一、为什么第 8 章是 A 档里"政策权重最高"的一章
各位同学好，老孙在这里。
今天是 2026 年 6 月 26 日，距 10 月 24 日系规考试还剩 120 天。
栏目③教材站。第 8 章数据资源规划是教材里当下政策权重最高的章节——直接对接 3 大国家级政策文件：
| 政策文件 | 与第 8 章的关联 |
|---|---|
| 数字中国战略（2023） | 数字中国的"数据资源体系"基础 |
| 数据 20 条（2022） | 数据产权 + 流通 + 收益 + 治理 4 大制度 |
| 数据要素 × 三年行动（2024） | 12 大重点行业数据要素融合应用 |
加上 2 部法律：
- 数据安全法（2021/9/1）
- 个人信息保护法（2021/11/1）
第 8 章的核心理论体系是 DAMA-DMBOK 数据管理知识体系（Data Management Body of Knowledge）—— 全球数据管理领域的最权威框架。
第 8 章的考试占比：
- 综合知识每年 4-5 题
- 案例分析偶尔考（2024 下案例涉及数据治理）
- 论文方向 未独立出题 —— 但可作为数字化转型 / 信息系统治理论文的核心论证段
今天这一篇老孙整理第 8 章的 DAMA 11 知识域 + 数据要素 5 大特征 + 数据治理 4 大体系 + 3 权分置制度 —— 让你 1 小时拿下第 8 章的 4-5 道综合题。
二、DAMA-DMBOK 11 大知识域
DAMA-DMBOK 把数据管理拆分成 11 个知识域 —— 这是第 8 章的核心理论框架。
| # | 知识域中文 | 知识域英文 | 核心任务 |
|---|---|---|---|
| 1 | 数据治理 | Data Governance | 顶层制度 + 治理委员会 + 数据政策 |
| 2 | 数据架构 | Data Architecture | 数据模型 + 数据集成 + 数据流 |
| 3 | 数据建模与设计 | Data Modeling | ER 图 + 关系模型 + NoSQL 模型 |
| 4 | 数据存储与操作 | Data Storage & Operations | 数据库 + 备份 + 恢复 |
| 5 | 数据安全 | Data Security | 加密 + 访问控制 + 审计 |
| 6 | 数据集成与互操作 | Data Integration | ETL + 数据中台 + API |
| 7 | 文档与内容管理 | Document & Content | 非结构化数据管理 |
| 8 | 参考数据与主数据管理 | Reference & Master Data | 主数据 + 维度数据 |
| 9 | 数据仓库与商业智能 | Data Warehouse & BI | 数据仓库 + OLAP + BI |
| 10 | 元数据管理 | Metadata Management | 元数据采集 + 维护 + 共享 |
| 11 | 数据质量管理 | Data Quality | 数据质量 6 维度 + 改进 |
数据治理是 11 大知识域的核心 —— 其他 10 个知识域都需要在治理框架下运作。
11 大知识域的"轮盘图"
老孙建议你画一张轮盘图：
- 中心：数据治理
- 外圈 10 块：其他 10 个知识域
- 每块都连接中心——表示"所有知识域都受治理约束"
这张图对论文写作极有用 —— 论文里画出这张轮盘图 = 显示"你懂 DAMA 完整体系"。
三、数据要素 5 大特征（第 2 章 + 第 8 章呼应）
老孙第 024 篇讲过数据要素 5 大特征——这里再深入一层与第 8 章的关联：
| 特征 | 含义 | 与 DAMA 知识域的关联 |
|---|---|---|
| 非竞争性 | 多人同时用不消耗 | 数据存储 + 集成 + 共享 |
| 非排他性 | 一份数据可被多组织共享 | 主数据管理 + 数据集成 |
| 正外部性 | 用得越多价值越大 | 数据仓库 + 商业智能 |
| 价值不确定性 | 价值与场景强相关 | 数据治理 + 数据质量 |
| 可复制性 | 零成本复制 | 数据安全（防滥用复制） |
数据要素的 5 大特征 = DAMA 11 知识域存在的根本原因。
数据要素与传统要素的差异（再深入）
