如何打造集团的数据资产

㈠ 对数据资产进行体全面盘点、构建企业级的数据资产目录

随着云计算、物联网、移动互联网等新技术的逐渐成熟和集中应用，社会发展进入了数字化时代，人、事、物都在被数据化，数据已成为新经济的核心生产要素，日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。

越来越多的企业也将数据视为转型发展、重塑竞争优势和提升组织治理能力的重要战略资产，并对这一重要资产进行系统性、体系化的管理，以便充分挖掘数据的战略、战术价值。鉴于此，对数据资产进行体全面盘点、构建企业级的数据资产目录成为了数据资产管理的一项基础性工作，正在 各行各业如火如荼的开展。

而很多企业在构建数据资产目录的过程中，遇到了很多困惑和难题，仿佛走入了数据沼泽中、身心俱疲，例如：

● 要对哪些数据资产进行盘点、放到数据资产目录中？

● 谁来盘点最合适？谁是数据资产目录的使用者？

● 数据资产目录构建后，谁来管理？怎么管理？

● 花了大量的人力、物力、财力，难到只弄了一堆EXCEL清单出来？

● 好不容易梳理出来的目录，最后处于沉睡状态，没人关心、也没人用！

● 业务人员看不懂对数据资产的解释！

● ……

数据资产的基本涵义

在理论层面，目前并没有对数据资产的权威定义。我们选取业界较为认可的概念，即：数据资产（ Data Asset ）是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。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。

从以上概念中，可以得出数据资产最重要的三个性质：

（1） 可控的 ，企业除了拥有自己内部的数据外，对一些外部的数据可以通过可靠、合法的途径获取，也可作为企业数据资产的一部分；

（2） 有价值的 ，数据资产能够给企业带来效益和价值，但笔者认为此处的效益不应局限在经济价值，还会有社会价值、信誉和品牌价值等等；

（3） 需要甄别的 ，并非所有的数据都能成为数据资产，所以企业要根据自身业务特点，在海量的数据中识别划分出属于自己的核心数据资产。

数据资产目录的价值

目前，数据资产目录管理已经变成了数据治理工作中不可或缺的一个环节。企业在识别出自身数据资产的基础上，进一步构建数据资产目录，能够帮助用户更好的理解、使用以及分析数据。

企业通过发现、描述和组织数据资产，形成一套企业数据资产的清单目录，提供一套上下文背景信息，为数据分析师、数据架构师、数据管理专员和其他数据用户，根据业务价值目标更好的查找和理解相关的数据资产。

如何实践数据资产管理

数据作为越来越重要的生产要素，将成为比土地、石油、煤矿等更为核心的生产资源，如何加工利用数据，释放数据价值，实现企业的数字化转型，是各行业和企业面临的重要课题，然而数据的价值发挥面临重重困难。企业的数据资源散落在多个业务系统中，企业主和业务人员无法及时感知到数据的分布与更新情况，也无法进一步开展对数据加工工作。数据标准不统一，数据孤岛普遍存在导致业务系统之间的数据无法共享，资源利用率降低，降低了数据的可得性。标准缺失、数据录入不规范导致数据质量差，垃圾数据增多，数据不可用。数据安全意识不够、安全防护不足导致了数据泄露事件频发，危害了企业经营和用户利益。为了解决解决数据面临的诸多问题，充分释放数据价值。

我给大家推荐一款非常好用的数据资产管理工具——睿治。睿治平台是目前国内功能最全的数据治理产品，完全覆盖了元数据、数据标准、数据质量、数据集成、主数据、数据资产、数据交换、生命周期、数据安全9大领域。并且采用微服务架构，既可以和企业已建系统高度融合，也可以随着未来信息化发展，而无限延展。也实现了全角色的可视化，包括领导、技术管理、业务管理、都能通过平台清晰的了解数据治理的过程和结果，从而保证数据治理的落地，产生积极的推动作用。

