数字化转型的大背景
1.降本增效；2.提高资源利用效率；3.提升用户满意度；
数字化转型的难点和痛点
首先需要了解下数字化和信息化的区别；
从应用范围来看：信息化是单个系统或业务，是局部的；而数字化则是全域系统或流程，是整体的；
从决策模式来看：信息化是线性思维；而数字化是多元智慧大脑；
从数据来看：信息化是数据孤岛；而数字化则是数据共享；
从导向来看：信息化是产品导向的；而数字化则是客户导向（以人为本）；
从目标来看：信息化的目标是形成竞争优势；而数字化则是协作共赢；
从业务创新来看：信息化的业务创新是流程驱动的；而数字化则是数据驱动的；
其次在应用场景中，涉及到数字化场景会涉及到消费互联网和产业互联网；那两者之间的区别是什么？
消费互联网和产业互联网的区别
从服务对象来看：消费互联网面对的是个人（2C），主要是为了改变人们的生活方式；而产业互联网则是对企业（2B）:包括企事业单位、政府、社会团体等；也是为了改变人们的生活方式；
从主角来看：消费互联网的主角是互联网公司，对于传统行业来讲，这两者的关系是此消彼长的；而产业互联网主角则是传统企业，是共生共赢的关系，互联网作为传统企业的数字化助手；
从竞争重点来看：消费互联网更侧重于流量，用户规模“打开频次”留驻时间，以用户体验为保障；而对产业互联网则是更侧重于行业的洞悉，帮助企业成功，是低耦合，高复用的。
从市场结构来看：消费互联网是赢者通吃，一统江湖，但不断受到挑战；而产业互联网是通用的底层基础设施，是百花齐放的应用层，会形成行业小巨头；
从增长速度来看：消费互联网是呈现指数增长，就像沙滩捡贝壳一样简单；而产业互联网则呈现线性增长，就像深海采珍珠一样难；
从产业分布来看：消费互联网主要分布在北上广深等一线城市，而产业互联网则是分布在全国各地；
DAMA数据管理知识体系车轮图
有11个知识领域：分别为数据架构、数据建模和设计、数据存储和操作、数据安全、数据集成和互操作、文件和内容管理、参考数据和主数据、数据仓库和商务智能、元数据、数据质量、数据治理；
而在数治理中会涉及到政策、管理&所有权、文化变革、战略、原则&伦理、数据价值评估、数据成熟度评估、数据分类方面，在管理过程中需要做好基础工作和生命周期的管理。基础工作主要侧重于数据保护、元数据管理、数据质量管理；数据保护中，侧重于隐私、安全和风险管理。在生命周期管理中，侧重于规划&设计、启动和维护、使用&强化；在规划&设计中侧重于架构、建模设计；而启动&维护中，侧重于大数据存储、数据仓库、主数据管理、数据存储&运营、参考数据管理、数据集成&互操作性；在使用&强化中：侧重于数据科学、数据可视化、数据变现、预测分析、主数据使用、商业智能、文件&内容管理；
数字管理的12项原则
- 数据是有独特属性的资产；
- 数据的价值可以用经济术语来表示；
- 管理数据意味着对数据的质量管理；
- 管理数据需要元数据；
- 数据管理需要规划；
- 数据管理需驱动信息技术决策；
- 数据管理是跨职能的工作；
- 数据管理需要企业级视角；
- 数据管理需要多角度思考；
- 数据管理需要全生命周期的管理；
- 数据管理需要纳入与数据有关的风险；
- 有效的数据管理需要领导层承担责任。
数据是有独特属性的资产
数据是一种资产，但相比其他资产其在管理方式的某些方面有很大差异，对比金融和实物资产其中最明显的一个特点是数据资产在使用过程中不会产生消耗；
数据的价值可以用经济术语来表示
通过衡量数据的成本从而体现数据的价值；在实现经济价值主要分为2个方面：1，通过为业务赋能实现价值；2.通过数据交易直接实现价值；
管理数据意味着对数据的质量管理
确保数据符合应用的要求是数据管理的首要目标，为了管理质量组织必须了解利益相关方对质量的要求并根据这些要求度量数据。
管理数据需要元数据
通过元数据定义知识，元数据源于与数据创建、处理和使用先关的一系列流程包括架构、建模、管理、治理、数据质量管理、系统开发、IT和业务运营以及分析；
数据管理需要规划
即便是小型组织也可能有复杂的技术和业务流程蓝图，数据在多个地方被创建且因为使用使用在很多存储位置间移动因而需要做一些协调工作来保持最终结果的一致需要从架构和流程的角度进行规划。
而在执行过程中，需要在顶层设计和具体落地上考虑，顶层设计上：需要基于框架、基于一定的原则、需要3-5年的规划；具体落地上：需要小步快跑、对标成功案例。
数据管理须驱动信息技术决策
数据和数据管理与技术和信息技术管理紧密结合，管理数据需要一种方法确保技术服务于而不是驱动组织的战略数据需求；
数字化转型应该由业务部门来驱动,由IT部门来做许多工作的具体执行；
数据管理是跨职能的工作
数据管理需要一系列的技能和专业知识因此单个团队无法管理组织的所有数据，数据管理需要技术能力、非技术技能以及协作能力。
数据管理需要企业级视角
虽然数据管理存在很多专用的应用程序，但它必须能够有效被应用于整个企业。
数据管理需要多角度思考
数据是流动的，数据管理必须不断发展演进以跟上数据创建的方式、应用的方式和消费者的变化。其中涉及到EA（企业框架），它是一个描述组织的业务流程、信息流、数据资源以及技术能力的方法与模型。实现EA的主要框架有TOGAF、Zachman、FEA框架；
数据管理需要全生命周期的管理
管理任何资产都需要首先拥有该项资产的数据（员工人数、账户号码等），用于管理和如何使用数据的数据都称为元数据。
数据管理需要纳入与数据相关的风险
数据除了是一种资产外还代表着组织的风险、数据可能丢失、被盗或误用，组织必须考虑数据的伦理影响，数据相关风险必须作为数据生命周期的一部分进行管理。
有效的数据管理需要领导层承担责任
数据管理涉及一些复杂的过程需要协调、写作和承诺，为了达到目标不仅需要管理技巧，还需要来自领导层的愿景和使命。