| 维度 | 土地 / 资本 | 数据要素 |
|---|---|---|
| 稀缺性 | 物理稀缺 | 非稀缺（可复制） |
| 价值依赖 | 价值相对稳定 | 价值依赖使用场景 |
| 流通成本 | 高（物理流通） | 低（数字流通） |
| 监管难度 | 中（边界清晰） | 高（边界模糊） |
这种差异 = 数据治理比传统资产治理难 10 倍 —— 这也是为什么 DAMA 需要 11 个知识域才能管好数据。
四、数据 20 条"三权分置"在第 8 章的落地
数据 20 条提出"持有权 + 加工使用权 + 产品经营权"三权分置 —— 在第 8 章具体落地为 3 个不同的数据管理角色：
| 三权 | 落地角色 | DAMA 对应知识域 |
|---|---|---|
| 数据资源持有权 | 数据所有者 / Data Owner | 数据治理 + 数据安全 |
| 数据加工使用权 | 数据加工方 / Data Engineer | 数据架构 + 集成 + 质量 |
| 数据产品经营权 | 数据运营方 / Data Product Manager | 数据仓库 + BI + 数据产品 |
3 类角色协同 = 数据从"资产"到"产品"到"经营"的完整链路。
3 权分置的"实际应用"
某医院作为数据持有方 —— 持有患者就诊数据； 医保部门作为数据加工方 —— 加工患者数据形成医保结算数据； 某互联网医疗公司作为数据经营方 —— 基于医保数据开发"健康险产品"。
3 方协同 + 各得其所 = 数据价值最大化 + 各方权益清晰。
五、数据治理 4 大体系深度解读
老孙第 024 篇讲过数据治理 4 大体系——这里深入到具体落地：
体系 1：数据基础制度体系
核心内容：
- 数据产权确权
- 数据流通规则
- 数据收益分配
- 数据治理框架
落地方式：成立数据治理委员会 + 制定《数据管理章程》 + 任命首席数据官（CDO）。
体系 2：数据资源体系
核心内容：
- 数据登记
- 数据目录
- 数据资产化
落地方式：建立企业级数据目录 + 数据资产估值 + 数据资产入账。
体系 3：数据流通体系
核心内容：
- 数据交易场所
- 数据流通规则
- 数据流通监管
落地方式：加入区域数据交易所（如北京数据交易所 / 上海数据交易所）+ 签订数据流通协议（DPA / DSA）。
体系 4：数据安全体系
核心内容：
- 数据分类分级
- 数据安全防护
- 数据跨境管控
落地方式：数据按"核心 + 重要 + 一般"3 级分类 + 加密存储 + 4A 审计 + 跨境流动申报。
六、数据质量 6 大维度
第 8 章的另一个高频考点 —— 数据质量评估的 6 大维度：
| # | 维度 | 含义 | 例子 |
|---|---|---|---|
| 1 | 完整性 | 数据是否齐全 | 客户表中"手机号"是否都填了 |
| 2 | 准确性 | 数据是否正确 | 身份证号是否符合校验规则 |
| 3 | 一致性 | 跨系统数据是否一致 | OA 和 ERP 里的客户名是否相同 |
| 4 | 及时性 | 数据更新是否及时 | 销售数据是否当天入库 |
| 5 | 唯一性 | 是否有重复数据 | 同一个客户是否在系统里有多条记录 |
| 6 | 有效性 | 数据是否符合业务规则 | 折扣率是否在 0-100% 之间 |
数据质量 6 大维度的口诀："完 + 准 + 一 + 时 + 唯 + 效"。
数据质量提升的"4 步法"
- 评估：用 6 大维度评估当前数据质量
- 整改：发现问题数据后修正
- 预防：在源头建立数据校验规则
- 监控：建立数据质量持续监控指标
七、第 8 章 5 个高频真题示例
真题 1：DAMA 知识域
DAMA-DMBOK 数据管理知识体系包含（）个知识域。
A. 8 B. 10 C. 11 D. 12
答案：C。DAMA 11 大知识域 —— 必背。
真题 2：数据要素特征
数据作为生产要素的核心特征不包括（）。
A. 非竞争性 B. 非排他性 C. 物理稀缺性 D. 正外部性
答案：C。数据是非稀缺资源（可复制）。
真题 3：三权分置
数据 20 条的"三权分置"中 ——"数据加工使用权"对应（）。
A. 数据所有者 B. 数据加工方 C. 数据运营方 D. 数据持有者
答案：B。
真题 4：数据质量
