如果有人打坏了一栋建筑上的一块玻璃，又没有及时修复，别人就可能受到某些暗示性的纵容，去打碎更多的玻璃。
——威尔逊
管理原理：破窗理论
美国斯坦福大学心理学家詹巴斗曾做过这样一项试验：他找来两辆一模一样的汽车，一辆停在比较杂乱的街区，一辆停在中产阶级社区。他把停在杂乱街区的那一辆的车牌摘掉，顶棚打开，结果一天之内就被人偷走了。而摆在中产阶级社区的那一辆过了一个星期也安然无恙。后来，詹巴斗用锤子把这辆车的玻璃敲了个大洞，结果，仅仅过了几个小时，它就不见了。
后来，政治学家威尔逊和犯罪学家凯琳依托这项试验，提出了一个“破窗理论”。这一理论认为：如果有人打坏了一个建筑物的窗户玻璃，而这扇窗户又未得到及时维修，别人就可能受到暗示性的纵容去打烂更多的窗户玻璃。久而久之，这些破窗户就给人造成一种无序的感觉。那么在这种公众麻木不仁的氛围中，犯罪就会滋生、蔓延。
管理警示录：接受不可避免的现实
破窗理论在社会管理和企业管理中都有着重要的借鉴意义，它给我们的启示是：必须及时修好第一个被打碎的窗户玻璃。防微杜渐说的正是这个道理。同样，在日本，有一种叫红牌作战的质量管理活动，其主旨也和破窗理论相通。比如，日本的企业将有油污、不清洁的设备贴上具有警示意义的红牌，将藏污纳垢的办公室和车间死角也贴上红牌，以促其迅速改观，从而使工作场所清洁整齐，营造出一个舒爽有序的工作氛围。在这样一种积极暗示下，久而久之，人人都遵守规则，认真工作。实践证明，这种工作现场的整洁对于保障企业的产品质量起到了重要的作用。
推而广之，从人与环境的关系这个角度去看，我们周围生活中所发生的许多事情，不正是环境暗示和诱导作用的结果吗？
比如，在窗明几净、环境优雅的场所，没有人会大声喧哗，或“噗”地吐出一口痰来；相反，如果环境脏乱不堪，倒是时常可以看见吐痰、便溺、打闹、互骂等不文明的举止。
又比如，在公交车站，如果大家都井然有序地排队上车，又有多少人会不顾众人的文明举动和鄙夷眼光而贸然插队？与这相反，车辆尚未停稳，猴急的人们你推我拥，争先恐后，后来的人如果想排队上车，恐怕也没有耐心了。因此，环境好，不文明之举也会有所收敛；环境不好，文明的举动也会受到影响。人是环境的产物，同样，人的行为也是环境的一部分，两者之间是一种互动的关系。
在公共场合，如果每个人都举止优雅、谈吐文明、遵守公德，往往能够营造出文明而富有教养的氛围。千万不要因为我们个人的粗鲁、野蛮和低俗行为而形成“破窗效应”，进而给公共场所带来无序和失去规范的感觉。从这个意义上说，我们平时一直强调的“从我做起，从身边做起”，就不仅仅是一个空洞的口号，它决定了我们自身的一言一行对环境造成什么样的影响。
案例：从无序到有序再到有用
多余的数据、错误的数据、遗失的数据、错误编码的数据，每个企业都有，而这些数据通常都在角落里，不容易被发现。这并不是一个新问题，而且近年来这种混乱越来越明显，特别是在实施诸如ERP、SCM等大型应用系统的企业内部。
虽然很多企业已经意识到数据是很有价值的商业资产，但企业最关注的还是其商业流程，对数据的形式和一致性并不那么在乎，有点只重结果不重过程。但往往这样更容易导致严重的后果，因为企业的IT部门必须花费大量的时间在各种数据仓库中进行数据的清理、协调和集成，造成高成本、低效率。其实最后企业必须做的这些事情也属于数据管理的一部分，对于已经面临这种状况的企业来说，也只能如此亡羊补牢。不过对于正在建立应用系统的企业来说，如果凡事早做打算，在应用系统建立的初期就正确规划企业的数据管理方案，那么不仅可以少了后期的混乱，而且还可以在系统建立之后就享受到数据管理带来的便利和效率。不管是以何种形式开始数据管理，最终的结果都一样，那就是结束混乱。
1.数据管理的使命
