数据治理那些事是一个系列的文章,主要是沉淀了笔者在数据治理领域的实践总结和思考, 笔者在数据治理领域咨询和实施有14年时间，负责过金融、电信、制造、能源企业等的多个数据治理咨询和实施项目在实践当中有过成功的经验，也有过的失败的总结教训在这些项目过程中，我一直在思考数据治理究竟是在治理什么？要达到什么样的有效目标？中间应该怎么避免走一些弯路？目前解答这类问题的数据治理专家和数据治理方案的文章多如牛毛，让人目不暇接,各种框架模型和理论也层出不穷,实践中数据治理的实施项目也如过江之卿,但效果常常不尽如人意,那具体原因在哪?为什么大家都知道数据治理重要,但是实际中的效果却不尽如人意？本系列从实践的咨询项目和实施的项目中的问题需求出发,从实际中遇到的具体的问题入手，来层层说明如何定义问题、分析问题及如何解决这些问题,并总结出实际数据治理的可行性落地模型方案和相关种类问题的解决方案,在解决这些问题之前,先要了解和掌握数据治理目标知识分类和认知层次问题,因为数据治理目标知识分类和认知是数据治理成功和数据治理问题定义的前提，不正确认识数据治理的知识分类，就无法掌握用什么办法来掌握知识并理论联系实际，做到知行合一，我来为大家讲解一下关于一篇万字长文讲清如何做数据治理?跟着小编一起来看一看吧!
一篇万字长文讲清如何做数据治理
数据治理那些事是一个系列的文章,主要是沉淀了笔者在数据治理领域的实践总结和思考, 笔者在数据治理领域咨询和实施有14年时间，负责过金融、电信、制造、能源企业等的多个数据治理咨询和实施项目。在实践当中有过成功的经验，也有过的失败的总结教训。在这些项目过程中，我一直在思考数据治理究竟是在治理什么？要达到什么样的有效目标？中间应该怎么避免走一些弯路？目前解答这类问题的数据治理专家和数据治理方案的文章多如牛毛，让人目不暇接,各种框架模型和理论也层出不穷,实践中数据治理的实施项目也如过江之卿,但效果常常不尽如人意,那具体原因在哪?为什么大家都知道数据治理重要,但是实际中的效果却不尽如人意？本系列从实践的咨询项目和实施的项目中的问题需求出发,从实际中遇到的具体的问题入手，来层层说明如何定义问题、分析问题及如何解决这些问题,并总结出实际数据治理的可行性落地模型方案和相关种类问题的解决方案,在解决这些问题之前,先要了解和掌握数据治理目标知识分类和认知层次问题,因为数据治理目标知识分类和认知是数据治理成功和数据治理问题定义的前提，不正确认识数据治理的知识分类，就无法掌握用什么办法来掌握知识并理论联系实际，做到知行合一。
说到知识分类和知识认知问题，美国的教育心理学家布鲁姆对提出如下知识的分类和认知层次,如下图
· 一、知识的分类：在内容上知识分成了四类：
（一）事实性知识是简单理解就是事实,主要指术语、事实细节及专有符号。术语知识指具体的事实知识与专有符号，比如数据治理的定义，数据治理是企业数字化转型的基础。 事实细节和要素的知识指事件细节知识。比如数据治理的组织流程。
（二）概念性知识在事实知识基础上的抽象和总结知识间联系，主要包括结构，分类和原理，主要分为如下三类：
1.分类指的是在事实性知识基础上对知识进行分组，抽象和总结事实性知识间的联系。比如数据治理的内容主要分成数据模型、数据标准、数据质量、元数据、主数据，数据安全、数据服务间联系和数理治理的数据存储分层
2.原理是在大量的事实和事件集合的基础上对现象作出抽象和总结。比如数据治理的架构机制和数据生命周期原理
（三）程序性知识是“如何做”，而事实性知识和概念性知识是”做什么”。程序性知识通常是行为的有意识、有序的步骤和计划，技能、算法，还包括行为的思考策略和解决问题方式。程序性知识具体包括如下：
1.具体学科技能和算法的知识。通常来说指的是陈述性知识,主要指的行为或功能的概念性总结。比如数据治理的行为每个人做事和步骤不同的,但是总结出数据治理的模型或理论可以学习,正好数据治理的检核规则是数据质量的算法规则.
2.具体学科技巧和方法的知识。具体技能与算法的知识通常是结果固定的，而具体学科技巧与方法的知识，其结果却是开放的。 这类知识主要反映了这一领域的专家是如何思考及如何解决问题的， 而不是关注其结果。 比如数据治理的数据治理的策略.
