数据资产管理体系分析：数据资产管理的实践步骤
数据资产管理体系分析：数据资产管理的实践步骤△数据资产管理能力评估维度及要点利用技术工具从业务系统或大数据平台抽取数据、采集元数据、识别数据关系，可视化包含元数据、数据字典的数据模型，并从业务流程和数据应用的视角出发，完善包含业务属性、管理属性的数据资产信息，形成数据资产地图。此外，从制度、企业、活动、价值、技术等维度对企业的数据资产管理开展全面评估，将评估结果作为评估基线，有助于企业了解管理现状与问题，进一步指导数据战略规划的制定。△数据资产管理实践通用步骤数据资产管理实施第一阶段是统筹规划，包括评估管理能力、发布数据战略、建立企业责任体系三个步骤，为后续数据资产管理和运营锚定方向、奠定基础。第一步是盘点数据资产，评估数据资产管理能力。
数据资产化是企业数字化转型的基石，是把数据原矿提纯为数据金子的必经之路。数据资产具有以下几个特点：
根据中国信通院定义，数据资产管理是指对数据资产进行规划、控制和提供的一组活动职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。
可以说，数据资产管理是一项长期性的、体系化的工作，为保证各项数据资产管理活动有效开展，统筹推动数据资产管理工作顺利进行，战略规划、企业架构、制度体系、平台工具、长效机制等保障措施都极为重要。
那么如何将数据资产管理进行落地，今天给大家分享一个数据资产管理实践的通用步骤，可参考“统筹规划→管理实施→稽核检查→资产运营”四个阶段的方法策略执行。以业务应用目标为指引，企业可以按照自身数据及管理情况定制不同的实施步骤。
△数据资产管理实践通用步骤
第一阶段：统筹规划数据资产管理实施第一阶段是统筹规划，包括评估管理能力、发布数据战略、建立企业责任体系三个步骤，为后续数据资产管理和运营锚定方向、奠定基础。
第一步是盘点数据资产，评估数据资产管理能力。
利用技术工具从业务系统或大数据平台抽取数据、采集元数据、识别数据关系，可视化包含元数据、数据字典的数据模型，并从业务流程和数据应用的视角出发，完善包含业务属性、管理属性的数据资产信息，形成数据资产地图。此外，从制度、企业、活动、价值、技术等维度对企业的数据资产管理开展全面评估，将评估结果作为评估基线，有助于企业了解管理现状与问题，进一步指导数据战略规划的制定。
△数据资产管理能力评估维度及要点
第一步的主要交付物包括：数据资产盘点清单、数据架构或数据模型、数据资产管理现状评估报告、数据资产管理差距分析报告。
第二步是制定并发布数据战略。
主要是根据数据资产管理现状评估结果与差距分析，召集数据资产管理相关利益者，明确数据战略规划及执行计划。同时，为适应业务的快速变化，采用相对敏捷的方式开展数据资产管理工作，定期调整数据战略短期规划与执行计划。
第二步的主要交付物包括：数据战略规划、数据战略执行计划。
第三步是建立企业责任体系，制定并发布数据资产管理制度规范。
从数据战略规划出发，构建合理的、稳定的数据资产管理企业架构，以及具备一定灵活性的数据资产管理项目组，确定数据资产管理认责体系，并制定符合战略目标与当前实际情况的数据资产管理制度规范。
第三步的主要交付物包括：数据资产管理企业架构图、数据资产管理认责体系、数据资产管理相关管理办法。
第二阶段：管理实施第二阶段的目标主要是通过建立数据资产管理的规则体系，依托数据资产管理平台工具，以数据生命周期为主线，全面开展数据资产管理各项活动，以推动第一阶段成果落地。第二阶段管理实施的开展主要包括建立规范体系、搭建管理平台、全流程管理、创新数据应用四个步骤。
第一步是制定企业级数据资产标准规范体系，建立各活动职能的实施细则与操作规范。
企业级数据资产标准规范体系指各活动职能下对数据技术设计、业务含义的标准化。以结构化数据为例，标准化的对象包括字段、表以及表间关系，对于各对象的标准化内容如下图所示。此外，结合数据资产管理相关管理办法，形成各活动职能的实施细则、操作规范，为数据资产管理的有效执行奠定良好基础。
△数据资产标准规范体系示例
第一步的交付物主要包括：数据资产管理活动职能相关标准规范、实施细则、操作规范。
第二步是搭建大数据平台，汇聚数据资源。
根据数据规模、数据源复杂性、数据时效性等，评估平台预期成本，自建或采购大数据平台，为数据资产管理提供底层技术支持；设计数据采集和存储方案，根据第一步的数据资产标准规范体系，制定数据转换规则，确定数据集成任务调度策略，支持从业务系统或管理系统抽取数据至大数据平台，实现数据资源的汇聚；结合云原生、 AI 等技术提升资源利用率，降低数据资产管理的资源投入和运维成本。
第二步的交付物主要包括：大数据平台、数据汇聚方案与记录。
第三步是依托统一管理平台，实现数据资产的全流程管理。
