数字化转型 - 数据资产管理

2022 年 9 月 13 日
俄罗斯
本文字数：2446 字
阅读完需：约 8 分钟

自从数字化上升为国家意识之后，围绕数据生命周期的各种维度的概念，开启了一场你方唱罢我登台的狂欢盛宴，如信息化、数据管理、数据资源、数据资源管理、数据资产、数据资产管理、数据中台等等，越来越多的这些新的概念，也越来越清晰的传递了一个声音，数据正式成为社会发展的要素之一。

数字化转型是对企业信息化的进一步发展，这个发展笔者看来最大的变化是看待需求视角的提升。信息化时代，企业内部往往以某一个业务场景，或者为了某一个部门需要，构建起了很多专门的系统。而数字化则是第一次站在企业的高度出发，去建设满足业务发展需要的系统体系。

数据资产管理的定义

先来看下数据资产管理通常包含的内容：数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理、数据共享管理、数据资产门户、生命周期管理、标签管理。

图：从框架视角看数据资产管理

提到数据资产管理就不得不提下数据治理。行业内目前有多种不同的理解，比如有认为数据治理更偏顶层规划和设计，而数据管理更偏具体数据管理动作。比如有人认为数据治理更偏技术侧，数据资产更偏业务应用侧。

这里笔者参照信通院从职能域的角度，给出一种解释。数据治理包含的内容有：数据标准管理、元数据管理、数据质量管理、数据安全管理等。而数据资产管理在数据治理的基础上，加入了数据价值管理、数据共享管理等内容。或者说可以理解为数据资产管理就是传统的数据治理的升级版，或者说数据资产管理更加侧重于数据的价值侧。

相较于数据治理，数据资产管理更侧重于价值驱动，是在数据管理、数据治理的基础之上，更多的关注数据的确权问题、估值问题以及交易和流通问题。

数据资产管理的价值

大数据资产管理包括三个方面的核心内容：分别是大数据资产治理和管控、大数据资产应用创新和资产共享、大数据资产流通运营和资产增值。

大数据资产治理和管控：具体的方法主要是面向数据的生命周期，从空间视角和时间视角实现治理和管控。

从空间视角上看，因为数据在不同业务、不同系统中流动，因此数据治理必须实现跨系统、跨业务的，端到端治理，需要有机构统筹规划与决策、协调与推进。

从时间视角上看，企业管理数据资产，就是管理数据的生命周期。数据首先被创建或获得，然后存储、维护和使用，最终被销毁。因而有效的数据管理，开始于数据获取之前，企业先期制定数据规划、定义数据规范，以期获得实现数据采集、交付、存储和控制所需的技术能力。

大数据资产应用创新和资产共享：主要是站在公司对内的视角下，从数据的建模、分析、挖掘来创新数据的价值，并通过扩大数据资产的覆盖面，让公司范围内更多系统应用数据资产和更多人员使用。

大数据资产流通运营和资产增值：

数据资产管理的最终目的就是大数据的流通运营和资产增值，数据交易是大数据价值实现的推动力。数据资产实现良性流通需要解决好数据资产中的各项权利保障。数据资产权利（包括所有权、管理权、使用权、处理权、知晓权等），数据安全（数据资产得到多方面的严格审计，包括数据验真、数据保障、数据调查和风险评估，同时数据资产权利人的各项权利得到保障），通用的交易平台（平台需要具备完善的保障机制，如服务保障、管理保障、技术保障等），以及资产的估值模型。

目前数据资产增值和变现的主要方法是：对内强化数据分析能力，应用分析结果使数据资产增值；对外共享进行数据租售，实现数据资产变现。

从长远看，企业数据增值的未来在于跨界合作，通过跨界战略合作、用数据共享来推动彼此主营业务，实现远高于简单的数据租售带来的直接经济价值。跨界合作的主要形式有：数据合作、交叉营销、资源互换、整合推广。

数据资产管理的参考实践

前期明确的内容

明确数据盘点范围，可以从组织范围（如覆盖哪些组织和部门）、业务范围（如盘点哪些业务的数据）、系统范围（如盘点哪些应用系统的数据）
明确数据盘点人员。数据盘点谁负责牵头，谁负责配合、谁负责审核？需要投入多少人力资源，需要投入多长时间，是兼职参与还是全职参与？这些问题需要在盘点计划中进行明确定义，并与相关人员达成共识。
明确数据盘点内容，数据盘点要根据业务的需要，确定哪些内容需要理清楚，如数据的分类、结构、类型、存储、开放类型等。
明确盘点的计划表：数据盘点应该有计划的一步步推进，例如确定一些重要的时间节点。