数据管理制度（精选9篇）

　　4、数据管理量化指标

　　既然是数据管理制度，就需要尽可能对数据管理要求进行指标量化。这里面结合DAMA数据领域较为成熟的管理指标进行分享，数据管理制度里面需要明确，管到何种程度才符合业务使用要求。例如绩效指标评价：以A数据项为单位，需要通过数据质量要求：完整性、及时性、准确性、一致性、唯一性、有效性的六个纬度计算标准，需要达到何种标准才能称之为合格的数据，这样可以根据计算规则得出各个数据维护方的数据质量综合得分，如“数据质量对象设置总分100分，按照问题项依次扣除，每条问题扣1分，扣完为止”。这样的数据质量指标执行中才能清晰推动业务进行数据质量改进。

　　当然除了上面四核心点，还需要提到落实数据争议决策机制，数据的工作是企业级工作，必须站在企业视角去思考。所有数据推动工作通常会因为不同部门间的意见不统一导致难以执行下去，清楚的处理机制和决策人就显得非常重要，定义数据战略决策人，决策人级别越高，对数据落地执行越有号召力，数据推动工作越有效果。

　　同时每个企业员工都以企业为中心，提高自身的数据观认知，一切从服务企业出发，不在乎谁多干活，谁少干活，用科学的思维和方法逐步分解数据管理工作，DAMA书中也阐述到“数据管理制度专注于定义术语和合并数据周边的语言，这是组织获得更一致数据的起点”。

　　在企业数据治理中，数据管理制度作为正规严肃的书面规范，可以有效支撑企业数字化执行落地，而数字化产品作为一种管理工具提供企业数字化转型，两者相辅相成，缺一不可。