下列哪一项不属于数据质量的 6 大维度？
A. 完整性 B. 准确性 C. 可解释性 D. 一致性
答案：C。6 大维度是"完 + 准 + 一 + 时 + 唯 + 效"，没有"可解释性"。
真题 5：数据治理 4 大体系
数据治理的 4 大体系不包括（）。
A. 数据基础制度体系 B. 数据资源体系 C. 数据流通体系 D. 数据采集体系
答案：D。4 大体系是"基础制度 + 资源 + 流通 + 安全"。
八、第 8 章 5 个最容易踩的混淆点
混淆点 1：DAMA-DMBOK 11 知识域中"主数据"vs"参考数据"
- 主数据：核心业务对象（客户、产品、员工）
- 参考数据：用来分类的代码值（国家代码、币种代码、状态码）
两者都属于"参考数据与主数据管理"知识域 —— 但有区别。
混淆点 2：数据治理 vs 数据管理
- 数据治理：顶层制度 + 决策 + 监督（治理委员会层面）
- 数据管理：日常执行 + 操作（CDO 层面）
类似 IT 治理 vs IT 管理 —— 治理是决策 + 管理是执行。
混淆点 3：数据分类 vs 数据分级
- 数据分类：按业务属性分（客户数据 / 产品数据 / 财务数据）
- 数据分级：按敏感性分（核心 / 重要 / 一般）
两个维度独立 —— 可以"业务属性是客户数据 + 敏感性是核心数据"。
混淆点 4：ETL vs ELT
- ETL：抽取 → 转换 → 加载（传统数据仓库）
- ELT：抽取 → 加载 → 转换（云原生数据湖）
云时代 ELT 更主流。
混淆点 5：数据中台 vs 数据仓库
- 数据仓库：面向分析的结构化数据集合
- 数据中台：面向业务的"数据服务化平台" —— 比数据仓库更宽
数据中台是 数据仓库 + 业务化服务 + API 化输出。
九、第 8 章备考的 2 周节奏
按老孙第 004 篇的 22 周节奏，第 8 章备考时间：
| 节点 | 任务 |
|---|---|
| 第 10 周（7/29-8/4） | 教材通读 + DAMA 11 知识域背熟 + 数据质量 6 维度背熟 |
| 第 10.5 周（8/5-8/11） | 数据治理 4 大体系 + 三权分置 + 20 道真题 |
| 9 月初冲刺回炉 | 8 张速记卡 + 高频真题再做 1 遍 |
第 8 章是 A 档章节 —— 建议投入 12-15 小时 —— 性价比高。
十、第 8 章在论文里的"3 种引用方式"
第 8 章虽然不是论文主方向 —— 但可以作为辅助论证段用在多个方向：
引用方式 1：数字化转型论文
"本项目数字化转型的'技术视角'重点推进数据资源体系建设——基于 DAMA-DMBOK 11 知识域 + 数据 20 条三权分置 + 数据质量 6 维度 —— 建立企业级数据中台 —— 数据资产化率从 30% 升到 75%。"
引用方式 2：信息系统治理论文
"本项目治理体系把数据治理纳入 IT 治理委员会的监督范围 —— 任命首席数据官 CDO —— 建立数据治理委员会 —— 落地数据分类分级 + 数据质量管理 —— 这是 DAMA 在企业的标准落地路径。"
引用方式 3：信息安全规划论文
"本项目数据安全体系按数据 20 条 + 数据安全法要求 —— 数据按'核心 + 重要 + 一般'3 级分类 —— 重要数据加密存储 + 4A 审计 + 跨境流动申报 —— 这是 DAMA'数据安全'知识域的合规落地。"
十一、5 个学员真实"数据治理"工作案例（脱敏）
案例 1：陈姐（医院信息中心副主任）
"我们医院的数据治理一直是'打补丁'状态——各科室数据散落在 8 个系统里 + 编码不统一 + 数据质量差。学完第 8 章后我才意识到这是缺少 DAMA 框架。我推动成立'数据治理小组' + 任命兼职 CDO（信息中心主任兼任）+ 制定《医院数据管理章程》 + 第 1 步先做'主数据管理'统一患者 ID + 第 2 步做'数据分类分级'按数安法要求 —— 项目历时 18 个月 + 节省咨询费 200 万。"
案例 2：徐总（民企技术负责人）
"我们公司原来不重视数据治理 + 数据质量差 + 业务分析报告经常出错。学完 DAMA 后我推动成立'数据质量小组' + 用 6 维度评估法 + 重点改进'完整性 + 准确性 + 一致性' 3 维度 —— 6 个月后业务部门的报告错误率从 15% 降到 3%。"
