数据资产管理实践.docx_咨信网zixin.com.cn

资源描述

数据资产管理实践这篇文章主要摘至信通院发布的《数据资产管理实践白皮书 5.0》（以下简称：白皮书），这版白皮书写的非常好，从数据资产对企业的价值，至媵攵据资产管理的活动职能，数据资产管理的保障措施，数据资产管理的实践步骤，以及数据资产管理的技术趋势，都有较为详细的说明，为企业进行数据治理、数据资产管理提供了参考。跟着本文,让我们再来复习一下白皮书的精髓！党的十九届四中全会首次将“数据”增列为一种生产要素，要求建立健全由市场评价贡献、按贡献决定报酬的机制，标志着以数据为关键要素的数字经济进入新时代。数据要素所引发的生产要素变革，正在重塑着我们的需求、生产、供应和消费，改变着社会的组织运行方式。良好的数据资产管理是释放数据要素价值的基础。数据资产管理包含数据资源化、数据资产化两个过程，通过数据资源化构建全面有效的、切合实际的数据资产管理体系，提升数据质量，保障数据平安；通过数据资产化，丰富数据资产应用场景，建立数据资产生态，持续运营数据资产，显性数据资产的业务价值、经济价值和社会价值。经过多年开展，我国数据资产管理逐步进入深化落地时期。政府部门、战略规划战略执行 • 甜目 • 拆解战略规划 • 制定阶段性实施路线 • 确定负责人与参与人 • 开展过程管理明确利益相关方 • 评估能力现状,明确中长期和短期规划;识^重要业务领域.数据范围和活动优先级等：评估投入资源规模图11数据战略管理流程与要点 3.2组织架构建立全方位、跨部门、跨层级的数据资产管理组织架构，是实施组织级统一化、专业化数据资产管理的基础，是数据资产管理责任落实的保障。一般来说，数据资产管理组织架构包括决策层、组织协调层、数据资产管理层、工作执行层四个层级。决策层组织协调层企业Q0或CDO 数据资产管理委员会数据资产管理层工作执行层数据资产管理办公室数据资产主餐数据管理专员「审计主管图12集中式数据资产管理组织架构 3. 3制度体系数据资产管理制度体系通常分层次设计，依据管理的颗粒度，制度体系可划分为组织级数据资产管理总体规定、管理方法、实施细那么和操作规范四个层次。数据资产管理制度体系数据资产管理总体规定野注数Y 数据模型管理方法数据标准管理方法数据质量管理方法主数据管理方法数据平安与隐私管理方法元数据管理方法数据开发修理方法数据生命周期管理方法数据架构/分布做型实施细那么数据标准实施细那么数据质量实施细那么主数据实施细那么数据平安与附私实施细那么元数据实施细那么数据开发/数据仓库实施细那么数据生命周期管理细那么析和主，元用期। m 数据需求管理方法数据服务/应用炉品管理方法数据需求管理方法数据服务/应用炉品管理方法数据共享阴放管理方法数据交易和外部数据管理方法数据资产价值管理方法数据资产运营管理方法数据服务/应用炉品实施细那么数据共融班放实施细那么故据交易和外部数据实施细那么数据资产价值评估实施细那么数据资产运营实施细那么外白放据资产管理考核与问费管理方法放据资产管理考核与问费管理方法 ,工数据资产管理自评估管理方法数据资产管理审计管理方法数据素养与数字技能管理方法数据资产管理考核与问责实施细那么数据资产管理自评估实施细那么数据资产管理审计实施细那么数据素养与数字技能提升实施细那么数据资源化数据资产化图14数据资产管理制度体系架构 04数据资产管理实践步骤数据资产管理实践的通用步骤：“统筹规划―管理实施一稽核检查一资产运营”，但各步骤之间并无严格的先后顺序，组织可结合自身情况在各阶段制定合理的实施方案。盘点数据资产评估管理能力制定标准规范、实施细那么、操作规范制定发布数据战略搭建大数据平台汇聚数据资源检查依据：标准规范+ 3 建立数据运营中心发挥辅助引导作用检查手段：平台工具构建数据资产运营、价值评估指标体系图16数据资产管理实践步骤数据资产工程要依托统一管理平台，实现数据资产的全流程管理。构建统一的数据资产管理平台，使各活动职能相关工具保持联动，覆盖数据的采集、流转、加工、使用等环节; 由数据资产管理团队组织开展数据资源化活动，对于每一项活动，在数据需求中明确和记录数据使用方的规范与期望，在数据设计中支持规那么的落地与应用，在数据运维根据数据生产方业务和数据的变化，响应数据使用方规那么与期望的调整，并及时发现和整改问题数据。