㈡ 企业如何有效的进行数据资产管理中软国际解决方案如何

中软国际数据资产管理解决方案是中软国际推出的一款服务于企业文件存储、管理、分享、协作的综合解决方案。提升客户在对外业务、对内办公场景下数据资产管理的效率，并确保数据资产在存储、分享过程中的安全性。助力企业数字化转型郑铅，实现“让数据资产更安全”、“圆陪让数据分享更橘丛蠢方便”、“让知识管理更系统”，这些网络都能找到。

㈢ 企业如何进行全生命周期的数据资产管理

推荐使用滴普科技的DataSense数据分析平台，它可以帮助企业构建指标治理解决方案，提供指标体系搭建、规范标准化、低代码指标开发的全生命周期管理工灶埋具，帮助企业实罩辩如现数据资产的敏捷治理和运营物启。

㈣ 企业数据资产面临的问题有哪些

综合考虑任务业务价值、实施难易度及依赖关系三方面因素，确定实施任务隐禅优先级。

构建数据资产管理体系

数据资产评估

资产管控成效持续毁判评估机制
· 业务KPI：一般由业务管理部门提出，比如为响应业务战略，针对关键业务规则的数据质量问题占比的监控。
· 可量化的技术KPI：比如元数据管理字段占全企业数据字段的比例，数据标准新增多少项、修订多少项。
· 数据质量：新增规则数量、发现问题数量、整改问题数量。
· 标准公开、培训、文化宣传、论坛交流、数据服务。
· 数据应用：数据服务支撑速度、数据服纤携改务开放范围、监管报送数据补录工作量、新增可视化数据应用。
典型案例
数据资产化务必需要一个好的工具来完成，让我们看看亿信华辰的数据治理平台——睿治做成的案例。
数据治理助力教育无纸化应用：

睿治真正将将数据资产管理应用到教育无纸化中，实现群众少跑腿，数据多跑路，提升社会价值，同时省时省力，提升了工作效率，也便利了群众。

㈤ 如何做公司资产管理数据库

这个涉及的就比较多了。
1、数据录入，包括数据项目、类型、长度等等；
2、数据维护，包括增加，修改，删除，数据备份，导入导出等等；
3、数据利用，包括查询，筛选，统计，图表打印等等；
4、系统管理，包括登录，用户权限设置等等。
这样只是罗列4项，实际上这4项内部互相关联。但都遵循着一个规律，即：进入、使用、销毁这三个机制。把每一项都细化你就可能制作一张系统图表然后可以按照图表制作一个比较健康的数据库。

㈥ 什么数据可以成为数据资产数据资产化如何实现

何为资产？

我们来看一下资产的概念： “资产是指由企业过去的交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。”

在资产的释义中，我们可以看出“拥有或者控制”和“带来经济利益”是资产最核心的内涵。由资产的概念引申到数据资产，我们可以得到，数据资产是由企业拥有或控制，能够为企业带来经济利益的数据资源。

石油在未得到利用之前，只是一种黑色的液体。数据得不到利用也只是一堆毫无价值的信息，那么什么样的数据资源可以转换为数据资产呢？

可“变现”的数据资源

可明确作为“资产”的数据资源，表现为以下两种形式：可帮助现有产品实现收益的增长；数据本身可产生价值。

数据为业务赋能

数据助力现金流，即数据本身不产生价值，但通过数据作用于现有产品 ，使其在创造收益、降低成本上有更好的表现。企业通过这种数据“内消”的方式，将生产经营中产生的数据进行收集、整理、分析，用于服务自身经营决策、业务流程，从而提高产品收益。

数据本身产生价值

通过利用数据优化业务的方式，是数据间接产生收益的方式，这种情况下，数据能够产生的价值是难以评估的。在合法合规的前提下，让数据以各种形式进行交易，这是数据产生价值的直接方式。

数据“变现”的过程就是数据资产化

能够直接产生价值的数据，数据变现的过程就是数据交易的过程，此过程的成本在于数据收集、处理、存储的成本，属于比较容易的数据变现；而利用数据为业务赋能拥有更复杂、专业的资产化流程。我们通过一个案例来解析数据资产化的过程：