案例 3：刘老师（高校教辅）
"高校的科研数据 + 教务数据 + 学生数据 + 财务数据 散落在 6 个独立系统里。学完 DAMA + 数据中台理论后 —— 我向校领导提出'建数据中台'方案 —— 立项 800 万元 —— 18 个月完成 —— 全校数据共享率从 30% 升到 70%。"
案例 4：王同学（政务工作人员）
"我们区政务服务中心的 12345 工单数据 + 一网通办数据 + 政务大厅数据 一直独立运营。学完 DAMA 后 —— 我推动建立'政务数据治理框架' + 按数据 20 条三权分置思路 —— 与其他部门签订《数据流通协议》 —— 跨部门数据共享率提升 60%。"
案例 5：赵主任（国企）
"我们集团下属 15 家子公司的数据各自为政。学完 DAMA + 三权分置后 —— 我推动建立'集团数据治理委员会' + 任命专职 CDO + 制定《集团数据管理办法》 —— 18 个月完成集团数据资产盘点 —— 数据资产估值 12 亿元入账。"
5 个案例的共同体会：DAMA + 数据 20 条不只是考试理论 —— 是真正能在工作里落地的方法论。
十二、数据 20 条三权分置的"5 个常见疑问"
疑问 1：数据所有权去哪了？
数据 20 条没有定义"所有权" —— 只定义了"持有权 + 加工使用权 + 产品经营权" 三权。
原因：数据具有非排他性 + 可复制性 —— 不适合传统"所有权"概念。这是数据 20 条的重大创新。
疑问 2：三权可以集中在一个主体吗？
可以。一个主体可以同时持有三权（如企业自己生产 + 加工 + 经营自己的数据）。
但三权分置的目的是让数据可以在不同主体间流通 —— 比如医院持有患者数据 → 医保部门获得加工权 → 互联网医疗公司获得经营权。
疑问 3：三权与个保法什么关系？
三权分置不能违反个保法。
- 个保法保护的是个人信息主体的权利（用户对自己个人信息的权利）
- 三权分置定义的是数据处理者之间的权利分配
两者层次不同 + 互补。
疑问 4：数据交易必须经过哪些步骤？
按数据 20 条 + 国家数据局的规定：
- 数据登记
- 数据合规审查
- 数据资产化
- 上交易所
- 撮合交易
- 流通监管
6 步流程 —— 缺一不可。
疑问 5：跨境数据流动如何合规？
按数据安全法 + 个保法要求：
- 重要数据出境 = 必须申报网信办审批
- 个人信息出境 = 必须做 PIA 评估 + 签订标准合同 / 申请认证 / 通过安全评估三选一
跨境数据合规是 2024 年新热点 —— 论文里提到 = 显得"懂前沿"。
十三、本周作业：默写 DAMA 11 知识域
读完今天这一篇，老孙建议你本周完成 3 件事：
- 不看资料默写 DAMA 11 知识域 —— 默写完对照本文检查
- 默写数据质量 6 大维度 + 数据治理 4 大体系
- 找 10 道近 3 年第 8 章相关真题 + 做 1 遍
3 件事都做完 = 第 8 章核心已掌握 —— 可以进入下一章。
十四、数据资源规划与第 2 章的"3 个深度关联"
关联 1：第 2 章的"数据要素 5 大特征" → 第 8 章的"DAMA 11 知识域"
数据 5 大特征决定了数据管理为什么需要 11 个知识域：
- 非竞争性 → 数据存储 + 集成 (因为同时共享)
- 可复制性 → 数据安全 (防止非授权复制)
- 价值不确定性 → 数据质量 + 元数据 (帮助识别数据价值)
理解 5 大特征 = 理解为什么需要 11 知识域。
关联 2：第 2 章的"数据 20 条三权分置" → 第 8 章的"数据治理角色"
三权分置在 DAMA 框架里具体落地为 3 类角色：
- 数据所有者 = 数据治理委员会成员
- 数据加工方 = 数据架构师 + 数据工程师
- 数据运营方 = 数据产品经理 + 业务分析师
3 类角色构成完整的数据团队。
关联 3：第 2 章的"数据治理 4 大体系" → 第 8 章的"数据治理实践落地"
4 大体系是顶层框架——第 8 章给出具体落地方法：
- 数据基础制度 → 治理委员会 + 数据章程 + CDO
- 数据资源 → 数据目录 + 数据资产化 + 主数据管理
- 数据流通 → 数据交易 + DPA 协议 + API 管理
- 数据安全 → 分类分级 + 加密 + 4A 审计 + 跨境管控
