国内一线数据管理领域专家共同翻译，从企业专岗管理数据的角度介绍如何做好数据质量管理工作，有较强指导性。
本书提供了关于如何在数据治理中建立和运行数据认责工作的适用且可操作的信息和说明，旨在为新任数据专员或数据治理经理提供在数据认责方面所需的知识，以确保其工作有效和高效。本书分为11章，包括：数据认责和数据治理：二者如何结合；了解数据认责的类型；认责管理的角色和职责；实施数据认责；培训业务型数据专员；数据认责实践；数据专员的重要角色；衡量数据认责进度：指标；数据认责成熟度评估；大数据和数据湖认责；基于数据域开展数据治理和认责。
本书内容丰富，理论和实践相结合，易读性和可操作性强，可以作为数据质量管理的入门和进阶用书，还可作为数据治理、信息技术、数据分析等领域人员的参考用书，尤其适合对数据认责感兴趣的读者和负责组织以及运行数据认责工作的人员阅读。
目录
本书翻译组
关于作者
致谢
绪论 1
第1章 数据认责和数据治理：二者如何结合 6
1.1 什么是数据治理 6
1.2 驱动数据治理的一些最佳实践 7
1.3 什么是数据认责 7
1.4 数据认责的总体目标 8
1.5 将数据转变至受控状态 9
1.6 三个P：政策、流程和规程 11
1.7 数据认责如何与数据治理相结合 12
1.7.1 高层领导小组 13
1.7.2 数据治理委员会 15
1.7.3 数据认责专委会 18
1.7.4 通过技术型数据专员提供IT支持 18
1.7.5 数据治理办公室 19
1.8 整体数据治理组织 20
1.9 小结 21
第2章 了解数据认责的类型 22
2.1 业务型数据专员 23
2.1.1 选择合适的业务型数据专员 23
2.1.2 成功的业务型数据专员所具备的特征 24
2.1.3 业务型数据专员与数据 25
2.1.4 业务型数据专员的关键角色 27
2.2 技术型数据专员 28
2.3 项目型数据专员 29
2.4 操作型数据专员 30
2.5 小结 30
第3章 认责管理的角色与职责 31
3.1 数据认责专委会 31
3.1.1 什么是数据认责专委会 31
3.1.2 数据认责专委会成员 31
3.1.3 数据认责专委会职责 33
3.2 数据治理经理 35
3.3 企业级数据专员 35
3.4 业务型数据专员 37
3.5 项目型数据专员 41
3.6 技术型数据专员 44
3.7 操作型数据专员 44
3.8 数据认责RACI职能矩阵 46
3.9 小结 47
第4章 实施数据认责 48
4.1 倡导与沟通数据认责 49
4.1.1 数据认责沟通信息 49
4.1.2 准备数据认责沟通 51
4.2 获取高层与基层的支持 52
4.3 加强对组织的理解 53
4.3.1 组织架构 53
4.3.2 组织文化 57
4.4 组织数据专员 58
4.5 厘清出发点 59
4.5.1 厘清已拥有什么：数据 59
4.5.2 厘清已拥有什么：元数据 61
4.5.3 厘清已拥有什么：数据质量 64
4.5.4 厘清已拥有什么：流程 66
4.5.5 厘清已拥有什么：工具 66
4.6 小结 67
第5章 培训业务型数据专员 68
5.1 业务型数据专员培训课程 70
5.2 关键业务数据元素的元数据 71
5.3 数据的使用 71
5.3.1 信息生产者与消费者 72
5.3.2 使用SIPOC了解数据使用 73
5.4 数据认责流程介绍 73
5.5 认责支撑工具 74
5.6 提升数据质量的培训 75
5.7 小结 76
第6章 数据认责实践 77
6.1 基础知识 77
6.1.1 选择关键业务数据元素 78
6.1.2 分配负责的业务型数据专员 80
6.1.3 业务数据元素的命名 81
6.1.4 创建良好的业务定义 82
6.1.5 定义业务数据元素的创建和使用规则 83
6.1.6 定义派生规则 84
6.2 设置可复用流程 84
6.3 界定数据认责制度实施的范围 87
6.4 理解业务型数据专员如何与数据治理办公室互动 88
6.4.1 与数据专员定期举行会议 88
6.4.2 使用互动式讨论组 89
6.4.3 成立工作组 90
6.4.4 项目型数据专员如何与业务型数据专员协作共事 91
6.5 使用问题日志完成日常工作 92
6.5.1 什么是问题日志 92
6.5.2 管理问题日志 92
6.5.3 理解问题日志流程 93
6.6 文件记录和沟通：沟通计划 95
6.6.1 什么是必须沟通的？ 95
6.6.2 沟通计划必须包含什么？ 95
6.6.3 定向沟通的重要性 97
6.7 在项目方法论中增加数据治理工作 98
