数据对于一个企业的决策有重要的驱动作用，而企业的成功与高质量的决策密不可分。单元式的数据本身具有的价值是有限的。组织对数据转化为有利的可视化信息时，数据对决策的价值就大幅增长。同时也要确保数据的条理、一致和正确，保证数据转化为高质量的可见的信息的责任自然归属数据管理部门。

可以说数据管理是一种致力于将企业的数据资产变现的工作。如果没有数据管理部门，企业会面临低质量的决策信息等问题，导致无法从数据集中获取相应的商业价值。

数据管理部门主要目标是确保组织的数据资产满足业务的需求并得到有效的利用，让我们看看最常见的数据管理部门的十个岗位的主要职责。

1.DBA数据库管理员

管理组织的数据库是数据库管理员的主要职责。系统可用性和数据库性能、安全性、监控和恢复是DBA 的核心职责。

除了后端支持职责外，数据得到有效组织和存储也是DBA需要确认的。创建用户帐户和分配访问权限，以及帮助开发人员和最终用户调试和优化应用程序也是DBA的职责。

由于CDA的工作比较繁杂，企业通常将职能分配到单独的系统和应用程序支持中。支持后端 DBMS 基础设施由系统DBA负责，而处理平台内的数据和对象，并协助开发人员和用户由他们的应用程序 DBA 同行负责，除此之外还有数据仓库DBA等角色。

DBA 的主要职责:

获取组织后端数据库系统的管理所有权。

在整个生命周期中维护数据库的数据可靠。

帮助应用程序开发人员和最终用户进行调试和数据访问。

2.数据管理员

数据管理员从业务和技术两个方面查看数据，并与最终用户和开发人员交互以定义、描述、组织和分类数据集。

利用这些信息，数据管理员可以根据数据集的业务含义、不同数据元素之间的关系以及管理数据的业务规则来构建数据模型。建模创建了一个框架，使不同的业务部门能够共享及时和准确的数据。数据管理员还为数据元素制定命名约定、存储定义和业务规则约束。

数据管理员在没有数据治理团队的企业中通常会带头制定和实施旨在确保数据安全、质量和正确使用的治理政策、程序和最佳实践。

数据管理员的主要职责：

帮助业务部门定义、组织和分类数据并记录相关的业务规则。

创立和维护概念、逻辑和物理数据模型。

构建、维护数据管理和治理标准。

3.数据建模师

一些大型企业为建模谁了一个专门的数据建模师。数据建模师通常需要处理构建概念、逻辑和物理模型的过程，成为且有数据存储的基础。

初始的建模质量决定着后续数据元素交互流程的开发和管理质量。数据建模师通过不断更新和修改模型，应对企业数据集合和业务需求的变化。

数据建模师的主要职责：

与数据管理人员和业务用户协作，处理模型构建需要的信息。

使用建模工具构建概念、逻辑和物理数据模型。

开发标准实践以确保数据模型的一致性持续并验证它们与不断变化的业务模式的兼容性。

4.数据架构师

数据架构师需要贯通整个企业工作。数据架构师通常拥有数据领域的高级学位和自己对数据额管理的深入见解。数据架构师负责开发数据架构，部分人还帮助选择最满足应用程序业务和技术需求的数据平台与系统。

数据架构师需要掌握当前的新兴技术。除了基本的架构能力，数据架构师还要具备系统和数据库设计以及数据建模的能力，并对系统开发数据生命周期模型和项目管理的时间有独到的见解。

数据架构师的主要职责：

位数据管理框架创造和维护架构蓝图。

应用最新的数据管理技术。

帮助业务用户和IT部门人员选择和落地系统。

5.ETL开发人员

将数据从源数据转换为不同的目标数据类型、清理数据并应用业务规则对其进行标准化、集成数据集可能是一个庞大复杂的过程。为此，大部分企业设置了一个专门的职务，专注于提取、转换和加载 (ETL) 处理。ETL 开发人员是最常见的职位。

ETL开发人员通常涉及将数据从源系统加载到数据仓库中；它还可以为操作应用程序集成不同的数据源。用于清理和标准化数据的代码可以从 ETL 工具中内置的简单参数过渡到复杂的编程逻辑。ETL 开发人员还须要对数据分析和数据访问有深入的认知，并且可能还需要了解除 ETL 之外的其他数据集成方法。

