第一章 绪论
1.1 研究背景
1.1.1 研究目的
全球化背景下，信息传播速度加快，数据信息变得尤其重要，现在，大数据已经成为我国的战略性资源，相关文件显示，数据要素的重要性已经与以往国家的基础发展要素地位相等，数据要素的重要性得到了前所未有的重视。但是通过相关文献的研究可以发现当前依然缺少一个适合中国数据管理特色的数据管理模式，DAMA、Robert S. Seiner、IBM 的数据治理成熟度等模型更多的是从国际的视角对数据管理体系进行描述，但是缺少中国各行业数据管理过程中比较关注的数据标准、数据应用等内容。DCMM 模型比较符合中国的特色，但是 DCMM模型更多的是一个成熟度评估模型，对于各行业数据管理工作如何开展方面介绍的不多。为此，本课题将在充分研究国内外数据治理相关理论和实践的基础上，参考 HR 三支柱模型的实践经验，提出适用于 A 企业的数据管理模式，描述 SSC共享服务中心、HRBP 战略支持、COE 领域专家中心三个支柱在企业数据管理中的应用，推动企业数据管理工作的规范、有序开展，提升数据资产的价值。
1.1.2 研究意义
本文的研究成果对于 A 企业以及各行业中的相关公司具有重要的价值，能够帮助各单位建立、健全数据管理的组织体系，以人力资源三支柱模型为基础建立数据部门和其他部门之间的协作关系，对于国内的数据管理具有重要的意义，具体的体现如下：
首先是理论意义，传统的数据管理理论更多是从数据管理职能的视角进行描述，缺少在公司整体的视角下业务部门、技术部门和数据部门之间如何协同的工作机制，本文率先在国内数据管理专业中引入 HR 三支柱模型，描述各项数据管理工作开展过程中各个部门如何进行职责分工以及协同机制，进而制定更适用于企业数据管理的模式，对于国内相关企业数据管理工作的开展具有重要的价值。
其次是经济意义，大数据已经上升为国家战略，各行业对于数据是资产的理念普遍接受，特别是国务院关于要素市场化管理的通知发布后，数据要素的经济价值已经成为企业关注的重点，通过本文的研究可以有效提升企业数据的质量状况，推动各方数据的汇集、整合，进而推动企业数据资产价值的变现，为企业创造更多的经济价值。
最后是管理意义，当前国内各企业数据管理工作开展中存在大量重复的工作，例如各个业务部门针对同一个数据的采集、加工和应用需求，这些工作大部分是重复性工作。通过本文的研究，可以明确哪些工作是属于 SSC 共享服务中心的范畴，哪些是是属于业务部门的职责范围，进而可以提升企业数据管理的效率，降低管理的成本。
.....................
1.2 研究内容
1.2.1 拟解决的问题
随着数据是资产这一概念的普及，很多企业都已经认识到了数据资产的重要性，也愿意投入人力物力管理数据。但是，如何才能构建有效的数据资产管理模式成为企业面临的巨大挑战。概况来讲，主要的难点如下：
1. 如何构建数据管理的组织模式。当前国内的企业在数据管理组织方面存在各种模式，例如分散管理，和 IT 一起管理、集中管理等模式，企业应该如何选择适合自身的组织模式是很多企业面临的问题。
2. 数据管理应该具备哪些职能：数据资产作为一类新型资产，企业在开展数据资产管理中首先应该明确从哪些方面开展管理，应该具有哪些职能？
3. 数据管理和业务部门之间的协同。数据资产分散在企业的各个业务部门之中，数据管理也是 IT、数据和业务等各方共同的职责，那么应该如何划分数据管理在各方之间的分工协作界面就是很多企业面临的问题。
1.2.2 研究方法
1. 文献研究法
通过阅读与数据管理相关的国内外的论文、书籍、标准规范等文献资料，归纳、总结、整理与数据管理模式相关的研究内容，在此基础上进行综合分析展开对本课题的研究，为本课题的研究提供了理论基础。
2. 问卷调查法
设计适用于 A 企业的数据管理调研问卷，从数据治理组织、数据架构、数据质量和数据安全等多个维度设置调研问题，组织员工进行填写并对收集来的数据进行分析与整理，发掘 A 公司数据管理存在的问题。
