数据策略、数据架构和数据治理：这是为您的业务构建坚实数据基础的前三个步骤。在这篇文章中，我们将讨论拼图的最后一部分：数据管理和集成。
它将数据管理定义为“开发和执行架构、政策、实践和程序，以妥善管理企业的完整数据生命周期需求”。
数据管理和数据治理的目标相似：确保组织内的每个人都能持续获得高质量、准确的数据，以便有效地完成工作。然而，数据治理侧重于高级概念问题，而数据管理则关注低级技术实施——本质上是理论与实践之间的区别。
此外，与数据治理一样，数据管理包括多个相关子领域：
主数据管理 (MDM)：组织需要为其企业数据提供单一真实来源，以帮助解决不同数据源 肯尼亚电报数据 之间的冲突并让每个人都达成共识。主数据管理 (MDM) 的实践旨在通过清理数据并使用参考数据和元数据增强数据来创建这一单一真实来源，以消除不一致之处。
数据标准化：即使您只有一个事实来源，相同的数据也可以以无数种方式表示 - 只需考虑英制或公制单位的相同测量值，或世界各地各种日期和时间格式。数据标准化旨在通过使信息清晰一致来提高数据质量，从而更容易同时分析多个数据源。
数据集成：一旦您的数据被系统化和标准化，就需要对其进行集成和集中，以用于您的商业智能和分析工作流。数据集成与 ETL（提取、转换、加载）的设计和开发等问题密切相关，这是实现数据集成的最常见方法。
数据性能和调优： ETL 工作流启动并运行后，您需要持续监控和优化它们，修复任何减速并消除瓶颈。数据性能可确保信息在数据集成期间能够在整个企业中从源自由流向目标。
在可靠的数据治理策略的支持下，数据管理是实现世界一流的数据驱动决策的关键。如需了解构建可靠数据基础的 4 个关键步骤的更多信息，请立即下载我们的白皮书“在可信数据上构建业务基础”。