1.1. 随着数据领域的快速发展，组织需要改进管理和治理数据的方式

1.2. 由于数据数量和种类的增加，加剧了数据管理的复杂性

1.3. 数据消费者要求更快速、更方便地访问数据，他们希望理解并使用数据，以便及时地解决关键业务问题

1.4. 数据管理和数据治理组织需要足够灵活，才能在不断发展的环境中有效地工作

1.5. 数据治理为数据管理组织执行活动提供指导和业务背景

1.6. 虽然数据治理和数据管理组织应该遵循一些公共原则，但是很多细节仍依赖于组织所在行业的驱动因素和组织自身的企业文化

2.1. 意识、所有权和问责制度是激励和吸引人们参与数据管理积极性、政策和流程的关键

2.2. 在定义任何新组织或尝试改进现有组织之前，了解当前组织的企业文化、运营模式和人员都非常重要

2.2.1. 数据在组织中的作用

2.2.2. 关于数据的文化规范

2.2.3. 数据管理和数据治理实践

2.2.4. 如何组织和执行工作

2.2.5. 汇报关系的组织方式

2.2.6. 技能水平

2.3. 大多数寻求改进数据管理或治理实践的组织，都处于能力成熟度范围的中间级别

2.4. 如果数据管理组织与现有的决策和委员会结构不一致，那么后期维持将是一项挑战

2.5. 发展而不是实施激进的变革对组织是有意义的

2.6. 数据管理组织应与公司的组织层级结构和资源保持一致

2.6.1. 找到合适的人员，需要了解数据管理在组织内部的功能和政治作用

2.6.2. 目标应该是跨职能的不同业务利益相关方共同参与

2.6.3. 识别当前正在执行数据管理职能的员工，认识并先邀请他们参与进来

2.6.3.1. 仅在数据管理和治理需求增长时，才考虑投入更多的资源

2.6.4. 检验组织管理数据的方法，并确定如何改进流程

2.6.4.1. 改进数据管理实践可能需要进行多次改变

2.6.5. 从组织的角度考虑，规划需要进行的各种变更，以更好地满足需求

3.1. 数据管理组织设计中的一个关键步骤是确定组织的最佳运营模式

3.2. 运营模式是阐明角色、责任和决策过程的框架，它描述了人们如何互相协作

3.2.1. 可靠的运营模式有助于组织建立问责机制，确保组织内部的正确职能得到体现，促进了沟通，并提供了解决问题的流程

3.2.2. 运营模式构成了组织结构的基础，但它不是组织结构图，不是简单地将人名放在框中，而是描述组织各组成部分之间的关系

3.3. 分散运营模式

3.3.1. 数据管理职能分布在不同的业务部门和IT部门

3.3.2. 委员会是互相协作的基础，委员会不属于任何一个单独的部门

3.3.3. 优点

3.3.3.1. 组织结构相对扁平，数据管理组织与业务线或IT部门具有一致性

3.3.4. 缺点

3.3.4.1. 让过多的人员参与治理和制定决策，实施协作决策通常比集中发布号令更加困难

3.3.4.2. 分散模式一般不太正式，可能难以长期性维持

3.3.4.3. 使用分散模式来定义数据所有权，通常也比较困难

3.4. 网络运营模式

3.4.1. 通过RACI（谁负责，Responsible；谁批准，Accountable；咨询谁，Consulted；通知谁，Informed）责任矩阵，利用一系列的文件记录联系和责任制度，使分散的非正规性组织变得更加正式，称为网络模式