50年前，数据管理很简单。当时的数据处理就是在大型计算机上往打孔卡片上打孔，而数据管理就意味着物理地保存和搬运所有的打孔卡片。
在数据库管理系统（DBMS，Data Base Management System）出现之后，数据管理才有了实质性的内容。而随着数据库技术以及数据仓库技术的发展，数据管理也逐步完成了自身的转变，并有了今天成熟的数据管理体系。简单地说，数据管理就是数据的存储和维护，只是今天的存储是分层的、切片的存储，并能保证以用户需要的方式提供数据。
一个有效的数据管理方案必须知道每块信息的创建时间、创建原因、存储介质、保留时间、撤销时间、撤销原因等属性。而这些只是存储数据最基本的工作，保存数据的最终目的是为了应用，对企业的客户数据、市场数据以及其他原始数据的收集最终是为了给企业管理层提供决策依据，所以对数据的提取和分析则是数据管理更高层次的功能。
要实现对数据的提取和分析，首先需要有各种数据来源，然后对这些数据源进行组织和合并。以一个企业为例，不同的业务部门可能运行着不同供应商提供的财务、销售、人力资源管理等应用程序，就算是使用同一个供应商提供的大型企业应用系统，各个部门也不可能使用同一个数据库，所以企业内部会存在大大小小、同构或者异构的数据库系统。而这些部门数据库的数据来源又可能是外部供应商提供的原始数据，或者是部门自己直接从数据源获得的原始信息。最原始的数据就这样被一级级地从数据源传到最高一级的数据仓库。在进入数据仓库之前，数据可能会经过多次更改和修正，但进入数据仓库之后，数据通过元数据按主题重新组织，得到的是高质量的数据信息，而不再是数据库里企业运营的流水账，它包括了企业内部和外部的多种数据源，并将它们整合成连贯的整体，作为商业智能或其他数据分析和处理的基础。在整个过程中，贯穿始终地使数据从无序变成有序、再到有用，就是数据管理的使命。
2.给数据源把关
说到底，数据管理是对数据的管理，所以作为其管理对象的数据，才是数据管理的核心。对数据来说最重要的特征又是什么呢？可靠和准确。
数据的可靠性要由数据来源的可靠性保证，而数据来源一般有两种方式：企业自己直接从市场或客户以及其他数据源收集数据；或者企业将数据获取的业务外包给第三方。因为最初的原始数据，在收集之后还需要有足够强大的IT资源对其进行标准化和分解，所以不是所有的企业都能做到自己收集原始数据，很多时候将数据获取业务外包给第三方是一个明智的选择。这样，在数据收集发生意外时，第三方数据供应商通常具有更好的灾难恢复能力，从而能正常给企业用户提供数据。
数据的准确性主要决定于企业的商业目标，如果出来的报告针对性不够强，那么多而杂的数据就会影响到公司的决策。这个问题不是IT技术所能解决的，很多企业都需要获得有关商业目标方面的教育。一旦商业目标被确定，企业才能缩小其关注的范围，从而得到更好的数据收集效果，并能更有效地降低成本。事实上原始数据的利润回报有时候很难用金钱来衡量。
企业需要的数据源的数量决定于企业业务的复杂程度，数据源的数量并不是越多越好。比如一个医药公司会有无数的药品种类和最终用户，它需要的数据源的数量肯定比一个玩具制造商多。
对于原始数据的收集，有专家提出了这样的忠告：
一定要从可靠的来源获得原始数据，这样才能保障数据的准确率，并能保证在意外发生时能正常工作；
一定要进行加载测试，而且加载测试时要将文件级别的加载与产品加载分开；
不要等业务人员和IT人员在数据的总量、频率、格式和内容上完全达成一致时才开始收集数据；
不要获得多余的数据，采用的数据源的数量不要超过实际需要的数量；
不要混合原始数据和本地产生的数据，要对每个记录加上标记，以便在需要时精确地抽取相应的数据；
要牢记没有什么比直接的原始数据及其背后隐藏的细节更有用。