在所有的数据管理知识领域，业务数据管理专家和数据管理专业人员分担责任，数据管理是业务和IT的共同责任，现在IT部门领导数据管理工作，不是一件好事，因为很难解决业务部门真正关注的问题，IT部门会委屈业务部门不愿意参与，这只能表明水平太低，你不关心公司，最后大部分都变成了自己的家。
对于智能网络汽车BOM数据管理的新需求，需要从用户的角度看待产品和服务，吸收传统燃料汽车管理的优势，避免历史问题和数据缺点，开创性的数据管理模式适用于硬件嵌入软件迭代的新管理特点，满足从端到端、点到点的业务需求，从价值链的角度进行精益数据管理改进，从实际业务，整理公司级主数据管理规则和流程，构建更有效的数据资产管理模式，提升内外数据用户价值。
第二个维度空间是为主营业务流上的数据管理活动提供的保障性数据管理活动，包括数据安全管理、数据质量管理、元数据管理等，它们穿透了主营业务流上的所有数据管理活动，以提高这些数据管理活动的效率和质量，但它们不直接创造价值，而是支持他人创造价值，这与数据架构不属于同一类别的活动。
其次，在东数西算和东数西存的牵引下，跨区域、跨集群的数据共享和流量也给数据管理、流量、使用和安全可靠带来了困难。
根据《DAMA数据管理知识指南》，数据管理的定义是：“在整个生命周期中制定计划、制度、程序和实践活动，以交付、控制、保护和提高数据和信息资产的价值，并实施和监督过程。”
一是数据所有权不明确，流通流程冗长不规范，财务人员数量难，追溯难； 二是数据质量差，大量信息采用线下手工台账记录，无法保证数据的准确性、及时性和可靠性，从数据源开始为数据应用埋下隐患； 第三，数据标准不一致，主数据管理不规范，财务人员各执一套“话语”，财务数据无法互联，财务只能在会计科目体系中确认、测量和报告信息，难以发挥服务业务和决策支持的作用； 第四，数据安全风险较大，未能有效地对敏感数据进行分类和分级保护。随着数据的频繁跨组织流通，数据被盗、误用和滥用的风险也在增加，数据源源不断地产生，数据问题也越来越严重。
笔者认为，核心之一是如何制定公司数据管理部门和业务部门的数据管理KPI。系统、组织和评估应形成闭环，否则系统无法实施。如果不制定合理明确的考核制度，公司的数据管理制度很可能只是一种形式，因为公司无法判断业务部门的数据管理是好是坏。但课程并没有提到如何为这些职责制定量化KPI。课程中只有定性要求，没有定量要求。
计划的活动包括开发和维护数据战略、建立数据专业角色和组织、确定和任命数据管理专家、建立数据管理和管理系统、制定和审查数据政策、标准和程序等。