|
“数据资产”一词于1974年由Peters提及，由信息资源和数据资源的概念逐渐演变而来，并随着数据管理、数据应用和数字经济的发展而普及。中国信通院将其定义为“由企业拥有或者控制的，能够为企业带来未来经济利益的，以一定方式记录的数据资源”。在企业中，并非所有的数据都构成数据资产，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。 而数据资产管理，就是针对上述“数据资产”进行管理，主要内容包括以下三大方面。 数据资产治理：让企业数更加准确、一致、完整、安全，降低IT成本。 数据资产应用：使企业数据的使用过程更为人性、快捷、，从而提升管理决策水平。 数据资产运营：支持企业数据资产的分发、开放、交易等数据嫁接的实现，从而促进数据资产的价值实现。
企业的数据治理指的是企业对所拥有的数据资产的治理。但是，并非企业所拥有的所有数据都能被称为数据资产，只有其中关乎重大商业利益的数据资源才是数据治理的对象。重要的数据资源可以为企业带来显著的商业利润，因此这些数据资产也是企业公司资产的重要组成部分。数据治理需要在企业战略层面从上至下进行推动，通过建立组织架构，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。
数据已成为企业的核心资产和重要战略资源，是重要的生产因素。在数据驱动的数字时代，企业只有将核心业务数据更好地掌握在手中，才能从中萃取更大的业务价值，进而优化产品管理，拓展市场新渠道，打造企业核心竞争力，而数据治理就是挖掘这些价值的重要手段和工具。那么，对企业而言，如何才能将数据转化为数据资产呢？ 对于普通企业而言，其数据治理的关键环节主要包括：企业端数据治理的整体策略和方向、明确企业数据的范围和分布、打破数据壁垒，实现数据互通和共享，以及实现数据质量闭环管控等四项主要工作。 其中，企业的数据战略的制定是数字化转型工作开展的首要工作，是组织开展数据工作的愿景、目的、目标和原则，是组织开展各项数据相关工作的宗旨和指引，同时也引领了企业数据治理的方向。 其次是数据资产盘点，即解决“有什么”（数据资产）的问题，“用什么”（数据资产）、“如何用”（数据资产）等问题。其工作目标主要有四点：一是通过对关键系统关键数据资源的梳理，形成企业数据资产目录；二是通过数据资产盘点，推进企业数据整合共享以及相关标准化工作；三是分析总结企业数据资产现状及问题，开展治理工作，提升数据质量；四是以体现数据价值为目标，推进数据资产使用，实现数据价值最大化。 第三是打通数据壁垒，加强数据共享。目前大多数企业的系统建设为“烟囱式”，各个系统如同烟筒一样独立支持业务应用，仅在功能层面有少许交互，而企业未建立统一的数据汇总、整合平台，导致各个系统之间的数据壁垒严重，数据无法释放价值。为避免因未开展数据规范造成的不良影响，可从以下两点入手：第一，企业应建立统一的、权威的数据规范——数据标准。数据标准从业务属性、技术属性和管理属性三方面定义了数据分类、数据标准名称、业务定义、取值范围、数据类型、数据长度、数据定义部门等内容，阐明了数据“应该是什么”的问题。第二，企业应将数据标准落实系统开发中，保证新系统中产生的数据都满足数据规范要求，具体的流程包括：在需求提出阶段审查数据需求是否符合数据标准要求；在需求设计及系统开发阶段严格遵守数据标准进行系统设计及开发；在测试阶段纳入数据规范测试，检查数据规范的落实情况；通过以上机制，从技术流程控制角度，保证了新建系统中的数据满足规范要求。针对已有系统中不满足数据标准的情况，应适时开展系统改造，在系统层面落地数据标准，保证已有系统增量数据的规范性；对于存量数据，可根据需要进行存量数据的专项整改。 最后是构建数据治理三道防线，实现数据闭环管控。“数据治理三道防线”是数据管理的组织架构，是数据管理全面化、体系化的具体体现。三道防线分别为：业务管理条线、数据治理管理条线以及审计监督条线，三道防线融合了企业前、中、后台的部门和人员，只有各负其责，加强“三道防线”的沟通联系，形成合力，实现信息共享、联动互动、合理覆盖，才能建成有效的全面数据治理体系，切实提升数据管理水平，充分释放数据价值。 数字经济正在改变我们生活和工作的方方面面，而数据是数字经济的核心，对企业而言，数据更是企业重要的资产，未来只有拥有大量数据并效利用的企业才能在竞争中获得优势…… |
|
|
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，必须对数据资产进行管理。
