本文內容為資料生命週期管理應備的規範或活動，非實作所用到的 IT 技術。

Data Management 資料管理，只是個概稱

其實，資料管理目前仍是個概稱，每個人賦予這個詞彙的內涵都不一樣，寫文章可以用，不建議放在專案「工作項目」、  「交付項目」或「效益」上。

「資料管理」一詞很不容易劃定討論範疇，其中一個原因是資料領域還在蓬勃發展中。即使已經發展很成熟的領域，把該領域名稱直接加上「管理」二字，也不適合拿來當作實作項目。舉例來說，我們不會把人力資源管理，直接當成「工作項目」、  「交付項目」或「效益」，我們會細化成更加具體的工作項目，例如刊登招募廣告。

Data Lifecycle Management 資料生命週期管理

「資料管理」可以解為 Data Lifecycle Management 「資料生命週期管理」以具體化實作範圍。本文參考 DAMA 國際資料管理協會的「資料生命週期管理」體系。

DAMA 在 2009 年發布第一版 DMBOK(資料管理與知識體系指南)。2017 年發表 DMBOK 2.0, 整個資料治理範疇沒有太大改變，但是結構卻有很大的精進，把「知識範疇」(清單)進化到「知識結構」(多維)。還把 10 大知識領域進化成下面的 DMBOK 2 Evolved Wheel :

圖片來源：https://www.dama.org/cpages/dmbok-2-wheel-images

DAMA 是引用 PDCA 模型來解構 「資料生命週期管理」規範與活動

Plan & Design 以及 Use & Enhance 大家應該比較容易想像。本文針對 Enable & Maintain 來說明：

1. Big Data Storage：DAMA 主要是專注在「政策」、「組織」、「流程」標準上，我很驚訝 DAMA 的專家在 IT 技術面的著墨，特別把「大數據」儲存獨立出來。確實在架構、規格與服務層級上，PB 量級的大數據儲存不太適合跟 TB 量級的資料儲存做相同處理。這樣的區分也有助企業去審視是否真的需要建置大數據系統。
2. Data Warehousing：企業應建立可流通的資料倉儲架構文件、資料產品標準、釋出計畫、支援程序、監控程序。
3. Master Data Management：Master Data Management 我們會有專篇來講。本文先不談。
4. Data Storage and Operations：企業應建立資料庫技術評估標準、資料庫環境標準、資料庫備份與遷移指引、營運持續計畫、資料庫效能與可用性標準。
5. Reference Data Management：Reference Data 是指非 Data，也非 Metadata, 但是在資料使用時，會需要查詢的參考資料。例如 code table 代碼表。企業應建立參考資料需求文件指引，在建立 Data Catalog & Model 時不要漏掉 Reference Data。
6. Data Integration and Interoperability：企業應建立 DLL 架構文件、資料交換規格標準、資料存取協定、資料服務標準、事件警示機制。

看到這裡，應該可以理解為何「資料治理」與「數位轉型」如此緊密。企業需要獨立於 IT 外的 Data Team 來推動資料治理，但是 Data Team 需要跟 IT Team 緊密合作才能讓資料專案成功。