随着数据量的爆炸性增长和数据技术日新月异的发展，企业在数据管理上面临了前所未有的挑战。本文将深入探讨数据管理的发展历程、当前的难题以及企业如何有效进行数据管理，帮助读者理解数据管理的真正含义，把握数据时代的脉搏。

实际上数据管理并不是什么新概念，早在计算机出现以前，数据管理就一直存在，只不过由于缺乏信息化的管理手段，以传统的纸和笔来记录和计算，并通过人脑来进行管理和加工。随着计算机硬件和软件的发展，磁盘、磁鼓等直接存取设备开始普及，数据被记录在单独的数据文件中，进行存取和管理。而如今，随着计算机性能和大容量存储设备的出现，数据文件之间的共享和多用户同时访问得以实现。但同时，也出现了新的管理难题：

1. 数据标准不统一，质量参差不齐

数据技术的飞速发展，出现了各种数据工具、技术和平台，这也造成了数据来源多样化、数据格式不一、数据质量参差不齐等问题，给数据管理工作带来新的挑战。

2. 数据孤岛普遍，数据共享是难题

在企业内部，各个部门都拥有各自的数据资源，如营销部门的销售数据、财务部门的财务数据等等，然而，由于种种原因，这些数据却像是被一堵无形的墙所隔离，形成一个个“数据孤岛”，无法在企业内部自由流通和共享。数据孤岛将影响企业从全局视角进行企业数据价值的挖掘和利用，更增加了企业在数据管理和沟通上的难度。

3. 数据技术更新快，管理维护成本高

数据管理需要采用多种工具和技术，如数据仓库、数据挖掘、数据分析等。这些工具和技术需要不断随着市场的变化更新升级，以适应不断发展的技术环境，以及频繁变化的业务需求和技术要求。这也增加了企业在数据管理系统和人员技能方面的成本。

4. 数据法规变化快，数据安全有隐患

随着数据保护法规的持续演变，企业既要遵循法律法规，又要充分利用数据价值，那么数据安全与合规就成为了企业数据管理的一大挑战与难题。

5. 缺乏数据意识，数据管理经验不足

该问题在传统企业屡见不鲜，虽然传统企业拥有完备的ERP、CRM等系统，但是基于公司整体层面的数据建设却极度匮乏，同时，由于缺乏体系化的数据管理方法和数据人才，也使得数据转型工作推进困难。

在实际工作中，以上数据管理难题将比字面上的描述更加困难和繁杂，也是很多企业在数据规模化之后，以及在朝数据智能化转型的道路上遇到最多的问题。倘若我们能提早了解到数据管理的主要内容，那么我们在建立数据组织、开展新项目数据工作之前将少走很多不必要的弯路，同时，在对企业现有数据的管理方面也将更有方向和着力点。

那么，企业数据管理到底在管什么？

笔者以为，该问题应当站在一个数据组织管理者的角度来思考。从目标战略到执行板块，分为以下五个部分：

1. 数据战略与路径的管理

这几乎是每一个数据组织在开展工作之前都需要思考的问题，一个接地气的数据目标，加上一个匹配的战略架构，再加上切实可行的执行路径，将主导企业在数据管理道路上高效且有方向的前行。对整个数据管理工作进行全局性的思考，也有助于企业合理预判各板块工作开展投入，以及工作开展过程中可能出现的风险。

2. 数据资源/资产的管理

在数字化转型和数据市场化的大背景之下，数据资源与资产的管理显得尤为重要。这包括了数据采集与存储、数据分类与标记、数据访问与分享、数据分析与应用、数据备份与恢复，以及数据质量与准确性等。数据资源/资产管理贯穿了数据采集、存储、应用、销毁全生命周期与全过程，合理有效的管理将帮助企业发挥和挖掘数据价值最大化，同时减少数据在共享、流通和应用层面的沟通成本。

3. 数据技术/平台的管理

企业的数据管理离不开数据技术和平台的依托，数据从采集获取、加工清洗到应用服务全流程都需要在数据系统/平台上完成，那么丰富多样的数据技术和平台就成为了数据组织进行数据管理与治理的基础。如何进行数据技术/平台的管理？关键在于数据开发和运维人员，首先是人员技术的与时俱进，其次是平台的升级与保障。稳定先进的数据技术与平台，是企业提升数据管理效率和打造数据业务竞争力的基石。

4. 数据质量与标准的管理

企业数据质量与标准往往与数据治理在同一个板块，通过对数据质量进行评估、控制和改进的一系列活动，确保数据的准确性、完整性、一致性、可靠性和安全性等。同时，在管理标准和制度中明确数据质量的标准及目标、数据归口管理部门或岗位，制定有效的数据质量问题处理机制、数据质量的巡查机制等，来对数据进行科学高效的管理。

5. 数据需求的管理

数据需求的管理也是数据管理的主要工作之一，它将决定数据战略的目标与计划，以及数据项目建设优先级等。数据需求的管理主要包含两部分的内容：一是，收集业务/客户的数据需求和问题；二是，对数据需求的可用性、数据来源、数据质量等进行评估。数据需求的管理也可借助需求管理平台等线上系统进行可追溯的高效管理。

当前，我国已经从互联网时代、物联网时代，进入了数联网时代，数据在企业中的重要性和价值已不言而喻。但当前，体系化、成熟的、能落地的数据管理方法仍在探索之中。企业数据管理是机遇，也是挑战。