设计：展示数据在系统和流程中的移动和转换
数据标准和规范：确保数据的一致性和质量
数据生命周期管理：从数据创建到归档的全过程管理
建立企业数据架构的主要步骤包括：
评估现有数据架构
开发数据架构路线图
在项目中管理企业需求
整合其他企业架构（如业务架构、应用架构等）
数据架构师在这个过程中扮演着关键角色。他们需要：
理解业务需求和技术限制
设计和维护企业数据模型数字化转型网www.szhzxw.cn
制定数据标准和规范
参与项目开发，确保数据架构的实施
与其他架构师和利益相关者合作
实施数据架构面临的主要挑战包括：
缺乏管理层支持
组织文化的阻力
缺乏经验和技能
项目范围和优先级的冲突数字化转型网www.szhzxw.cn
为了成功实施数据架构，组织需要：
获得高层管理支持
培养数据驱动的文化
建立有效的治理机制
持续评估和改进架构
数据架构的实施通常是一个渐进的过程，可以从某个特定的业务领域或数据域开始，然后逐步扩展到整个组织。在实施过程中，需要注意以下几点：
与业务目标保持一致
保持灵活性，适应变化数字化转型网www.szhzxw.cn
促进跨部门协作
重视数据质量和安全
为了衡量数据架构的效果，可以使用以下指标：
架构标准的采纳率
项目实施效率的提升
业务敏捷性的改善
数据质量的提高
运营效率的提升数字化转型网www.szhzxw.cn
总的来说，数据架构是一个复杂但必要的领域。它要求组织从战略高度看待数据管理，并在技术和业务之间建立有效的桥梁。通过实施全面的数据架构，组织可以更好地利用其数据资产，提高决策质量，增强竞争优势。
五、数据存储和操作
（1）数据的故事
想象一下，你是一家大型医疗集团的数据库管理员（DBA）。最近，集团决定整合旗下所有医院的电子病历系统，以提高医疗服务质量和运营效率。
这个项目涉及到数百万患者的敏感医疗数据，数据量巨大，而且需要24/7的高可用性。一天早上，你刚到办公室，就接到紧急通知：主数据中心的一个关键数据库服务器出现故障，导致多家医院无法访问患者病历。与此同时，你发现备份系统也出现了问题，可能无法及时恢复数据。
医生们急需访问患者的病历信息来进行诊断和治疗，每一分钟的延迟都可能影响患者的生命安全。面对这个危机，你需要快速行动：
立即启动应急预案，尝试恢复主服务器。
同时启动备用数据中心的镜像数据库。
协调IT团队进行数据同步和切换。数字化转型网www.szhzxw.cn
与各医院的IT部门沟通，确保他们能够连接到新的数据源。
监控系统性能，确保在大量并发访问下系统仍能正常运行。
在解决当前危机的同时，你还需要分析故障原因，并制定长期解决方案。
这个场景生动地展示了数据存储和操作在现代组织中的关键作用。它不仅涉及技术层面的挑战，如数据库设计、性能优化、备份恢复等，还涉及业务连续性、风险管理、合规性等更广泛的问题。数据存储和操作是数据管理中的关键环节，它涉及对数据的设计、实施和支持，以最大化数据资源的价值。
让我们从这个例子出发，深入探讨数据存储和操作的核心概念、主要活动和实施方法。
（2）内容的框架
（3）详细的内容数据存储和操作主要包括两个方面：
数据库操作支持：关注数据生命周期相关活动，包括数据库环境的搭建、数据获取、备份和处置等。
数据库技术支持：包括定义数据库技术要求、设计数据库架构、安装和管理数据库技术等。
数据库管理员(DBA)在这两个方面都扮演着重要角色。他们的主要目标包括：
管理数据的可用性
确保数据资产的完整性
管理数据交易事务的性能数字化转型网www.szhzxw.cn
数据库的类型可以分为集中式和分布式两大类。集中式数据库将所有数据存储在一个地方，而分布式数据库则将数据分散存储在多个地方。随着技术的发展，还出现了云数据库等新型存储方式。数据库管理的主要活动包括：
理解需求：包括定义存储需求、识别使用模式和定义访问需求。
规划业务连续性：制定灾难恢复计划，确保数据库和服务器的恢复。
创建数据库实例：包括安装DBMS软件、维护多种环境、管理物理存储环境等。
管理数据库性能：包括设置性能服务水平、管理数据库可用性和运行、维护性能服务水平等。
管理测试数据集：生成和管理用于软件测试的数据。数字化转型网www.szhzxw.cn
管理数据迁移：在不同存储类型、格式或计算机系统之间传送数据。
为了有效管理数据存储和操作，DBA需要使用各种工具，如数据建模工具、数据库监控工具、数据库管理工具和开发支持工具等。在实施数据存储和操作时，需要注意以下几点：
在低阶环境中进行测试：先在开发环境中测试，然后逐步升级到生产环境。
采用物理命名标准：保持命名的一致性，有助于理解和管理数据。