6.7.1 把数据认责任务增加到项目中的好处 98
6.7.2 为项目提供支持的数据认责角色 98
6.7.3 数据认责任务和模板 99
6.7.4 培训项目经理 101
6.8 构建并遵循数据治理或数据认责路线图 101
6.9 确定数据认责工具 104
6.9.1 数据认责门户 104
6.9.2 数据认责维基百科 106
6.9.3 关键产物：业务术语表 106
6.9.4 使用工作流实现流程自动化 109
6.9.5 元数据存储库 115
6.10 小结 117
第7章 数据专员的重要角色 118
7.1 数据认责在数据质量提升中的角色 118
7.1.1 度量和提升数据质量 118
7.1.2 防止数据质量恶化 119
7.1.3 不同场景下的数据质量提升意味着什么 120
7.1.4 提升数据质量对整体数据认责工作的重要性 121
7.1.5 理解数据质量维度 121
7.1.6 明确数据质量规则 122
7.1.7 支持数据质量与数据剖析的改进 124
7.1.8 加载过程中强化数据质量 126
7.2 数据认责在元数据质量管理中的角色 129
7.2.1 剖析元数据 130
7.2.2 元数据质量维度 131
7.3 数据认责在参考数据管理中的角色 133
7.3.1 参考数据的一般维护 134
7.3.2 跨系统保持参考数据值一致 135
7.4 数据认责在主数据管理实体解析中的角色 138
7.4.1 识别出特征属性 139
7.4.2 查找记录和映射字段 142
7.4.3 标准化数值 143
7.4.4 用外部数据源增强数据 143
7.5 数据认责在主数据管理遴选处理中的角色 144
7.6 数据认责在主数据管理异常处理中的角色 146
7.7 数据认责在信息安全中的角色 148
7.8 数据认责在支持质量保证中的角色 149
7.9 数据认责在编制血缘关系中的角色 150
7.10 数据认责在流程风险管理中的角色 152
7.11 数据认责在数据隐私法规中的角色 153
7.11.1 数据主权法规的关键信条 154
7.11.2 遵守法规 154
7.11.3 捕获其他元数据以实现合规性 155
7.11.4 初步了解数据和流程支持的数据主权法规 155
7.12 小结 157
第8章 衡量数据认责进度：指标 160
8.1 业务成效指标 160
8.2 运营指标 162
8.3 小结 166
第9章 数据认责成熟度评估 167
9.1 设定数据认责成熟度模型：级别和维度 167
9.2 数据认责成熟度级别 167
9.2.1 成熟度级别1：初始级 168
9.2.2 成熟度级别2：策略级 168
9.2.3 成熟度级别3：良好级 168
9.2.4 成熟度级别4：战略级 169
9.2.5 成熟度级别5：优化级 169
9.3 数据认责成熟度维度的各级别要求 169
9.3.1 组织意识 170
9.3.2 角色和架构 170
9.3.3 标准、政策和流程 171
9.3.4 价值创造 172
9.4 收集成熟度模型的评估数据 173
9.5 评估成熟度调查结果 174
9.6 衡量成熟度进展 174
9.7 找准差距和改进提升 177
9.8 小结 178
第10章 大数据和数据湖认责 179
10.1 数据认责和大数据 179
10.2 数据认责和数据湖 180
10.2.1 数据湖和元数据 181
10.2.2 给数据湖确定数据治理的等级 182
10.2.3 在数据湖中创建的元数据 183
10.2.4 治理数据湖的建议角色 184
10.2.5 数据湖和高速数据环境开展数据认责 185
10.3 小结 186
第11章 基于数据域开展数据治理和认责 187
11.1 数据域驱动的数据认责案例 187
11.1.1 数据域驱动的数据治理从何而来？ 188
11.1.2 数据域驱动的数据认责价值 188
11.2 数据域的定义 190
11.3 数据域的主要收益 191
11.4 确定和设置数据域 192
11.4.1 业务主题域 193
11.4.2 业务数据元素 193
11.4.3 授权数据供应点 194
11.5 治理数据域 196
11.5.1 数据域和数据域委员会 196
11.5.2 数据域委员会结构和治理 198
11.5.3 数据域委员会人员配备 199
11.6 数据域驱动的数据治理关键活动 201
11.7 数据域驱动的数据认责需要一个成熟的组织 202
11.8 小结 204
附录 205
附录A 定义及派生规则示例 205
附录B 培训计划大纲范例 205
附录C 用于命名业务数据元素的类词 211
