|
随着互联网、大数据、人工智能和实体经济深度融合，大数据作为国家基础性战略性资源的重要地位正在被越来越多的人重视，而掌握丰富的高价值数据资源也成为抢占未来发展主动权的前提和保障。当“数据是资产”的概念成为共识，算法、场景等一系列相关关键词也正在被更多人认知。 如何释放数据价值？ 数据作为一种生产要素，在加工利用数据、释放数据价值的过程中充满了各种难题，而企业的数据资产则是指那些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。需要注意的是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。然而现实中，众多企业对数据资产的管理和应用还处于摸索阶段，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、数据孤岛等现象，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，多数企业的数据应主要集中在智能营销，舆情感知和风险控制等有限场景，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。 为解决这些问题，通过数字资产管理的体系化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。包括，全面掌握数据资产现状，形成数据地图，为业务应用和数据获取夯实基础；进一步提升数据质量，实现数据向优质资产的转变；建立数据共享制度，打破数据孤岛，实现数据之间的高效共享以提升数据的服务应用能力；同时，随着企业对事实数据需求的增加，可以通过搭建数据管理平台，采取机器学习等相关自动化技术，提高数据获取效率，加快数据价值释放。 目前，随着管理数据对象越发复杂，数据处理技术越发成熟，数据应用范围越发广泛，数据资产管理在数据处理架构、组织职能、管理手段等方面逐渐呈现了一些新的特点和发展趋势。包括：数据管理对象的变化（数据来源更加多样、数据格式繁杂、采集实时等）、处理架构更新换代（向云平台和分布式系统迁移、预处理流程向ELT转变等）、管理手段自动智能化（采用“平台工具”增强企业的数据管理能力）、应用范围不断扩大（任何一个机构都可以成为数据资产化管理的实践者）等。 如何进行数据资产管理？ 那么，对于尚未引入数据资产管理的企业而言，需要如何开始构建完整的大数据资产管理能力，其中有哪些重要步骤以注意事项呢？ 首先，数据资产管理的主要内容包括管理职能和相关的保障措施。其中，管理职能包括数据标准管理、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、数据价值管理以及数据共享管理等8个方面。保障措施则是指针对数据资产管理组织架构、管理流程、管理机制和考核评估办法，通过管理的手段明确“责权利”以保障数据资产管理工作有序开展。 其次是明确数据资产管理的实施要点，完整的企业或机构大数据能力的构建步骤一般是“建立组织架构→应用需求梳理→数据盘点梳理→引进平台技术→汇聚多源数据治理数据→数据应用→数据运营”等。数据资产管理以数据价值为导向，分布在大数据能力构建的多个环节。 最后，成功的数据资产管理过程中，需要着眼业务应用，释放数据价值。企业应建立起符合自身业务和数据特点的数据资产化体系和能力，而非陷于数据资产管理工作。只有明确了前端业务需求，才能做到数据资产管理过程中的有的放矢、张弛有度。数据的价值体现在决策精准、敏锐洞察，数据资产管理能够使管理具流程化、规范化，结合业务应用的数据资产管理不仅使数据保值增值，还将会给企业带来更加巨大的经济效益。 此外，还需要注意的是，一步到位建立一套完美的数据资产管理体系是很困难的，数据资产管理结构需要持续迭代完善，形成良性闭环，这主要是受业务需求会随着市场环境不断变化，技术手段也在不断革新等原因影响，因此因此数据资产管理体系不是一劳永逸、一蹴而就的，需要建立一个小步迭代的数据资产管理循环模式。 有人曾说：数据之于本世纪就像石油之于上世纪：它是发展和改变的动力。数据已经产生了新的基础设施、商业领域……但数据信息不像过去的其他资源，它采用不同的方式提取、加工、估值和交易，数据改变了市场规则，但它也要求使用新的管理方式。   |
|
|