3. 案例法
对国内外数据管理方面的领先企业进行研究，了解相关企业中数据管理工作开展的组织建设、管理流程以及相关的职责分工，为本课题的研究提供参考。
图 1-1 技术路线图
第二章 相关理论研究
2.1 数据管理模式界定
根据 MBA 百科的定义，管理模式是指管理中所采用的基本思想和方法，是一种体系化的、能供人们直接参考应用的完整体系，通过这套体系可以发现和解决管理过程中的问题，规范管理手段，完善管理机制，实现既定目标。实际上，管理模式就是企业开展管理的固定的理念和方法，需要明确企业管理中的方法、组织和具体的方法，能够切实指导企业管理工作的开展[6]。基于这个定义我们可以给出数据管理模式的定义：为了推动企业数据战略的落地实施，定义企业数据管理的理论模型，数据管理组织和工作方法和流程：
1. 数据管理理论模型：定义数据管理工作包含的职能组件，明确各个职能组件之间的关系和工作内容。
2. 数据管理组织：数据管理组织的构成，需要保护的工作岗位和具体的职责，明确数据管理组织和其他部门之间的分工协同机制。
3. 工作方法：数据管理组织在履行各项职能组件的工作流程，由于本部分是组织开展数据管理各项职能的工作流程，涉及技术较多，在本文中不做介绍。
图 3-1 A 企业当前数据管理组织
2.2 国内外相关理论研究现状
2.2.1 数据管理理论研究
国际数据管理协会 DMBOK 根据不同业务对数据的不同需求划分了不同的数据管理的类型，具体包括 10 个不同的数据管理领域——数据治理相关内容、数据架构的管理方法、数据开发方法、数据操作相关的管理、数据安全建设、提升和维持数据质量、参考数据管理和主数据管理、数据仓库管理和商务智能管理、文档分类管理和具体内容管理、元数据相关工作[2]。DAMA-DMBOK 理论框架通过数据的全生命周期管理描述了数据资产的管理过程。将业务和信息技术融合在一起，通过一整套的管理活动、技术、方法，指引企业获得数据职能的战略目标和非战略型管理目标。IBM 首次提出数据治理相关的模型——成熟度模型。 IBM 在这一模型中把数据治理分成了支撑层、核心层、使能层以及价值层[3]。其中，支撑层包括数据架构、元数据、数据审计，核心层具体内容为提升和保证数据质量、管理数据的生命周期、确保数据安全和个人隐私，使能层包括组织架构、管理员机制和政策，价值层包括数据风险管理和价值创造。国家大数据标准化工作组发布了《数据管理能力成熟度评估模型》（简称：DCMM 模型）[1]，该模型是以国内外相关研究为基础，进行了大量的理论分析和实验探索之后建立起来的，能够更好地帮助我国企业管理自有数据。这一模型中将企业的数据能力强弱程度的判断分为 8 个具体的领域，即数据战略、数据治理方法、数据架构管理、数据标准制定、数据质量管理、数据安全保障、企业的数据应用以及企业对数据的生命周期的管理。每个能力域又包含若干二级能力项，共 28 项能力项。数据标准制定、企业的数据应用和数据安全保障是三项新的内容，该模型比较适合国内企业数据管理工作的开展，但是在 DCMM 模型仅仅定义了各个能力域、能力项需要达到的能力成熟度等级，对于具体各项数据管理工作如何开展没有定义，限制了企业实施的能力。韦杰研究了当下政府对数据的态度及政府采用的数据治理模式，认为目前的研究都倾向于系统性，研究内容往往是一个由多项要素构成了有机整体，数据治理的具体环节中，包含的对象有数据治理的主体和客体，具体内容包括数据信息共享和信息交换情况、元数据和数据元相关的管理、提升数据质量相关的内容、数据标准制定方案、如何规范数据、如何管理数据资产、如何进行数据调度、数据的周期管理和安全保障。然后，韦杰进一步提出了政府数据治理的集中模式、分散模式两种类型[14]。
...................................
