让数据成为资产，企业数据资产管理必修课

4月9日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》公布。「数据」首次作为一种新型生产要素写入中央文件中，与土地、劳动力、资本、技术等传统要素并列为要素之一。

无论对于企业经营成长、政府服务治理，还是社会建设发展，数据是核心资产已成为行业共识。

 

而在实践场景中，不断喷涌的海量数据需要经过加工、提炼才能为各类机构、企业所用。

 

今天来探讨企业如何利用大数据分析平台把数据变为数据资产，进行数据资产管理。

 

一

数据资产的定义与特性

 

数据资产（Data Asset）：是指由企业拥有或者控制的，能够为企业带来经济利益的数据资源。

 

在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。

 

二

数据资产管理的必要性

 

伴随着大数据时代支撑数据交换共享和数据服务应用的技术发展，不断积淀的数据开始逐渐发挥它的价值，因此，将数据作为一项资产，“盘活”数据将充分释放其附加价值。但事实上，由于各种原因，数据资产管理面临诸多挑战。

 

首先，大部分企业和政府部门的数据基础还很薄弱，存在数据标准混乱、数据质量层次不齐、各条块之间数据孤岛化严重等现象，阻碍了数据的共享应用。其次，受限于数据规模和数据源种类的丰富程度，多数企业的数据应用刚刚起步，主要集中在精准营销，舆情感知和风险控制等有限场景，应用深度不够，应用空间亟待开拓。再次，由于数据的价值很难评估，企业难以对数据的成本以及其对业务的贡献进行评估，从而难以像运营有形资产一样管理数据资产。

 

而数据资产管理是充分发挥数据价值的必经之路。通过解决释放数据价值过程中面临的诸多问题，以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，具体体现在以下六个方面：

 

一是全面掌握数据资产现状。数据资产管理的切入点是对数据进行全面盘点，形成数据地图，为业务应用和数据获取夯实基础。数据地图作为数据资产盘点的输出物之一，可以帮助业务人员快速精确查找他们想要的数据，帮助数据开发者和数据使用者了解数据，并成为对数据资产管理进行有效监控的手段。 

 

二是提升数据质量。强调高质量的数据在发挥数据价值中的重要性。数据资产管理通过建立一套切实可行的数据质量监控体系，设计数据质量稽核规则，加强从数据源头控制数据质量，形成覆盖数据全生命周期的数据质量管理，实现数据向优质资产的转变。

 

三是实现数据互联互通。数据资产管理通过制定企业内部统一的数据标准，建立数据共享制度，完善数据登记、数据申请、数据审批、数据传输、数据使用等数据共享相关流程规范，打破数据孤岛，实现企业内数据高效共享。同时搭建数据流通开放平台，增强数据的可得性，促进数据的交换流通，提升数据的服务应用能力。

 

四是提高数据获取效率。数据资产管理通过搭建数据管理平台，采取机器学习等相关自动化技术，将大量前期的数据准备时间和交付项目的时间缩短，提升数据的获取和服务效率，让数据随时快速有效就绪，缩短数据分析人员和数据科学家的数据准备时间，加快数据价值的释放过程。

 

五是保障数据安全合规。保障安全是数据资产管理的底线，数据资产管理通过制定完善的数据安全策略、建立体系化的数据安全措施、执行数据安全审计，全方位进行安全管控，确保数据获取和使用合法合规，为数据价值的充分挖掘提供了安全可靠的环境。

 

六是数据价值持续释放。存储和管理数据的最终目的是实现数据的价值，数据资产管理将数据作为一项资产，并通过持续、动态的全生命周期管理过程，使数据资产能够为企业数字化转型提供源源不断的动力。管理方面，建立一套符合数据驱动的组织管理制度流程和价值评估体系。技术方面，建设现代化数据平台、引入智能化技术，确保数据资产管理系统平台持续、健康地为数据资产管理体系服务。

 

三

如何进行数据资产管理？

 

数据资产管理主要包含三个方向：资产分析、资产治理、资产应用，并基于这三个方向的技术研究和实战，将流程、经验、标准和规范等产品化，最终构成企业统一的数据资产管理平台。

 

1、资产分析

 

资产分析包括了资产盘点和资产评估两部分。资产盘点是为了让使用数据的人员能更好的理解数据，可通过知识图谱进行内容的理解和推理或构建企业资产目录；资产评估则对资产的活性、投入产出比进行评估。

 

资产分析具体包括以下三部分内容：

 

• 资产分析对象

以企业全域大数据作为资产分析对象。

 

• 多维度数据资产分析体系

基于资产分析对象，以基层元数据、用户行为日志、数据知识图谱为素材，通过综合人脑和机器学习算法等手段，充分理解数据资产内容，完成各类数据资产分析，理解数据内容。

 

• 资产分析产品化

基于多维度数据资产分析体系，在技术端和用户看不到的产品背后进行资产盘点、资产评估和资产探查，从而向用户输出易读、易懂的资产报告。

 

2、资产治理

 

资产治理包括对计算、存储、治理、模型、安全、成本等领域进行治理，并形成有效的智能治理闭环，将治理方法论沉淀为工具产品输出。

 

资产治理具体包括以下两部分内容：

 

• 资产治理闭环体系建立

包括现状分析、问题诊断、治理优化、效果反馈在内的资产治理闭环体系。

 

对各环节内容进行丰富和完善，问题诊断不仅仅包括计算存储资源诊断，还包括数据质量与数据安全的领域诊断。

 

• 资产治理多维度输出

资产治理致力于将治理闭环能力开放。通过标准输出、定制产品、能力输出、构建协作机制等维度进行输出。

 

3、资产应用

 

资产应用通过全链路实现端到端打通，评估应用投入产出比，并进行安全的检测管控。

 

资产应用具体包括以下两部分内容：

 

• 资产应用全链路体系

通过全链路数据跟踪，将数据从获取到数据处理再到数据应用，实现端到端的打通。

 

• 资产应用产品化

围绕最终用户，以数据资产的本质为驱动力，提供应用分析产品。包括全链路“血缘”关系，清晰展示数据的来龙去脉。

 

全链路保障：让用户清楚知道各种保障措施和问题所在，以及为何资产应用能够稳定、健康的运行；

访问分析：全面分析数据应用到的产品及场景的被访问情况；

ROI评估：为用户指明当前产品或场景化应用的投入产出情况。

 

通过资产分析、资产治理、资产应用，让大数据从成本中心走向资产中心，让企业可以更好进行数据资产建设和管理。

 

而大数据分析平台建设在企业数据资产管理中发挥重要作用，基于永洪科技一站式大数据分析平台，企业数据可获得全盘把握及分析、清晰查看及快速使用、准确评估及合理应用、高效治理，让企业大数据释放出应有的价值，实现了可满足企业各种角色对数据资产的诉求。