某金融机构在投融资交易的过程中，一直苦恼于没有固定的标准来界定企业的可投资性，难以找到符合其投资标准的融资企业和项目，导致出现“有钱找不到投资项目,有投资项目的企业融不到钱”的现象。这时候此机构急需解决信息不完整、不对称、不透明、缺乏客观分析与评价的问题，所以找到探码，希望通过大数据来解决这个事情。

我们了解了该机构的诉求后，得出了数据资产化解决方案：通过机器学习、人工智能等方式对企业大数据进行分析，以得到解决办法。具体步骤为：

• 通过社会数据、网络采集、机构数据、企业填报等数据源采集到企业数据，主要包括工商信息、股权信息、行政处罚、销售年报、司法信息、知识产权、法律诉讼、税务信息等。

• 利用大数据技术等进行数据清洗、数据合并、数据挖掘、数据标准、安全脱敏、多维关联等数据治理操作，提高数据质量。

• 利用机器学习技术学习专家打分，模拟专家对企业价值评价的决策过程，先建立评价模型，自动高效的对企业数据进行多维度、全方位解析，最终生成企业评价报告。

随着数据资源越来越丰富，数据资产化将成为企业提高核心竞争力、抢占市场先机的关键。我们也将以扎实的技术，打破数据之间信息孤岛状态，应用云计算、大数据和人工智能技术帮助企业实现数据资产化运营。

㈦ 所谓的数据资产管理到底应该怎么做

根据目前的实践情况来讲，数据资产管理的方衡咐法应包者肢括以下三步：第一步，做好数据治理，以数据架构驱动企业架构治理成熟度；第二步，构建企业级数据共享中心，实现数据采集、共享和应用的松耦合，通过数据共享层实现快速数首拦世据建模、分析、共享和应用及可视化管理；第三步，通过跨界合作打通数据，实现数据资产战略驱动主营业务增长。

㈧ 数据资产的管理方法

在最近几年的业务发展中，数据都是各大公司建设的“宠儿”，几乎所有的业务都围绕数据展开，其重要性堪比信息化时代的“石油”。因此，大多数的公司都会建设自己的数据资产平台，一方面是为了做一些诸如统一数据口径一类的基础工作，另一方面也是为了深入挖掘数据的价值，为企业带来高额的利润回报。

回看过去的发展历史，围绕着数据的采集、建设、管理和应用，已经基本形成了体系化的建设方法。运营在做定价的时候，需要数据的支持；财务在评估预算的时候，需要数据的支持；法务在判定风险时，同样需要数据的支持…… 同时，随着企业发展的进行，数据口径的统一需要对数据进行治理；成本的管理需要对数据进行治理；支持业务的增多需要对数据进行治理…… 凡此种种，当我们缺少了数据资产门户的时候，很多的治理和查询工作，便很容易产生乱子。

某些意义上，数据资产的整理，是一种“脏活累活”，需要持续的维护和迭代，但做好之后，其发挥的价值，也是非常大的，只不过这种价值需要依附于别的项目才能体现出来。

因此，本文简单介绍一种整理数据资产的方法，供大家交流，篇幅不长，介绍思路更多一些。

其实数据的整理，用“运营”的思路来讲，更像是“品类规划”。只有把类目和索引做到了，全局层面便有了可视化的基础，后续资产的整理和归类，也会有科学的指引。

像比较大一点的互联网公司，业务通常不是单一的，因此如何仿照类目的思路，将一、二、三级索引做好，就是一个关键点和难点。

从消费者的视角，可以根据行为偏好、互动行为、个人属性、社交关系等方面构建类目，行为偏好又可以分为购买行为、点击行为、浏览行为，等等；从业务的视角，可以根据电商、金融、社交、媒体等业务属性构建类目，电商又可以分为B2C、C2C、B2B2C等不同的业务模式；从部门的视角，又可以根据XX事业部这种方式来建设，然后一级一级细分到具体负责的团队。总之，根据某一种分类的原则，将一二三级类目做完整，通常情况下可以很快的定位到需要的数据。