第三章 A 企业数据管理模式分析 ............................ 13
3.1 A 企业数据管理模式现状 ....................................... 13
3.1.1 A 企业简介 ................................... 13
3.1.2 数据管理组织现状 ....................................... 13
第四章 三支柱模型在 A 企业数据管理模式中的应用 ........... 26
4.1 数据管理框架构建 ................................ 26
4.1.1 设计原则 ................................... 26
4.1.2 设计思路 ................................ 27
第五章 数据管理三支柱模型的实践总结 ..................... 46
5.1 应用过程中的问题以及对策 ..................................... 46
5.2 数据管理模式应用的价值 ....................................... 47
第五章 数据管理三支柱模型的实践总结
5.1 应用过程中的问题以及对策
数据管理三支柱模型在 A 公司的数据管理中起到了重要的作用，进一步的明确了数据管理工作在各方的职责分工，特别是提高了业务部门在数据管理中的参与度，极大的解决了数据管理中业务部门参与不足的问题，同时，也更加有利于挖掘数据在业务管理、员工支撑、客户服务等方面的应用场景，更加有利于体现数据的价值。但是，在实际的落地执行过程中也出现了一下问题，具体问题如下：
1. 缺少横向协调机制
A 公司的数据管理组织建设中，明确了数据管理工作的归口部门：互联网部数据管理处，也明确了业务部门在数据管理中的参与机制，但是由于互联网部和营销部、财务部等各个业务部门在企业中的等级是相同的，责权也没有太大的区别，导致一些横向的跨部门协调工作还是比较难开展，例如再具体的数据管理工作过程中，互联网部数据管理处需要业务部门提供本部门数据的质量管理规则，并且对发现的数据质量问题进行处理，但是在很多情况下业务部门往往不愿意配合，因为业务部门不希望把各自的问题暴露给其他部门，这就导致了很多数据质量的问题难以解决。
针对这个问题，建议首先在 A 公司的数据管理组织建设中成立数据治理委员会，强调公司高层领导、业务部门领导在数据管理工作过程中的共同参与，建立横向跨部门的协调机制，通过公司高层领导的支持，参与来提升业务部门的配合程度。其次是建立数据认责机制，明确各业务部门数据管理的重点范围和具体的管理职责，使得各个业务部门能够参与到数据管理过程中。
..........................
第六章 结论和展望
6.1 研究结论
本文在充分参考 DAMA 数据管理知识体系、数据管理能力成熟度评估模型等数据管理理论的基础上，充分借鉴人力资源三支柱模型的设计思路，创新性的提出了数据管理三支柱模型和 A 公司的数据管理框架，并且在数据管理三支柱模型的指导下对公司的数据管理组织进行了优化、调整，建立了数据管理活动职责分工方法和责任矩阵，明确了各类数据管理相关方的工作职责和分工界面，特别是创新性的提出了数据治理专家中心（COE）、数据治理共享服务中心（SSC）和数据管理业务合作伙伴（DMBP）等概念，通过 COE 可以提升 A 公司数据管理人员的专业性，可以建立科学、全面的数据管理机制，对公司的数据管理工作进行统一的指导；通过数据管理业务合作伙伴（DMBP）提升了业务部门对于数据管理的重视程度和参与度，有利于公司数据管理制度和标准在业务部门中的落地执行，同时也有利于发挥数据对于业务的支撑作用；通过数据治理共享服务中心（SSC）可以逐步提升公司的数据能力，夯实公司的数据基础，打造先进、便捷的数据管理和应用体系，培养公司的数据团队。
通过 A 公司数据管理模型的创新性研究以及落地实施应用，促进了公司数据能力的不断成熟，构建了公司的数据团队，形成了跨部门、跨专业的协同工作机制，极大的提升了 A 公司数据管理工作的效率。
参考文献（略）