工程是执行组织级数据资产管理的最小单元，良好的数据资产工程管理是基础，类比IT工程管理框架，主要从目标一致性、角色合理性、范围明确性（包括业务范围、数据范围、技术范围等）、风险可控性、本钱可计量、质量可优化等方面考虑，如下列图：目标数据战略规划一致明确工程的预期成果与完成时间参考组织级业务架构、数据架构、技术架构，明确工程范根据组织架构，组建工程组明确人员的角色、能力、职责明确工程潜在内容。识别风险环节。制定风险响应计划和控制方案风险图17数据资产工程管理要点 05数据资产管理开展趋势从信息时代到数字时代，数据由记录业务逐渐转变为智能决策，成为了组织持续开展的核心引擎。未来，数据资产管理将朝着统一化、专业化、敏捷化的方向开展，提高数据资产管理效率，主动赋能业务，推动数据资产平安有序流通，持续运营数据资产，充分发挥数据资产的经济价值和社会价值。 5・.1管理对象：数据复杂性持续增加伴随着互联网、物联网、云计算的开展，数据在来源、格式等方面的复杂性持续增加。昌数据来源数据格式 2025 物联网设备 >50% 2( 2025非结构化数据增速 >19%图19数据复杂性持续增加 5.2管理理念：从被动响应到主动赋能随着组织数字化转型的不断深入推进，数据资产管理占组织日常经营管理的比重日渐增加，传统以需求定制开发为主要模式的被动服务形式，已难以满足组织数据服务响应诉求。5.3组织形态：向专业化与复合型升级区别于信息化阶段作为IT部门的从属部门，数据资产管理组织与职能已逐步独立化，数据资产管理组织形成以CDO或CIO主导、业务部门与IT部门协同参与的模式。5.4管理方式：敏捷协同的一体化管理传统的数据资产管理建设往往由多个分散的管理活动和解决方案组成，造成数据资产管理各个环节之间的脱节（包括开发与管理、管理与运营）的脱节，使得数据从生产端到消费端的开发效率降低。敏捷开发运维IT部门开发管理一体化Bi Bi 数据管理部门图20DataOps：敏捷协同的一体化管 5. 5技术架构：面向云的Data Fabric Data Fabric是数据仓库、数据湖的理念和技术升级，其目标是减少数据复制规模，节约数据集成本钱，提升数据访问和获取效率。 5.6 管理手段：自动化与智能化广泛应用随着数据复杂性持续增加，依靠“手工人力”的数据资产管理手段将逐步被“自动智能”的“专业工具”取代，覆盖数据资源化、数据资产化的多个活动职能，在不影响数据资产管理效果的同时，极大地降低了数据资产管理本钱。 5.7 运营模式：构建多元化的数据生态运营数据是持续创造数据价值的有效方式，多元化的数据生态通过引入多维度数据、多类参与方、多种产品形态, 进一步拓展数据应用场景和数据合作方式，为数据运营提供了良好的环境。 5.8 数据平安：兼顾合规与开展应意识到数据平安与数据资产合理利用并不冲突，并且应从数据平安管理和数据资产流通两方面同步寻找平衡点。金融机构、通信运营商、互联网企业等纷纷提出数字化转型路线，提出了数据资产管理框架，在数据资源化方面积累了实践经验，探索开展数据流通、价值评估、资产运营等数据资产化工作。 01数据资产管理概述数据资产管理 \数据资源化 —一・一, 数据资产管理 \数据资源化 —一・一, 1.1数据资产管理推动数据要素市场开展当前，数据成为各国开展数字经济的重要抓手。在数字社会，数据成为了国家基础性战略资源，数字经济正在成为创新经济增长方式的强大动能。数据要素市场化配置上升为国家战略，将充分发挥对其他要素资源的乘数作用。良好的数据资产管理是释放数据要素价值、推动数据要素市场开展的前提与基础。资产计量确认L一；「彘 - - -- 一•一 4・ CM •L黜诙产计量1i 1流通 1 BI :数据资产化姓资产计价」:公斗图1数据资产管理推动数据要素市场1.2数据资产管理助力企业数字化转型企业竞争的本质是在不确定市场环境下资源配置效率的竞争，数字化转型通过优化企业资源获取和资源配置，提高企业竞争优势，数据资产管理提高业务数据化效率，推动数据业务化，加速企业数字化转型。1.3 字化转型。1.3 数据资产管理的概念与内涵数据资产管活动职靛元数据管理数1 数据平安管］理包含数据资源化、数据资产化两个环节，将原始数据转变为数据资源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。数据资产、,数据资产化数据资源数据资源化图3数据资产管理架构数据资产管理演进数据资产管理伴随着数据理念与技术的演变而不断开展，经历了信息化时代、大数据时代、数据要素化时代。 1.4 数据资产管理难点当前，数据资产管理仍然面临一系列的问题和挑战，涉及数据资产管理的理念、效率、技术、平安等方面，阻碍了组织数据资产能力的持续提升。