3.4.2. 优点类似于分散模式（结构扁平、观念一致、快速组建）

3.4.2.1. 采用RACI，有助于在不影响组织结构的情况下建立责任制

3.4.3. 缺点是需要维护和执行与RACI相关的期望

3.5. 集中运营模式

3.5.1. 最正式且成熟的数据管理运营模式是集中运营模式

3.5.2. 所有工作都由数据管理组织掌控

3.5.3. 参与数据治理和数据管理的人员直接向负责治理、管理职责、元数据管理、数据质量管理、主数据和参考数据管理、数据架构、业务分析等工作的数据管理主管报告

3.5.4. 优点是，它为数据管理或数据治理建立了正式的管理职位，且拥有一个最终决策人

3.5.4.1. 职责是明确的，所以决策更容易

3.5.5. 缺点是，实施集中模式通常需要重大的组织变革

3.5.5.1. 将数据管理的角色从核心业务流程正式分离，存在业务知识逐渐丢失的风险

3.5.6. 组织通常也是共享服务部门、运营团队或者是首席数据官组织的一部分

3.6. 混合运营模式

3.6.1. 混合运营模式包含分散模式和集中模式的优点

3.6.2. 一个集中的数据管理卓越中心与分散的业务部门团队合作，通常通过一个代表关键业务部门的执行指导委员会和一系列针对特定问题的技术工作组来完成工作

3.6.3. 优点是，它可以从组织的顶层制定适当的指导方向，并且有一位对数据管理或数据治理负责的高管

3.6.3.1. 业务团队具有广泛的责任感，可以通过业务优先级调整给予更多的关注

3.6.4. 挑战包括组织的建立，通常这种模式需要配备额外的人员到卓越中心

3.6.4.1. 中央组织的优先事项与各分散组织的优先事项之间有时也会发生冲突

3.7. 联邦运营模式

3.7.1. 作为混合运营模式的一种变体，联邦模式提供了额外的集中层/分散层，这在大型全球企业中通常是必需的

3.7.2. 联邦模式提供了一个具有分散执行的集中策略

3.7.2.1. 对于大型企业来说，它可能是唯一可行的模式

3.7.2.2. 一个负责整个组织数据管理的主管领导，负责管理企业卓越中心

3.7.3. 缺点是管理起来较复杂

3.7.3.1. 层次太多，需要在业务线的自治和企业的需求之间取得平衡，而这种平衡会影响企业的优先级

3.8. 确定组织的最佳模式

3.8.1. 运营模式是改进数据管理和数据治理实践的起点

3.8.2. 引入运营模式之前，需要了解它如何影响当前组织以及它可能会如何发展

3.8.3. 确定最适合组织的运营模式是至关重要的

3.9. DMO替代方案和设计考虑因素

3.9.1. DMO替代方案和设计考虑因素

3.9.2. 无论选择哪种模式，请记住简单性、可用性对于接受和可持续性是至关重要的

3.9.3. 如果运营模式符合公司的文化，那么数据管理和适当的治理则可以运用到运营中，并与战略保持一致

3.9.4. 要点

3.9.4.1. 通过评估当前状态来确定起点

3.9.4.2. 将运营模式与组织结构联系起来

3.9.4.3. 组织复杂性+成熟度

3.9.4.4. 领域复杂性+成熟度

3.9.4.5. 可扩展性

3.9.4.6. 获得高层支持—这是可持续发展模式的必要条件

3.9.4.7. 确保任何领导机构（指导委员会、咨询委员会、董事会）都是决策机构

3.9.4.8. 考虑试点规划和分批次实施

3.9.4.9. 专注于高价值、高影响力的数据域

3.9.4.10. 使用现有的资源

3.9.4.11. 永远不要采用一刀切(One-Size-Fits-All)的方法

4.1. 高管层的支持

4.1.1. 拥有合适的高管层支持，可确保受数据管理规划影响的利益相关方获得必要的指导

4.1.2. 在组织变革的过程中，将新的以数据为中心的组织有效地整合在一起，从而获得长期持续的发展

4.2. 明确的愿景

4.2.1. 组织领导者必须确保所有受数据管理影响的利益相关方（包括内部和外部）明白和理解数据管理是什么，为什么很重要，他们的工作将如何影响数据管理及数据管理对他们自身的影响

4.3. 积极的变更管理

4.3.1. 管理与建立数据管理组织相关的变更过程，需要规划、管理和保持变更

4.4. 领导者之间的共识

4.4.1. 领导者之间的共识，确保了对数据管理规划的一致性和统一支持，并就如何定义成功达成一致

4.4.2. 包括领导者对目标与数据管理成果和价值的共识，以及对领导者宗旨的共识

4.5. 持续的沟通

4.5.1. 应尽早展开沟通，并保持公开和一定的频率

4.5.2. 在强调数据管理的重要性时，信息必须是一致的

4.5.3. 信息应该支持按需重复，能对其进行经常性的检查，以确保数据持续有效，并逐步建立起数据意识

4.6. 利益相关方的参与

4.6.1. 受数据管理计划影响的个人和团体，会对新计划及他们自己在其中的角色做出不同的反应

4.6.2. 利益相关方分析有助于组织更好地理解那些受数据管理变更影响的内容

4.7. 指导和培训

4.7.1. 不同的群体需要不同类型和层次的培训，培训对于实现数据管理是至关重要的

4.7.2. 需要新政策、流程、技术、程序甚至工具方面的培训

4.8. 采用度量策略

4.8.1. 有助于了解当前的数据管理路线图是否有效，以及是否继续有效

4.8.2. 是否采用

4.8.3. 改进的程度，或相对于之前状态的增量

4.8.4. 数据管理的有利方面

4.8.4.1. 数据管理如何影响结果可测量的解决方案

4.8.5. 改进的流程和项目

4.8.6. 识别并规避的风险

4.8.7. 数据管理的创新方面

4.8.7.1. 数据管理如何从根本上改变业务的方式

4.8.8. 可信度分析

4.8.9. 数据管理的有利方面可以侧重于改进以数据为中心的流程

4.8.10. 数据管理的创新可以通过增强可信数据来改进决策和分析

4.9. 坚持指导原则

4.9.1. 指导原则阐明了组织的共同价值观，是战略愿景和使命的基础，也是综合决策的基础

4.9.2. 指导原则构成了组织在长期日常活动中遵循的规则、约束、标准和行为准则

4.9.3. 指导原则是做出所有决策的参考，是创建有效数据管理计划的重要步骤，它有效地推动了组织行为的转变

4.10. 演进而非革命

4.10.1. 在数据管理的各个方面，“演进而非革命”的理念有助于最大限度地减少重大变化或大规模高风险项目

4.10.2. 以逐步改进数据管理和业务目标优先级的方式，将确保和持续改进新的政策和流程的执行

4.10.3. 增量变化更容易被证明，因此也更容易获得利益相关方的认可和支持，并让那些重要的参与者参与进来