|
早期的数据处理（Data Processing），缺少严格的、训练有素的方法来开发数据处理系统，因而，用于设计自动化系统的方法，是直觉的而不是系统的。尽管由约当（Yourdon），康斯坦丁（Constantine），迪马柯(DeMarco)，梅约斯（Myers）和其他人所创立提倡的结构化分析和设计方法，为我们提供了处理过程或程序设计和科学方法，但是，关于数据结构的设计和管理方面的科学方法，直到最近，研究和开发工作仍然是很少的。数据的设计决不是、也不应该是一种凭直觉的过程。企业的信息资源如果不用科学的方法加以管理和控制，就不会发挥其重要作用。
在开始利用计算机作数据处理时，人们以自动化能够减少手工处理的成本，并能提高精确度。计算机被当作解决企业管理中所有问题的万能工具加以推销。很少考虑哪些应用可以计算机化，按照什么样的顺序实现计算机化。系统开发的优先顺序，是根据用户要求数据处理服务的呼声高低来决定的。
不久，人们认识到，并不是每一项手工处理都可以变成成本效益合算的自动化处理。数据处理系统的效益，也像任何企业资产一样，必须用投资报酬率(Return on investment , ROI)来衡量。企业进行任何系统开发之前，不论项目大小，无疑地应该提出ROI文件资料。
在数据处理早期的学习过程中，就考虑到增加对系统开发的ROI的理解。一些数据处理工作者研制了许多辅助编制ROI文资料的工具。投资效益分析(Cost-benefit analysis),可行性研究(Feasibility studies)，以及基准检测(Benchmark tests)，都是衡量硬件和软件的投资效益的方法。
数据管理(Data administration)和信息资源管理(Information resource management)，是数据处理领域中相对新兴的课题。仅仅在最近五年中，数据处理行业才对作为企业资源的信息的管理和控制问题，加以认真的考虑。
我们正在经历的数据管理学习过程，类似于数据处理行业早期的学习过程。当前，许多数据处理和数据管理工作者的流行看法是，应该把所有能搞到的每件资料都装到数据字典(Data dictionary)中去，他们期望这种字典成为医治信息毛病的灵丹妙药。这种错误看法，无异于认为每一种手工过程都要自动化的幼稚病。例如，在一些新的和潜在的数据字典用户之中，有这样的天真设想：一旦数据字典建立起来，企业的信息管理工作就会有某种方法自动化地进行直接的控制，并得到的设想的效益。实际上，要想使数据字典能让用户有效地管理他们的数据资源，就需要在投入使用前，进行有效的规划和准备工作。如果企业要实现一个数据字典系统而不了解用什么方法或者不能正确地进行选择，那么所得到结果会是大失的望的。许多数据处理部门认识到，要使信息管理项目都成为成本效益合算的字典应用，是很困难的。所有数据字典和数据管理工作，都要有定量合理的成本和效益。
本书的目的是助于从数据管理的感性知识转化为数据管理的科学。本书试图将更多的实用东西引进到这一广泛的概念和理论领域，并不打算解决信息资源管理中的所有问题，也不包括数据管理的各个方面，而是提供给读者一系列标准、规则和实例，增长系统化的数据管理知识和解决日常数据管理问题的实际能力。
|