ETL 开发人员的主要职责：

从源数据集中提取和处理数据并将其传输到目标系统中。

进行数据整理和验证，确保数据质量水平达标。

创建 ETL 和其他数据集成过程的系统并根据需求不断完善。

6.DQA数据质量分析师

如今企业产生了比以往任何时候都多的数据。所以许多企业面临的挑战是建立和维护高水平的数据质量。识别错误、异常和其他缺陷是DQA的主要任务，这些缺陷会损害数据质量，并最终影响其对企业的决策导向。

DQA从数据质量的各个方面评估数据集，例如准确性、完整性、一致性、一致性和重复数据的缺失。一旦发现数据问题，需要着手解决这些问题，以提高数据可靠性并确保最终用户能够访问可信数据。该角色通常还涉及跟踪数据质量指标和对用户进行标准化操作指导，以帮助从根本提高数据质量。

数据质量分析师的主要职责：

监测数据问题并确定其严重性和业务影响范围，制定数据质量改进方案。

采取必要的步骤来修复不正确的数据值和其他问题，从根本上解决问题。

为最终用户建立数据质量提高方案，以最大程度提高数据质量。

7.数据工程师

数据工程师是IT行业的数据传输和存储专家。将数据移动到分析数据存储中，并准备好供应用程序开发人员、数据科学家和其他分析师使用是他们的职责。

数据工程师一定对数据仓库和大数据平台及其存储数据的方式有深入的了解。此外，该职位还需要了解能够访问大数据系统的 API 以及数据管理和分析最佳实践方面的应用知识。因为数据工程师负责在整个企业中移动大量数据的管道，所以他们还需要数据构架的性能监控和故障排除方面的业务能力。

数据工程师的主要职责包括：

构建从源系统检索数据的数据管道，根据需要对其进行标准化和转换，并将数据加载到目标系统中。

评估、实施、使用和管理数据管道和 ETL 工具。

监控数据传输的性能和质量。

8.数据科学家

数据科学家是数据分析领域的专家，他们通常拥有数据科学、统计学、数学或计算机科学等学科的权威学位。数据科学家使用的技术包括统计分析、预测分析、人工智能、机器学习和深度学习工具，以及包括 Python、R、Scala、SQL 和 Julia 在内的编程语言。

分析数据以改善当前业务运营之外、开发预测模型来预测未来趋势并回答假设问题是数据科学家的主要工作内容。为了知道客户了解他们的分析工作所揭示的数据洞察力，数据科学家们还使用数据可视化工具来创建图形、报告和仪表板，以易于理解的格式呈现调查结果。

数据科学家的主要职责包括：

开发统计模型来分析数据并按照需求改进。

使用机器学习和其他高级分析技术来发现数据中隐藏的洞察力并预测客户行为和未来业务趋势。

构建报告、仪表板和数据可视化，向业务主管和其他数据消费者展示洞察结果。

9.数据分析师

数据分析师通常作为数据管理领域的入门职位，但是数据分析师是原始数据转化为有价值的信息过程中关键的角色。与数据科学家一样，数据分析师清理、组织和分析数据集并构建仪表板和报告，以帮助业务用户了解分析洞察的结果。

数据分析师辅助数据科学家的工作并受其监督。数据分析师不具备数据科学家那样丰富的经验和熟练的技术。

数据分析师的主要职责包括：

建模、清理、组织和分类数据集以用于分析应用程序。

分析数据、为运营和战略决策找到可行的方案。

使数据可视化，以帮助业务用户解释分析结果。

10.商业智能分析师

商业智能分析师简称 BI 分析师，比起初始数据设计和分析建模，BI分析师更关注数据分析和可视化。BI 分析师通常使用数据仓库中的结构化数据，而不是数据科学家和数据分析师使用的更多样化的数据湖。一般来说，他们还运行不太复杂的应用查询来跟踪业务 KPI、客户购买习惯、车间生产和其他运营问题。

BI 分析师经常访问和聚合大量数据以识别有助于优化运营和影响业务战略的指导方向。为了是数据能够有效的指导决策，BI分析师需要了解其业务含义。

BI 分析师的主要职责：

与业务经理合作确定可以帮助他们改进当前运营模式并预测未来业务需求和趋势。

分析数据以查找引导高质量决策的信息。

构建仪表板、报告和数据可视化，并将调查结果传达给业务用户。

深入了解数据管理相关理论，欢迎咨询CDMP认证

[1]