🎯 Definicja
Data Management to wszystko, co robisz, żeby dane były atutem, a nie ciężarem. Obejmuje zbieranie, przechowywanie, zabezpieczanie, czyszczenie i udostępnianie danych. To parasol nad Data Engineering, Data Governance, Data Quality i Security.
🔑 Kluczowe punkty
- Dostępność: Dane muszą być dostępne dla tych, co ich potrzebują (Demokratyzacja).
- Jakość: Dane muszą być poprawne (Data Quality).
- Bezpieczeństwo: Dane nie mogą wyciec (Security/Compliance).
📚 Szczegółowe wyjaśnienie
Według DAMA-DMBOK (Biblii zarządzania danymi), obszary to m.in.:
- Data Governance: Zasady i polityki (“Kto rządzi?”).
- Data Architecture: Struktura systemów.
- Master Data Management (MDM): Zarządzanie “Złotymi Rekordami” (Klient, Produkt).
- Data Quality: Ciągłe monitorowanie błędów.
💡 Przykład zastosowania
Firma ma 3 systemy CRM. Każdy handlowiec wpisuje klientów jak chce. Efekt: Bałagan. Marketing wysyła 3 maile do tego samego klienta. Rozwiązanie (Data Management):
- Wdrożenie MDM (Scalenie klientów).
- Data Governance (Zasada: “Pole NIP jest obowiązkowe”).
- Data Quality (Raport błędnych NIPów co rano).
📌 Źródła
- DAMA-DMBOK2 Guide.
👽 Brudnopis
- “Data is the new oil”. Ale ropa w stanie surowym jest bezużyteczna. Trzeba ją wydobyć, przetransportować, rafinować i zabezpieczyć. To jest właśnie Data Management.