下载掌阅APP，畅读海量书库
立即打开
DMBOK对数据治理的定义是：指对数据资产管理工作履行职权和实施管控（如规划、实施、监督和执行等）的行为。DAMA认为数据治理是建立在数据管理基础上的一种高阶管理活动，是各类数据管理工作的核心，指导所有其他数据管理工作的执行。
我国《信息技术服务 治理 第5部分：数据治理规范》（GB/T 34960.5）对数据治理的定义是：数据资源及其应用过程中相关管控活动、绩效和风险管理的集合。
中国银行保险监督管理委员会在2018年下发的《银行业金融机构数据治理指引》（银保监发〔2018〕22号），对数据治理的定义是：指银行业金融机构通过建立组织架构，明确董事会、监事会、高级管理层及内设部门等职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。
随着数据要素产业的蓬勃发展及数据要素在各行各业的应用落地，更多的主体意识到数据治理的重要性并参与其中，根据各行业、各业务场景的特点，数据治理被赋予了不同的含义和作用。考虑到数据治理的发展趋势，为更全面地体现数据治理的内涵和知识体系，本书采纳《信息技术服务 治理 第5部分：数据治理规范》（GB/T 34960.5）中关于数据治理的概念，与DMBOK中数据治理的概念相比，它是广义的数据治理，包含了DAMA车轮图中数据管理的内容。
DMBOK将数据治理原则划分为领导力和战略、业务驱动、共担责任、多层面、基于框架和原则导向，这些原则在2021年中国通信标准化协会发布的《数据治理标准化白皮书》（2021年）中被借鉴并予以完善，完善后的数据治理原则被概括为以下内容。
（1）战略重视、组织保障： 规划数据治理中长期路线图、明确职责分工、建立数据治理组织架构，监督各项任务执行情况、解决组织间矛盾及冲突、及时调整规划内容。
（2）责任共担、协调配合： 明确各部门的职责及任务，制定工作原则，明确各自任务及边界，建立配合机制，共同确保数据治理整体任务的实现和目标的达成。
（3）业务驱动、问题导向： 基于业务活动中发现的数据不标准、不一致、不准确、不可信、用数困难等问题，通过业务驱动开展计划、控制、开发、运营等数据治理活动，并通过数据治理考核机制来监督落实。
（4）流程嵌入、实用落地： 数据治理是管理、业务、技术三位一体的系统工程，将数据治理的活动、工具、输入输出物、人员角色等嵌入管理、业务、技术的关键流程中，并达成用户体验好、自动化程度高、简单适用的成效。
（5）服务导向、量化评价： 以服务为核心理念，为数据应用提供可用、可信的高质量数据，满足数据需求、赋能业务发展。设置量化指标评价数据治理的工作成效，反映数据治理存在的成绩和不足，提出针对性的改进和优化措施。
健康医疗领域的数据治理也可以借鉴上述原则，将其作为参考性原则。
数据治理国家标准《信息技术服务 治理 第5部分：数据治理规范》（GB/T 34960.5），将数据治理框架划分为顶层设计、数据治理环境、数据治理域和数据治理过程四大部分，如图1-3所示。
图1-3 数据治理框架
数据治理相关国家标准、行业标准为相关行业数据治理工作提供了参考指引，推动了数据治理事业的发展，但又不像DMBOK那样能够提供一套完整的知识体系指导数据治理工作的开展，不利于数据治理工作的具体实施。然而，由于DMBOK是一个通用性的数据管理知识体系指南，未能够体现行业特点及与特定行业的结合应用，所以在特定行业应用上尚不能得到充分应用。为此，DAMA中国（上海市静安区国际数据管理协会）于2021年决定基于DMBOK组织编写一套数据治理丛书，选取医疗健康、金融、制造业、交通、零售等行业作为试点，计划建立起与行业特点相结合的行业性数据治理知识体系指南，以期为特定行业的数据治理工作提供适用性强且系统性的指导，赋能多个行业数据治理工作的开展，支撑不同行业数字化转型的高效落地及数据要素的价值发挥。
本书结合DMBOK数据管理框架和其他数据治理相关框架以及健康医疗领域数据治理的特点，形成健康医疗领域的数据治理参考框架，该参考框架包括数据战略、数据治理机制、数据治理关键领域、数据应用及服务、数据共享与安全、数据治理成熟度评估六个部分，如图1-4所示。
图1-4 数据治理参考框架
（1）数据战略：根据法律法规、行业监管要求、业务战略、未来科技发展趋势等对数据的需求，建立数据战略，明确数据治理愿景、目标、原则、任务、路径等要素，指导未来数据治理工作的开展。
（2）数据治理机制：数据治理机制包括数据治理制度、组织及团队建设、组织变革以及数据文化，它是数据治理和数据应用各项工作有序开展的基础，为数据治理提供依据和机制保障。
（3）数据治理关键领域：数据治理关键领域包括术语与知识图谱、主数据、文件和内容管理、元数据、数据架构、数据建模、数据质量、数据集成和互操作、数据存储和操作，它体现了数据治理的具体工作，能实现数据治理关键领域工作的落地。
（4）数据应用及服务：数据应用及服务包括数据仓库与BI、大数据应用，它是实现数据价值和作用的重要手段。
（5）数据共享与安全：数据共享与安全包括数据开放与共享、数据安全与隐私保护、数据伦理与法规，它是防范数据风险、保障数据合法合规合理使用的前提。
（6）数据治理成熟度评估：通过建立数据治理的相关评估指标，对上述数据治理相关工作进行成熟度评估和现状诊断，发现数据治理工作存在的问题及不足，明确数据治理工作的改进方向及措施，促进数据治理工作的持续改进。