背景及现状
数据是企业核心的公共资源,但并非所有的数据都构成数据资产。数据资产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,未来企业的核心竞争力将很大程度上表现为将数 据转化为价值的资产增值能力。

随着信息化、移动互联网、物联网的深入应用,企业数据呈现出海量性、多样性、复杂性等特点,为了有效管理数据资产,实现企业级数据资产效益最大化, 开展体系化数据资产管理迫在眉睫。当前企业数据资产管理主要面临以下困境:

1、数据管理机制不健全。尚未建立数据管理机构,缺乏有效的数据管理评价体系和管理办法,业务与技术部门数据管理质量不清晰,存在数据多头管理、管理边界不清等问题,造成企业数据管理工作难以统一规划和规范管理。

2、数据资产共享难协调。近年来,企业级信息化建设发展迅猛,各业务条线的信息系统和应用不断深入,使得公司的数据量日趋庞大,逻辑层缺乏标准的数据资源目录、物理层缺乏统一的数据共享平台,跨专业间业务协同及数据共享机制不足。

3、数据模型标准差异大。部分企业系统建设由业务部门主导,主要关注功能,容易忽视数据模型的设计标准,甚至不少企业尚未建立数据模型标准,造成烟囱式数据架构,数据孤岛现象严重,系统编码不统一,数据结构不规范,数据难融合。

4、数据价值潜力未挖掘。一方面各业务条块化管理导致数据价值难以开展全面评估,资产分级分类体系尚未建立,另一方面缺乏数据资产运营的管理规范,业务部门数据应用各自进行,导致数据应用重复建设、复用性不高、数据挖掘价值密度低。

5、数据资产质量难保证。有的系统涉及业绩考核导致数据不真实,有的业务事后补录导致数据时效性不足甚至缺失,有的业务人员录入不规范导致数据不准确,有的机器数据因设备可靠性低导致数据回传错误或失败,同时企业未建立全面的数据质量管理体系,数据质量差。

云弘方法论

借鉴DAMA数据管理知识体系、PAS55资产管理标准体系,结合实践提炼形成数据资产管理方法体系

数据资产管理-方法论

数据资产管理包括两个重要方面,一是数据资产管理的核心管理职能,二是确保这些管理职能落地实施的保障措施。

(一)核心管理职能

数据标准管理包括标准的制定、执行、维护管理,数据模型管理包括数据模型设计、验证、发布、迭代管理,元数据管理是为获得高质量的、整合的元数据而进行的规划、实施与控制行为,保证企业数据信息的描述和分类统一,主数据管理是一系列规则、应用和技术,用以协调和管理与企业的核心业务实体相关的系统记录数据。

数据质量管理包括建立评估体系、识别数据异常、数据质量分析、数据质量整改及质量监控等一系列流程,数据安全管理包括评估数据安全风险、制定数据安全管理制度规范、进行数据安全分级分类,完善数据安全管理相关技术规范,保证数据被合法合规、安全地采集、传输、存储和使用。

数据资产价值管理是为衡量数据的内在价值和使用价值构建可操作的量化指标,对数据进行多角度价值评估,数据资产运营管理是通过制定数据运营管理机制、标准流程、技术手段来规范数据共享,并针对数据运营质量和成效开展评估,促进数据资产流动,激活数据资产价值。

数据战略是指依据发展战略,制定清晰的数据发展战略,明确发展方向和目标,按照发展路线图图分解数据发展的阶段性目标和任务,以年为周期制定数据管理的年度重点工作计划,落实数据发展规划,确保数据管理工作高效有序开展。

(二)保障措施

一是规章制度建设,通过建立企业级数据资产管理制度保障体系,推动数据资产管理工作规范化、常态化的开展;二是组织机构设立,通过公司主要领导挂帅,挑选技术过硬、业务精通的业务骨干,组建实体化的企业级数据资产管理组织,支撑数据资产管理工作常态化运转。

技术架构
数据资产管理-技术架构图
您的收获
数据资产管理-交付清单
云弘的价值

云弘科技依托公司数据资产管理方法体系及实施经验,结合客户业务及管理流程、技术标准,协助客户建立完整的数据管理体系和技术支撑体系,助力客户增强数据治理能力、提升数据质量、提高数据共享能力、促进业务融合、挖掘数据应用价值,全面实现公司数据化运营和精益化管理。制定适合数据治理体管控系及管理模式,形成企业数据治理和管理体系。