数据质显难以及时满足业务预期数据巡岛阻碍数据内部共享数据巡岛阻碍数据内部共享数据露理与业务开展存在割02 数据资产管理内驱动力缺乏0 1 04 0 3 0 5 0 0 7 图4数据资产管理难点 02数据资产管理活动职能 2.1数据模型管理采用企业架构指导建立企业级数据模型，并采用一体化建模的方法，是提升数据模型业务指导性和模型质量的有效方式。□数据模型是指现实世界数据特征的抽象，用于描述一组数据的概念和定义。数据模型管理是指在信息系统设计时，参考逻辑模型，使用标准化用语、单词等数据要素设计数据模型，并在信息系统建设和运行维护过程中，严格按照数据模型管理制度，审核和管理新建和存量的数据模型。2.2数据标准管理数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理的目标是通过制定和发布由数据利益相关方确认的数据标准，结合制度约束、过程管控、技术工具等手段，推动数据的标准化，进一步提升数据质量。 2.3 数据质量管理数据质量指在特定的业务环境下，数据满足业务运行、管理与决策的程度，是保证数据应用效果的基础。数据质量管理是指运用相关技术来衡量、提高和确保数据质量的规划、实施与控制等一系列活动。衡量数据质量的指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。数据源 o 0DS 数据加工流转接口稽核及时性、格式、空值、重复、编码映射变更、完整性、分布、波动、逻辑校验数据仓库稽核及时性、唯一性、一致性、分布、波动、逻辑校验图6数据全流程质量校验管控 2.4 主数据管理主数据(MasterData)是指用来描述企业核心业务实体的数据，是跨越各个业务部门和系统的、高价值的基础数据。主数据管理(MDM , Master Data Management)是一系列规那么、应用和技术，用以协调和管理与企业的核心业务实体相关的系统记录数据。 2.5 数据平安管理数据平安是指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障持续平安状态的能力。数据平安管理是指在组织数据平安战略的指导下，为确保数据处于有效保护和合法利用的状态，多个部门协作实施的一系列活动集合。包括建立组织数据安全治理团队，制定数据平安相关制度规范，构建数据平安技术体系，建设数据平安人才梯队等。数据平安分类分级流程据理企业业务架构—,业务流程，业务与数据的映射数据分类标准平安分级准那么图7数据平安分类分级流程与结身 2.6 元数据管理元数据(Metadata)是指描述数据的数据。元数据管理 (Meta Data Management)是数据资产管理的重要基础, 是为获得高质量的、整合的元数据而进行的规划、实施与控制行为。 2.7 数据开发管理数据开发是指将原始数据加工为数据资产的各类处理过程。数据开发管理是指通过建立开发管理规范与管理机制，面向数据、程序、任务等处理对象，对开发过程和质量进行监控与管控，使数据资产管理的开发逻辑清晰化、开发过程标准化，增强开发任务的复用性，提升开发的效率。 2.8 数据资产流通对于组织而言，数据资产流通是指通过数据共享、数据开放或数据交易等流通模式，推动数据资产在组织内外部的价值实现。公共属性政府数拒政府数拒企业数扼数据开放组织外部数据交易私有属性图9数据共享、数据开放、数据交易的2. 9数据价值评估数据价值评估是指通过构建价值评估体系，计量数据的经济效益、业务效益、投入本钱等活动。数据价值评估是数据资产管理的关键环节，是数据资产化的价值基线。 2. 10数据资产运营数据资产运营是指通过对数据服务、数据流通情况进行持续跟踪和分析，以数据价值管理为参考，从数据使用者的视角出发，全面评价数据应用效果，建立科学的正向反应和闭环管理机制，促进数据资产的迭代和完善，不断适应和满足数据资产的应用和创新需求。 03数据资产管理保障措施数据资产管理是一项长期性的、体系化的工作，为保证各项数据资产管理活动有效开展，统筹推动数据资产管理工作顺利进行，战略规划、组织架构、制度体系、平台工具、长效机制等保障措施变得极为重要。3・1战略管理战略是组织长期开展规划及资源配置的一系列行动，对于组织持续稳定开展具有重要的指导意义。战略规划是战略管理的首要环节和基础性工作，是数据资产管理的指导蓝图。战略执行是战略管理的中间环节，是战略规划落地的有效保障。战略评估是优化组织数据战略管理、提升数据战略指导作用的必要手段。

展开阅读全文