4 大体系 + 11 知识域 = 完整的数据管理体系。
十五、给同学的一句话总结
第 8 章数据资源规划是当下政策权重最高 + 与未来 10 年数字化战略最紧密的章节。学好 DAMA 11 知识域 + 数据 20 条 + 数据质量 6 维度 + 数据治理 4 大体系 = 你能拿第 8 章 80% 的分 + 论文 / 案例都能引用 + 工作中也能用得上。
十六、数据资源规划的"5 个未来 3 年趋势"
老孙最后讲 5 个未来 3 年的趋势 —— 影响系规命题方向 + 影响你的职业发展：
趋势 1：数据资产入表正式落地
财政部 2024 年发布《企业数据资源相关会计处理暂行规定》—— 数据资产可以入企业资产负债表。这意味着数据从"无形成本"变成"有形资产" —— 企业数据治理的财务驱动力大幅增强。
趋势 2：CDO 首席数据官成为标配
2025 年起 —— 大型企业 + 政府机构 + 金融机构 普遍设立 CDO 岗位。CDO 与 CIO 平级 + 独立负责数据资产 + 直接向 CEO 汇报。这是数据治理"专人专岗"的标志性变化。
趋势 3：数据交易市场快速扩张
北京数据交易所 + 上海数据交易所 + 贵阳数据交易所 + 深圳数据交易所 —— 全国主要数据交易所月成交规模 2024 年达 5-10 亿元。数据流通市场是未来 5 年增速最快的赛道之一。
趋势 4：数据跨境流动监管收紧
2024 年起 —— 重要数据 + 个人信息出境的合规审查更严格。跨境数据合规 = 数据治理的新刚需。
趋势 5：AI 大模型驱动数据治理升级
GPT / 文心一言 / 通义千问 等大模型需要大量高质量数据训练 —— 数据质量管理 + 数据合规审查 + 数据标注 三大新需求爆发。DAMA 框架升级 V3 即将发布——融入 AI 时代的数据治理新要求。
5 大趋势 —— 系规未来 3 年的命题方向大概率围绕这些热点展开。
十七、第 8 章给所有同学的"3 个学习建议"
建议 1：DAMA 11 知识域必须背成"中心轮盘图" —— 中心是数据治理 + 外圈 10 域。画一遍 = 背一遍 —— 比死记单词高效 5 倍。
建议 2：数据 20 条三权分置必须能用 1 句话解释清楚 —— "持有方持有数据 + 加工方加工数据 + 经营方经营数据产品"。1 句话讲清楚 = 真懂。
建议 3：数据质量 6 维度必须默写口诀 —— "完 + 准 + 一 + 时 + 唯 + 效"。每周默写 1 次 —— 形成肌肉记忆。
3 个建议都做到 = 第 8 章核心彻底掌握 + 论文 / 案例 / 综合三栖应对自如。
十八、写在最后
第 8 章数据资源规划是 152 天里与未来 5-10 年职业紧密相关的章节。学好它 = 不仅能拿考试分 + 还能跟上"数据时代" —— CDO / 数据架构师 / 数据治理咨询师 都是高薪稀缺岗位。今天投入 12-15 小时 = 未来 10 年的职业回报。
十九、最后给同学的一句话
数据是第 5 大生产要素 + 未来 10-20 年中国数字化的核心。学好第 8 章 + 用进工作 = 你站在新时代的风口上。今天就开始 + 152 天后你会感谢现在的自己。
二十、第 8 章配套的"3 个延伸阅读资源"
如果你想深入学习数据资源规划——老孙推荐 3 个延伸资源：
资源 1：DAMA-DMBOK 第 2 版（中文版）—— DAMA 国际原版翻译。系规第 8 章是 DAMA 的精简版 —— 想深学就读原版。
资源 2：《数据 20 条》原文（中共中央 国务院 2022 年印发）—— 政策原文 15 页 —— 30 分钟读完。
资源 3：北京数据交易所官网 + 上海数据交易所官网——看真实的"数据交易"如何运作 —— 把理论与实践对照学习。
3 个资源1 个月内全部过 1 遍 = 你对数据治理的认知会上一个台阶。
二十一、明日预告
明天 6/27（周六）第 034 篇，老孙会写：
《真题速评 006：2024 下综合第 22 题"服务级别管理 SLA"踩坑》
栏目④真题站。SLA 服务级别管理是 ITIL 4 + ITSS 国标的核心实践 —— 也是非 IT 同学最容易答错的考点。明天老孙拆 2024 下半年综合知识第 22 题 —— 用 1 张 SLA 8 大指标表 + 3 个易错点让你彻底搞懂 SLA。
明天见。
