數據管理是隨著數據資產化的出現而逐步興起的概念。數據以及從數據產生的信息已成為各類組織十分重視的價值資產。
在今天，每個組織的決策都建立在數據資產至上的數據分析，越來越多的組織尋求將數據維護的成本屬性轉變為正確經營決策的直接價值。市場領導者正在利用他們手中的數據資產通過豐富的客戶資料，信息的創新使用和高效的運營來獲得競爭優勢。企業通過使用數據，以提供更好的產品和服務，降低成本，控制風險。政府、教育機構以及非營利組織也需要高質量的數據來指導其日常運營、戰術和戰略活動。隨著企業對數據需求的不斷增長，以及企業對數據的依賴性不斷增強，人們可以越來越清楚地評估數據資產的商業價值。
一、數據管理的概念
數據管理是規劃、控制和提供數據及信息資產的一組業務職能，包括開發執行監督有關 數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付和提高數據和信息資產的價值。
二、數據治理的概念
作為數據管理的其中一個核心職能，是對數據資產管理行駛權力和控制的活動集合（規劃、執行和監控），指導和其它數據管理職能如何執行，在高層次上執行數據管理制度。
三、數據管理職能
1、數據治理：在數據管理和使用層面之上進行規劃、監督和控制；
2、數據架構管理：定義數據資產管理藍圖；
3、數據開發：數據的分析、設計、實施、測試、部署維護等工作；
4、數據操作管理：提供從數據獲取到清除的技術支持；
5、數據安全管理：確保隱私、保密性和適當的訪問權限等；
6、數據質量管理：定義、監控和提高數據質量；
7、參考數據和主數據管理：管理數據的黃金版本和副本；
8、數據倉庫和商務智能管理：實現報告和分析文檔和內容管理，并管理數據庫以外的數據；
9、元數據管理：元數據的整合、控制以及提供元數據。
四、數據治理職能
1、業務詞匯表：對于企業而言，建立統一的業務術語非常關鍵，如果這些術語和上下文不能橫跨整個企業的范疇，那么它將會在不同的業務部門中出現不同的表述。
2、元數據：元數據要求數據元素和術語的一致性定義，它們通常聚集于業務詞匯表上。
3、數據質量：數據質量的具體措施包括數據詳細檢查的流程，目的是讓業務部門信任這些數據。數據質量是非常重要的，有人認為它不同于治理，它極大提升了治理的水平。
4、生命周期管理：數據保存的時間跨度、數據保存的位置，以及數據如何使用都會隨著時間而產生變化，某些生命周期管理還會受到法律法規的影響。
5、數據建模：數據建模是依賴于數據治理的另一個數據管理中的關鍵領域，它結合了數據管理與數據治理兩者進行協調工作。可以說，為了將數據治理擴展到整個組織，利用一個規范化的數據建模有利于將數據治理工作擴展到其他業務部門。遵從一致性的數據建模，令數據標準變得有價值（特別是應用于大數據）。一個確保數據治理貫穿整個企業的最高效手段，就是利用數據建模技術直接關聯不同的數據治理領域，例如數據血緣關系以及數據質量。當需要合并非結構化數據時，數據建模將會更有價值。此外，數據建模加強了治理的結構和形式。
6、參考數據管理：參考數據提供數據的上下文，尤其是它結合元數據一起考慮的情況下。由于參考數據變更的頻率較低，參考數據的治理經常會被忽視。
五、治理與管理的區別
在明確數據治理是數據管理的一部分之后，下一個問題就是定義數據管理。治理相對容易界定，它是用來明確相關角色、工作責任和工作流程的，確保數據資產能長期有序地、可持續地得到管理。而數據管理則是一個更為廣泛的定義，它與任何時間采集和應用數據的可重復流程的方方面面都緊密相關。例如，簡單地建立和規劃一個數據倉庫，這是數據管理層面的工作。定義誰以及如何訪問這個數據倉庫，并且實施各種各樣針對元數據和資源庫管理工作的標準，這是治理層面的工作。數據管理更廣泛的定義包含DATAVERSITY上大部分主題為數據管理的文章和博客，其中有一部分是特別針對數據治理的。一個更廣泛的定義是，在數據管理過程中要保證一個組織已經將數據轉換成有用信息，這項工作所需要的流程和工具就是數據治理的工作。
