数据治理和数据管理怎么区分？(保过版)
数据治理和数据管理怎么区分？(保过版)
在数据驱动的商业环境中，数据治理和数据管理是两个经常被提及但容易混淆的概念。它们虽然紧密相关，却承载着不同的职责和目标。本文将通过引用DAMA、DGI和IBM的定义，结合个人理解，详细解释这两个概念的不同之处。
当我们说“要进行数据治理、数据管理的时候”，好像并不能特别明确，清晰的理解，这一句话是要达到什么，治理数据？管理数据？治理数据的什么？管理数据的什么？
在区别“数据治理”和“数据管理”的概念之前，我们先看看“治理”和“管理”在概念上的区别。
一、治理、管理有什么区别
管理：侧重于对组织内的资源（包括人力、物力、财力等）进行计划、组织、指挥、协调和控制等一系列活动，以达成既定的目标，往往更聚焦在具体的事务操作以及内部有序运转的保障上。例如，企业管理者通过制定生产计划、安排人员岗位、监督工作进度等方式来确保产品按时按质生产出来。
治理：更多强调通过一系列制度安排、规则设定以及多方参与互动的机制，对涉及公共事务或者较为宏观层面的领域进行协调和把控，以保障其健康、有序、公平地发展。比如国家治理，涉及到不同层级政府、社会组织、企业、公民等多主体共同参与，制定法律法规、政策框架等来维护社会稳定、推动经济发展等。
个人画一下重点，管理：更加聚焦在具体的事物操作上。治理：则是一系列制度安排、规则设定以及多方参与互动的机制。
二、DAMA的定义
数据治理（Data Governance，DG）的定义是在管理数据资产过程中行使权力和管控，包括计划、监控和实施。
数据管理（Data Management）是为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周期中制订计划、制度、规程和时间活动，并执行和监督的过程。
为了更好的理解，在DAMA书中下面这段话感觉也很重要：
数据治理的目的是确保根据数据管理制度和最佳实践正确的管理数据。而数据管理的整体驱动力是确保组织可以从其数据中获取价值。
数据治理聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式。
数据管理，会直接作用于数据，他的直接目标是提高数据质量，终极目标是实现数据价值。
三、DGI的定义
在DGI《数据治理框架》中介绍：
广义来说，数据治理是对数据相关事项作出决策的工作。
从狭义来说，数据治理是与信息相关过程的决策权与问责制度体系，根据商定的模型执行，确定谁能够对什么信息采取什么措施，以及什么时候、在什么样的情况下使用什么方法。
DGI没有给出明确的数据管理的一个定义。
但是从数据治理的定义上，也可以看到，DGI定义的数据治理也是决策权、问责制度等等这些规则、制度的内容。
四、IBM的定义
数据管理：数据管理是摄取、处理、保护和存储组织数据的一套做法，然后会将数据用于战略决策以改善业务成果。
Data management is the set of practices for ingesting, processing, protecting, and storing an organization’s data, which is then used for strategic decision-making to improve business outcomes。
数据治理：数据治理是专注于组织数据的质量、安全性和可用性的数据管理原则。数据治理通过为数据收集、所有权、存储、处理和使用定义和实施政策、标准和程序，有助于确保数据完整性和数据安全性.
Data governance is the data management discipline that focuses on the quality, security and availability of an organization’s data. Data governance helps ensure data integrity and data security by defining and implementing policies, standards and procedures for data collection, ownership, storage, processing and use。
五、汇总
不确定这段汇总是从哪里看到的，还是个人总结的。觉得很好。
数据管理：通过一系列的管理活动和措施，充分发挥数据在促进企业向信息化、数字化、智能化发展方面的价值。
注意，这里面也是包含数据治理的，也就是说数据治理也属于数据管理的一部分。这个在DAMA那张车轮图中也能够看出来。
数据治理：为了更好的进行数据管理活动，而制定的一系列组织、制度、规范等。
再细说一下的话。
数据管理直接作用于数据，数据治理不直接作用于数据。数据管理直接作用数据时，依据的就是数据治理提供的内容。
数据管理通过活动，实实在在操作数据后，能够更好发挥数据价值。而数据治理是为了更加规范化、流程化的操作数据而确定的一系列前提条件。
六、为什么经常会被混用
被混用个人理解除了，这两个名词本身上不好说清楚区别之外。还有一个原因，就是在进行数据治理的时候，不可能仅仅落在调整了组织、发布了制度、规范等等之后，而不进一步去实际操作数据，也就是不去做数据管理了。
所以说，如果说某某数据治理项目，大概率在项目中也会包含数据管理的一些动作的，即制定规范、调整组织（数据治理部分），又要（数据管理部分）去真正的去作用于数据，提升数据质量，从而发挥数据价值。
从这个角度来看，数据治理和数据管理时常混用也不能完全说错。
在不混用的情况下，在什么语境使用哪个词应该也差不多理清楚了吧。比如下面这些说法：
“我要确保数据管理的过程中，有数据治理提供的规范、组织、工具等保障。”
“数据治理过程中，制定的规范、组织、工具等，有效的保证了数据管理的规范化落地。”
“通过制定并执行数据治理工作计划，企业可以将复杂的数据管理工作转化为可操作、可衡量的具体活动，从而最大化数据的价值，为企业的持续发展提供有力支持。”
七、总结
通过本章，我们区分出了数据管理和数据治理的一个概念上的区别。
在详细区分之前，觉得这两个概念不是特别好区分，真的研究一下发现还是挺好分开的。一个是做事情，一个是做事情前的准备条件。数据管理就是整个做事情的过程，数据治理就是做事情前的组织、政策等条件，个人后续也会把工具、数据、业务当做准备条件。这个后续再详细说。
下一章，我们将介绍一下数据治理的一个战略目标，给出一张整体的战略目标图，从个人角度来框定一下数据治理都治理些什么。