Datamanagement heeft lokale toepassingen, maar het moet in de hele organisatie worden toegepast om zo effectief mogelijk te zijn. Dit is een van de redenen waarom datamanagement en data governance met elkaar verweven zijn.

Data zijn niet alleen een troef, maar vormen ook een risico voor een organisatie. Data kunnen verloren gaan, gestolen worden of misbruikt worden. Organisaties moeten rekening houden met de ethische implicaties van hun gebruik van data. Data-gerelateerde risico's moeten worden beheerd als onderdeel van de levenscyclus van data.

Data en datamanagement zijn sterk verweven met informatietechnologie en informatietechnologiebeheer. Datamanagement vereist een aanpak die ervoor zorgt dat de technologie de strategische databehoeften van een organisatie dient, in plaats van deze te sturen.

Data zijn veranderlijk. Datamanagement moet voortdurend evolueren om gelijke tred te houden met de manieren waarop data worden gecreëerd en gebruikt en met de dataverbruikers die ze gebruiken.

Data hebben een levenscyclus en het beheren van data vereist het beheren van de levenscyclus. Omdat data meer data voortbrengen, kan de levenscyclus van data zelf zeer complex zijn. Bij datamanagement moet rekening worden gehouden met de levenscyclus van data.

Datamanagement is een complex geheel van processen die, om doeltreffend te zijn, coördinatie, samenwerking en betrokkenheid vereisen. Om dit te bereiken zijn niet alleen managementvaardigheden vereist, maar ook de visie en het doel die het resultaat zijn van toegewijd leiderschap.

Zelfs kleine organisaties kunnen complexe technische en bedrijfsproceslandschappen hebben. Data worden op veel plaatsen gecreëerd en worden voor gebruik van de ene plaats naar de andere verplaatst. Om het werk te coördineren en de eindresultaten op elkaar af te stemmen is planning nodig vanuit een architectuur- en procesperspectief.

Ervoor zorgen dat data geschikt zijn voor hun doel is een primaire doelstelling van datamanagement. Om de kwaliteit te beheren, moeten organisaties de kwaliteitseisen van de belanghebbenden begrijpen en de data aan deze eisen toetsen.

Het vereist een reeks vaardigheden en expertise: Een enkel team kan niet alle data van een organisatie beheren. Datamanagement vereist zowel technische als niet-technische vaardigheden en het vermogen om samen te werken.

Voor het beheer van elk middel zijn data over dat middel nodig (aantal werknemers, boekhoudkundige codes, enz.). De data die worden gebruikt om data te beheren en te gebruiken, worden metadata genoemd. Omdat data niet kunnen worden vastgehouden of aangeraakt, zijn er definities en kennis in de vorm van metadata nodig om te begrijpen wat het is en hoe het moet worden gebruikt. Metadata zijn afkomstig van een reeks processen in verband met het creëren, verwerken en gebruiken van data, waaronder architectuur, modellering, stewardship, governance, datakwaliteitsbeheer, systeemontwikkeling, IT- en bedrijfsactiviteiten en analyse.

Data zijn activa, maar zij verschillen van andere activa op belangrijke punten die van invloed zijn op het beheer ervan. De meest voor de hand liggende eigenschap is dat data niet worden verbruikt wanneer zij worden gebruikt, zoals financiële en fysieke activa.

En om die reden hebben ze verschillende beheerseisen. datamanagementpraktijken moeten deze verschillen onderkennen en flexibel genoeg zijn om aan de verschillende eisen van de levenscyclus van data te voldoen.

Data een activum noemen impliceert dat zij waarde hebben. Hoewel er technieken bestaan om de kwalitatieve en kwantitatieve waarde van data te meten, bestaan er nog geen standaarden om dat te doen. Organisaties die betere beslissingen willen nemen over hun data moeten consistente manieren ontwikkelen om die waarde te kwantificeren. Zij moeten ook zowel de kosten van data van lage kwaliteit als de voordelen van data van hoge kwaliteit meten.