3.使用程序的知识。这类知识是主要指行为能力。”纸上得来终觉浅,绝知此事要躬行”,前面讲了了陈述性知识理论,但是实践是检验真理的唯一标准,如果不实际运用,其实是没有效果的,好比学会数据治理的理论而不实际做项目和总结是没有效果的,很多专家在解决数据治理问题时 只是告诉你一堆方法论,说的头头是道,可是实施起来却难以落地,什么原因呢,是因为理论不对吗?还是理解做的不对?其实这里面有一个误区,方法和理论是事实性和概念性知识,但是如何要做好数据治理,还需要程序性知识运用,正如学会菜谱不能做好菜一样，数据治理要根据理论和现状的约束条件灵活运用知识,合理决策，真正专家提供的知识是“条件化”的，没有万能的方案，凡是不讲条件的理论和模型都是耍流氓。
（四）元认知知识是关于自我认知、学习的任务和现状及学习策略的知识。元认知知识具体包括以下三个方面：
1.关于策略知识是有关一般学习、思考和问题解决策略的知识，涉及不同的学科。具体策略可以分为记忆复习、组织和精细加工，当然，还有在计划、监控和调节认知活动中有用的各种元认知策略。数据治理现在很多理论，如何选择合适的，数据治理的项目如何管理才能符合目标期望等其实是策略认识。
2.关于认知任务的知识是包括适当的情境性和条件性知识。不同的认知任务要求不同的认知方式，也要求不同的认知策略。数据治理的理论和框架通常比较复杂，如何根据现有的情况筛选合适的，数据治理的中出现的问题如何解决，如何和现有的环境匹配。
3.自我知识包括了解自己认知活动中的优势与不足，也包括了解自己什么时候不知道什么以及采用什么样的一般策略去发现必要的信息。如何在数据治理中定义有效的问题，分析相关的数据需求，掌握现状的事实知识才有可能根据现状，包括数据现状和资源现状和管理现状。
· 二、布鲁姆把知识认知的层次分为以下六类：
１.记忆指对先前学习过的知识材料的记忆，包括具体事实、方法、过程、理论等的识别和记忆，如识别事实、基本观念、原则并记忆相关的属性等。记忆是认知的基础，所有的知识的运用首先要记忆才有运用，其它的认知都要以记忆为基础。数据治理领域对象和数据治理构架和理论等概念性知识要记住才能运用。
2.理解指把握知识材料意义。解释记忆的知识，通过具体的整合来比较、分类和总结说明知识，掌握知识的来源、机制和原理，这样才能灵活应用。知道数据数据治理的定位和目标及数据治理的机制。
3.运用指把学到的理论知识应用于新的情境、解决实际问题，包括概念、原理、方法和理论的应用。实际运用的能力以知道和理解为基础，是较高水平的理解。数据治理的咨询和实施一定紧密结合 ，通过实践来验证数据治理理论，实践也是检查理论的基础。
4.分析指把复杂知识整体分解为组成部分并理解各部分之间联系和归因。包括部分的鉴别、部分之间关系的分析和对其中的组织结构的认识，因为既要理解知识材料的内容，又要理解其中的结构。数据治理的中数据标准和数据质量及元数据和数据模型、数据生命周期间的联系和顺序及原因理解清楚才能分析出数据治理如何做的问题。
5.评价指对学习结果的检查和讨论。掌握数据治理的理论和方案后实施数据治理的项目，在实践中数据治理出现的问题进行总结和讨论，不断修正和检查，总结成功和失败，同时反馈数据治理理论和方案。
6.创造通过掌握现在的知识和理论对新的情况下，举一反三使用解决新的问题，数据治理的理论和方案通常是程序化的，不能满足现实的所有问题，对于新出现的问题如何灵活解决并运用现有的知识来解决新的问题‘
本章主要介绍布鲁姆对目标知识的四种分类知识认知的六种层次，并以数据治理为例说明数据治理的相关知识和对每种知识我们如何学习和学习数据治理相关知识和行动。重要理解数据治理相关知识分类和如何学习知识，明白数据治理的知识分类，分析每类知识的不同，所以使用不同的方法还学习运用知识，认识的认知通常不能停留在记忆，至少在理解和应用及分析阶段才能灵活应用。下图是数据治理为例说明的知识分类和知识认识的总结。
从下一节开始，我将会以实践案例角度出发，从问题需求入手来说明数据治理相关的知识说明和项目，并会在以后的章节中关联说明布鲁姆知识分类和认知的相关知识，并在咨询和项目实施中详细说明布鲁姆的知识分类和认知应用，理论结合实践。
,