所有变更操作脚本化：避免直接更改数据库中的数据，而是通过脚本进行更改。
进行就绪评估和风险评估：评估数据丢失的风险和技术准备情况。数字化转型网www.szhzxw.cn
注意组织和文化变化：DBA需要与其他团队有效沟通，平衡短期和长期需求。
数据存储和操作的治理包括制定度量指标、跟踪信息资产、进行数据审计和验证等。常见的度量指标包括数据库类型数量、容量指标、性能指标、操作指标和服务指标等。总的来说，数据存储和操作是一个复杂但必要的过程。它要求DBA具备广泛的技术知识，同时也需要良好的沟通和协作能力。通过有效的数据存储和操作管理，组织可以更好地利用其数据资产，提高数据质量和可用性，从而支持业务决策和创新。
六、数据建模和设计
（1）数据的故事
想象一下，你是一家大型电商平台的数据架构师。公司最近决定推出一个全新的个性化推荐系统，希望能够为每位用户提供最适合他们的商品建议，从而提高销售转化率和用户满意度。
作为项目的核心成员，你面临着一个巨大的挑战：如何设计一个数据模型，能够准确捕捉用户的购物行为、偏好和特征，同时还要考虑商品的属性、库存、价格等信息？数字化转型网www.szhzxw.cn
这个模型不仅要支持复杂的推荐算法，还要能够高效处理海量的实时数据。你开始思考需要考虑的各种因素：
用户信息：包括基本资料、浏览历史、购买记录、评价反馈等。
商品信息：包括类别、品牌、价格、库存、销量、评分等。
交易数据：包括订单、支付、物流等信息。
时间维度：考虑季节性因素、促销活动等时间相关的影响。
关系网络：用户之间的社交关系、商品之间的关联关系等。
你意识到，这不仅仅是一个简单的表格设计问题。你需要创建一个复杂的数据模型，能够：
准确反映实体（如用户、商品、订单）之间的关系。
支持高效的数据查询和分析。
适应未来可能的业务变化和扩展。
确保数据的一致性和完整性。数字化转型网www.szhzxw.cn
支持大规模并发访问和实时处理。
这个场景生动地展示了数据建模和设计在现代数据驱动型组织中的关键作用。
它不仅涉及技术层面的挑战，如数据库设计、性能优化等，还需要深入理解业务需求，平衡当前需求和未来扩展性，以及考虑数据安全和隐私等问题。数据建模和设计是数据管理中的关键环节，它涉及发现、分析和确定数据需求的过程，并用精确的形式表示这些需求。
让我们从这个例子出发，深入探讨数据建模和设计的核心概念、主要方法和实施步骤。
（2）内容的框架
（3）详细的内容数据建模的主要目标包括：
提供关于数据的通用词汇表
获取和记录组织内数据和系统的详细信息
作为项目中的主要交流工具数字化转型网www.szhzxw.cn
为应用定制、整合和替换提供起点
数据模型通常包含以下基本组件：
实体：组织收集信息的载体
关系：实体之间的关联
属性：定义、描述或度量实体某方面的特性
域：属性可被赋予的全部可能取值
数据建模主要有六种方法：
关系建模
维度建模数字化转型网www.szhzxw.cn
面向对象建模
基于事实建模
基于时间建模
非关系型建模
每种方法都有其特定的应用场景和优势。数据模型通常分为三个层次：
概念模型：描述高层次的业务概念和关系
逻辑模型：详细描述数据需求，不受技术限制
物理模型：描述具体的技术实现方案
数据建模的主要步骤包括：
规划数据建模：评估组织需求，确定建模标准数字化转型网www.szhzxw.cn
建立数据模型：从概念模型开始，逐步细化到逻辑模型和物理模型
审核数据模型：评估模型的正确性、完整性和一致性
维护数据模型：根据需求或业务流程的变化更新模型
在数据建模过程中，建模人员需要使用各种工具，如数据建模工具、数据血缘工具、数据分析工具和元数据资料库等。这些工具可以帮助建模人员更高效地完成工作。
为了确保数据模型的质量，组织需要制定数据建模和设计标准，包括命名约定、设计原则等。同时，还需要定期评审数据模型，并使用数据模型计分卡等方法来衡量模型质量。总的来说，数据建模和设计是一个持续改进的过程，需要平衡短期和长期的商业利益。数字化转型网www.szhzxw.cn
它要求建模人员具备广泛的业务知识和技术技能，同时也需要良好的沟通和协作能力。通过有效的数据建模和设计，组织可以更好地利用其数据资产，提高数据质量和可用性，从而支持业务目标的实现。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含： 数字化转型网（www.szhzxw.cn）
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于 大鱼的数据人生；编辑/翻译：数字化转型网Jack。