当然，只有类目也是不行的，这时候支持一个基本的搜索功能，将业务名、表名、字段名、属性名等做成模糊匹配的方法，供用户搜索和查询，便可以支持绝大多数的自行查询场景。

当然，因为表或者字段的展示格式都是固定的，因此搜索的结果可以做到非常的美观，配合手工打上的标签，90%以上的场景都可以支持用户自定义查询。

总结一下，资产的导航，适合以“类目”的方式进行组织，以搜索的方式配合使用，展示的接口以树形最佳，配合标签等个性化的内容，可以最大程度上满足查询诉求。

当用户查询到需要使用的数据时，下一步便是如何获取和使用数据。在通常的技术场景下，研发的同学只需要申请对应的表权限既可以获得。

但现在是有三种情况，我们需要分别看获取的方式：

一种是这种数据不适合直接开放底表，因为权限隔离的缘故，不能把所有权限开放出去，这时候就需要有资产分离的功能，也就是根据适用范围申请数据；

一种是非技术的同学申请，通常直接给一个表也是不知道怎么用的，可能给一个数据看板，或者是申请一个数据集，更合适一些，非研发的同学，可以使用报表工具自行配置。当然这种场景可以支持的数据查询能力会比较有限，需要尽可能的将报表的门户建设做好之后，再开放出去；

一种是有明确数据安全场景的诉求，比如最近刚出台的“个保法”，对于用户隐私的数据监管非常严格，这时候就需要配套有对应的法务审批或者是其他的数据安全接口人审批，这里的流程也是要单独设置的。

但不论哪种方式，都少不了完善的数据使用流程，这其实是属于“流程管理”的范畴，系统通常会默认指定审批人，但如果有特殊的需要，比如“个保法”，通常也需要能够自行设定审批流程。

总结一下，数据的获取，根据场景和使用人的不同，提供数据表、字段或者是报表等多种方式，同时要配合有相应的权限审批和资产分离的功能。

数据的治理也是一项比较重要但繁琐的工作。因为数据资产的录入，通常是人来维护的，那么相同的指标，录入多次的时候，用户以哪次为准呢？这就是最典型维护难题，因此，在录入或者自动更新数据的时候，提供一些提示性的功能，或者通过“精品”、“临时”等标签予以区分，也是一种可行的思路。

因而，通常情况下，技术提供的公共资产，一般以公共层的数据为准，只有明确使用场景的情况下，ADS才会被提供出来。

接下来，就是针对庞大的数据资产，构建自动化的诊断和分析功能了，关于如何用数据来治理资产，参考个人之前的文章《数据资产治理概要：用数据来治理数据》。标准化的治理之前，通常需要有全局的数据资产视图，才能制定出明确的目标、范围和结果。

最后，数据资产的使用，通常也是需要有稳定性的治理，比如每个表或者某一份数据，更新的频率、每次更新的时间等，都需要有说明提供给使用者，而开发来维护显然是不现实的，因此通过监控Hadoop集群的运行结果来自动更新，就是一种不错的方法。同时，一些执行明显偏慢但又使用者非常多的数据，也可以有相应的预警邮件提供给使用者。

数据资产的管理，底层也是基于数仓建模、数据平台、元数据标准、质量监控等基础的机制，配合组织的审批、管理等标准，最终才能服务于顶层战略。

㈨ 数据资产该如何发力

数据治理的关键能力是对数据资产进行管理和维护的能力。至于如何发力的话，未来的智慧城市建设趋势将是“全数化”。在数字化基础之上，围绕数字空间建立一个孪生城市，以大数据为中心，实现智能服务与生态建设全面深入的数字化、网络化、智能化，实现城市的感、联、智、控，解决城市巨系统的持续改进和智能涌现的问题。

这需要破解信息系统边界，实现多雀漏系统多领域的综合融通。数据治理的能力，决定了数据的利用能力，而数据治理的核心是数据的合规，巧岁燃这需要通过法律法规、地方条例等加以规范。所以还是希望通过法律制度打破数据孤岛，实孝虚现数据融合，促进数字正义。