【数据治理】数据治理与数据管理：区别是什么？

数据治理与数据管理是一种常见的比较，因为它们是帮助您充分利用数据潜力的两种类似做法。

在这里，让我们了解比较的来源，了解数据治理和数据管理的基本原理，然后探讨它们之间的关系。

数据治理和数据管理之间的区别是什么？

数据治理是一套关于数据访问、使用和管理的程序和指南。同时，数据管理包括获取、存储、编目、准备、探索和转换数据的过程和工具，以便您可以将其用于决策。

这里有一个经常被引用的类比来解释数据治理与数据管理之间的区别。数据治理可以被视为构建新建筑的蓝图，而数据管理则是构建的行为。

阅读更多信息→ 什么是数据治理？和数据管理101

《非侵入性数据治理》一书的作者Robert S.Seiner将数据治理与数据管理进行了如下比较：

数据治理侧重于我所说的“权利法案”。这一切都是为了让拥有“正确”知识的“正确”的人在“正确”时间以“正确”方式处理“正确”数据，从而做出“正确”决策。同时，数据管理是以成功的业务成果为目标的实践和流程的交付。

The overlap between the disciplines of data governance, data management, and information security, according to Robert S. Seiner. Source: TDAN

同时，国际标准化组织（ISO）强调了数据治理与数据管理之间的区别，如下所示：

数据治理规定了在数据管理中要做出哪些决策以及由谁做出这些决策。然而，数据管理可确保做出这些决定并采取适当的行动。

数据治理与数据管理：实际操作

例如，当您使用AWS S3存储数据或使用Fivetran设置数据管道时，这就是数据管理的一个实例。

然而，当您使用AWS S3中的数据资产定义或定义S3访问规则的平台来设置业务术语表时，您就实现了数据治理。

数据管理是否包括数据治理？

对数据治理是关于如何管理数据的。因此，数据管理包括数据治理，因为您必须记录处理数据的指导原则以及它们如何影响您的业务目标。

数据治理与数据管理：3个核心区别

我们可以从以下方面比较数据治理与数据管理：

• 过程
• 人
• 技术

数据治理与数据管理#1：流程

数据治理规定了“组织如何决定使用数据”。因此，所涉及的过程可以是：

• 设置数据质量检查
• 定义数据访问策略
• 遵守全球、地方和组织法规
• 设置和维护业务词汇表

同时，数据管理是关于“组织如何使用数据”的。这些流程遵循数据治理框架中概述的准则。

所涉及的过程可以是：

• 数据转换以保持数据格式一致
• 仓库、湖泊等中的数据存储
• 数据探索以解决运营和分析用例

数据治理与数据管理#2：人

传统上，数据治理被视为与业务和IT团队相关的功能。因此，实施数据治理将涉及业务经理、域数据所有者和其他此类业务利益相关者。

同时，数据管理将涉及执行——实施治理框架并影响组织的业务目标。这涉及到从定义数据存储规则到设置访问权限和控制的所有方面。

因此，它需要纯粹的技术角色，例如数据工程师、架构师或数据库管理员（DBA）。

数据治理与数据管理#3：技术

因此，数据治理工具用于记录这些规则，并将其纳入整个组织的数据资产。这包括数据字典和词汇表、数据目录等。

同时，数据管理工具更关注数据存储、处理和探索。

	Data governance	Data management
这是怎么一回事？	在不损害数据安全性、完整性或隐私的情况下提高数据业务价值的做法	通过遵循数据治理准则支持数据消费的流程和工具
它做什么？	定义用于存储、操作和使用数据的策略和控件	定义管理每个数据资产生命周期的工具、过程和方法
它回答了什么问题？	1.您的业务应使用哪些数据源？ 2.您将如何对来自不同来源的数据进行分类？ 3.您将如何存储敏感数据？ 4.谁拥有数据资产？ 5.谁可以访问该资产？谁可以对其进行更改？ 6.您的数据质量指标是什么？	1.您将使用哪些工具存储数据？ 2.如何使来自不同域或应用程序的数据互操作？ 3.您将如何促进数据共享和协作？ 4.您将如何确保数据质量并保持其相关性、准确性和更新？
谁拥有它？	责任在于每个人，但主要是企业负责人。例如，在去中心化模型中，数据域负责管理它们创建的数据。	责任在于数据团队的工程师和其他技术成员。

数据治理和数据管理如何协同工作？

没有治理的数据管理就像构建没有蓝图的东西。同时，没有管理的治理只是文档。数据治理和数据管理必须协同工作，这样才能从数据中提取价值。

以下是一些示例：

• 法规遵从性
• 基于角色的访问
• 数据编目

示例#1：法规遵从性

GDPR指南帮助您定义数据治理策略。例如，GDPR要求您在纳税年度/会计期结束后至少保留七年的记录。因此，您的数据治理策略必须确保您知道哪些数据应保留七年，存储数据的格式以及可以访问数据的人员。

在这种情况下，数据管理将涉及提取必要的数据并执行所需的转换，以便以正确的格式组织、分类和存储数据。数据管理还将涉及确保这些数据易于发现并供合适的人员访问。

示例#2：基于角色的访问

另一个例子是基于角色的访问。数据治理程序应确定用户角色及其数据访问权限。

数据管理将涉及组织内基于角色的访问的执行和监控。

示例#3：数据编目

数据治理要求您确保所有数据资产都定义良好，并提供必要的上下文，如资产来源、所有权、转换等。

数据治理将涉及建立一个数据编目平台，利用从所有数据源到地表资产描述、360度数据配置文件、谱系映射等的元数据。同时，数据管理将侧重于将各种来源的数据组织到数据仓库和湖泊中，并将这些来源与编目工具连接起来。

数据治理和数据管理：它们真的那么不同吗？

传统上，将数据治理和数据管理确定为两个独立的概念是有意义的，因为治理只涉及法规遵从性。因此，该工具侧重于访问控制和安全性。

同时，数据管理就是执行收集、存储和使用数据所涉及的各种过程。

如今，这些界限已经模糊，因为数据治理对于帮助数据团队更好地工作至关重要。这不再是“数据治理与数据管理”的局面。

让我们看看各个组织是如何定义它的：

“数据治理是将数据作为战略资产进行管理。数据治理实践对于帮助确保数据针对任何用途进行优化至关重要，从而能够深入了解我们的组织和职能边界。”-微软

“数据治理反映了组织在与数据管理相关的领域的战略方向和预期成果，包括质量和元数据管理、信息安全、架构和数据建模。”-德勤

“数据治理的基础是平衡中央监督、适当的优先级和一致性，同时确保创建和使用数据的员工是其管理层的领导者。”-麦肯锡

“数据治理推动了对数据团队面临的挑战的理解。最终，数据治理导致了一个数据驱动的组织，将继续在现代市场中竞争。*”-Fivetran

“数据治理是一个组织对其数据可用性、可用性、一致性、数据完整性和数据安全性的管理。”-Snowflake

这就是为什么数据治理和数据管理可以被视为看待同一问题的不同方式——同一硬币的两面。更好的治理将导致更好的数据资产管理，只有实现真正的治理，才能实现有效的数据管理。