构建统一的数据资产管理平台，使各活动职能相关工具保持联动，覆盖数据的采集、流转、加工、使用等环节；由数据资产管理团队开展数据资源化活动，对于每一项活动，在数据需求中明确和记录数据使用方的规范与期望，在数据设计中支持规则的落地与应用，在数据运维根据数据生产方业务和数据的变化，响应数据使用方规则与期望的调整，并及时发现和整改问题数据。
第三步的交付物主要包括：数据资产管理平台、数据资产生命周期操作手册、数据资产项目 管理操作手册、数据资产管理业务案例。
第四步是创新数据应用，丰富数据服务。
企业应加强数据应用和服务的创新，围绕降低数据使用难度、扩大数据覆盖范围、增加数据供给能力等方面开展。通过数据可视化、搜索式分析、数据产品化、产品服务化等角度降低数据使用难度；通过自助式数据分析等手段，使更多一线业务人员直接参与数据分析过程；通过数据消费者、数据生产者之间灵活的角色转变，增加数据的供给能力。
第四步的交付物主要包括：数据应用产品清单、数据应用服务操作手册、数据应用服务用户指南。
第三阶段：稽核检查稽核检查阶段是保障数据资产管理实施阶段涉及各管理职能有效落地执行的重要一环。这个阶段包括检查数据标准执行情况、稽核数据质量、监管数据生命周期等具体任务。努力实现三个常态化：
一是数据标准执行情况检查的常态化；
数据标准管理是企业数据资产管理的基础性工作，通过数据标准管理的实施，企业可实现对大数据平台全网数据的统一运营管理。
二是数据质量稽核的常态化；
应对数据质量问题，首先要提升数据质量意识，数据质量意识包括能够将数据质量问题与其实质影响联系起来，同时传达一种“数据质量问题不能仅仅依靠技术语段解决”的理念。其次为数据质量建立一系列流程和程序。
三是灵活配置数据存储策略的常态化；
数据生命周期管理，其目标是以完全支持企业业务目标和服务水平的需求，根据数据对企业的价值进行分类分级，形成数据资产目录，然后制定相应的策略。
平台工具是常态化检查的有效方式，相较于人工操作，节约人力物力，确保检查结果准确性，提升检查效率。定期总结、建立基线是常态化检查的关键过程，对检查结果进行统计分析，形成检查指标与能力基线，评价数据资源化效果，与相关利益方、参与方确定整改方案，持续改进管理模式与方法。
第三阶段主要交付物包括：数据资产管理检查办法、数据资产管理检查总结、数据资产管理检查基线
第四阶段：资产运营通过前三个阶段，企业已经能够建立基本的数据资产管理能力，在此基础上，还需要具备以实现业务价值为导向，以用户为中心，为企业内外部不同层面用户提供数据价值的能力。资产运营阶段是数据资产管理实现价值的最终阶段，该阶段包括开展数据资产价值评估、数据资产运营流通等。
构建数据运营中心，充分发挥数据团队对业务部门的辅助作用。数据团队提供包括自助式数据服务、AI 模型等在内的支持，并通过定期宣导与培训，提升业务部门的数字技术能力。此外，以场景化数据资产运营为出发点，鼓励业务部门的数据资产使用各方使用相关平台探索数据，共享探索成果，提出改进建议。
以数据赋能业务发展为主要目标，构建数据资产价值评估和数据运营指标体系。从业务侧出发，覆盖各业务条线和数据场景的数据资产规模、数据资产质量等，从内在价值、经济价值、成本价值、市场价值等方面构建数据资产价值评估体系。此外，建立数据资产数字化运营大屏，直观展示数据资产生态图谱，显性化数据资产应用效果。
第四阶段主要交付物包括：数据资产服务目录、数据资产价值评估体系、数据资产流通策略与技术、数据资产运营指标体系。
针对数据资产管理面临的问题和挑战，亿信华辰打造数据资产管理解决方案以提供数据资产增值为目标，遵循“全局意识、业务为本、数据为核、分步演进、局部执行”的原则，实行以管理架构和制度策略为保障，以数据资产四大管理职能为支撑，提供N多数据资产服务的“1 4 N”的管理模式，一站式帮助企业搭建数据资产管理平台。
亿信华辰数据资产管理架构
方案提供4大核心管理能力：
数据集成能力：提供批流一体的异构资源整合，实现企业中多源异构数据的采集，并进行有效地整合和开发，让数据实现更多的关联和碰撞，打破企业数据孤岛，产生更多有利于业务开展和创新的价值数据，确保数据资产的完整性。
数据治理能力：一站式流程治理，构建统一可执行的标准，提升数据质量，发掘数据关系，建立数据认责和问责机制，实现治理后的标准化数据融会贯通到不同的业务领域。
资产规划开发能力：构建完整的数据资产管理模板，构建统一的数据服务，满足自助式的数据消费，并面向执行层、管理层、决策层用户构建数据统计、分析、挖掘及数据模型等多种数据应用。
资产运营能力：提供多套数据资源门户和数据产品门户，将数据资产的全貌展示给不同类型的数据消费数据消费者，并提供多种类型数据服务的申请渠道。
亿信华辰大数据资产管理方案已成功应用于时代中国、山东临沂矿业集团、国家电网等企业，搭建数据资产管理平台，编制形成数据资产目录，实现数据资产开放共享。
