ITPub博客

首页 > 大数据 > 数据分析 > 【御数·原创】不要被“盘点数据资产”盘住

【御数·原创】不要被“盘点数据资产”盘住

原创 数据分析 作者:御数坊 时间:2020-04-29 17:48:53 0 删除 编辑

当前,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!

●  ……


上述问题,究其原因,是企业对数据资产在组织业务运营中的价值缺乏清晰的理解与定位,导致最终“为了盘点而盘点”的状态,花费大量精力梳理的数据资产目录无法对业务实现有效支撑,事倍功半!

因此,我们建议在建设数据资产目录时,一定要考虑清楚如下几个方面的内容,谋定而后动,才能构建高质量、高可用的数据资产目录:
●  什么是数据资产?
●  数据资产目录的价值有哪些?
●  如何构建数据资产目录?
●  如何管理与使用数据资产目录?

2.什么是数据资产



2.1.   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。

2.2.   识别企业自身的数据资产

上面对数据资产的定义进行了解读。那么,最重要的是企业如何确定哪些数据能够作为资产进行管理,并进行应用。

企业在业务发展和信息化建设过程中,积累了大量的业务数据,哪些可以作为企业的数据资产则是见仁见智。这里给出一个较为通用的识别原则和策略,供大家参考。

首先,数据是业务活动在数字世界的投影,其本质作用是记录业务对象及其活动过程。整体上可划分为两大类:
1、基础业务数据:是对企业业务活动中诸如“人、事、物”的记录;
2、洞察分析数据是基于基础数据计算出来的结果,反映业务活动的规律、趋势、特征等,一般可理解为日常所说的“指标”。

其次,从数据价值衡量的维度来看,可从以下几个方面来分析:
1、业务权重:数据是否属于企业核心业务运营范畴,越接近核心则越重要,其作为数据资产的必要性越高;
2、 决策权重:对高层决策的重要程度,决定了数据能否作为数据资产的一项重要指标;
3、使用频度:数据被使用的频次越高,说明其重要性越
4、分布范围:数据如果分布在多个业务域或者系统中,被很多不同的人员使用和共享,说明其支撑的业务越多,也越重要;
5、 技术承载与可控性:通过技术手段,对数据进行获取、维护、管控,其难易程度、成本、可控性等方面都可作为辅助性的衡量标准。
依据上述内容,我们构建一个数据资产识别矩阵,如下表所示:
 
企业可以依据此矩阵对数据进行量化评估,识别哪些数据属于数据资产范畴。

以上划分维度和标准,企业可根据自身实际情况进行扩充或调整,例如在价值衡量方面还可以增加“数据变现”、“数据安全性”等维度,最终目的是制定符合企业实际业务需要的数据资产划分标准,进一步筛选出企业自身的数据资产。

3.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。

如果缺少了数据资产目录管理工作的支撑,很多数据管理与应用的工作开展都如同盲人摸象,缺乏整体的数据蓝图,没有有效的指引,由此导致了诸多不便和低效。例如:
▲  数据消费者不知道有哪些数据,也无法联系到相应的负责人;
  数据中心中承载了大量的数据,但却是一片沼泽,找到有意义的数据只能依靠人工经验进行指引;
  组织内有多个数据源,没有统一的途径来精准识别数据源;
  数据消费者没有适当的流程进行请求与获取目标数据;
  数据消费者无法理解数据,更不知该如何使用数据;
  数据多处存储,多处更新,数据量不断冗余增长,设备需要不断扩容、维护能力需不断提升,成本越来越高。

可以看出,数据资产目录所解决的这些问题,分布在数据管理和应用的方方面面,因此数据资产目录的价值也体现在不同的层面,可归纳总结为三个层次:


基础视图价值:能够让数据管理者高效、边界的了解数据脉络,构建全景图,随时掌握数据资产的运行状态;
提升数据管控能力:在基础视图能力的基础上,加强数据资产的管控能力,对技术管理、业务运转起到良好的支撑作用,能够让数据在业务流转过程中更规范、更有效率;
促进数据应用与共享:在数据资产的应用和共享层面,起到引擎作用,最大化释放数据的核心价值,助力企业快速发展。

对应这三层价值,围绕数据资产目录可以衍生出很多的应用场景,企业可从这些场景入手,进行相应的功能建设,如下表格:

序号

价值层次

对应场景

1

数据资产基础视图价值

  基础性的展现、搜索与分析功能

  识别有效数据资产、关键数据资产,提供数据资产清单

  构建良性的数据资产评价体系

2

提升数据管控能力

  基于数据资产目录搭建数据认责体系、进一步构建数据管理全景图

  探寻数据质量问题的本质、开展数据质量管理

  提升数据安全管理效能

3

促进应用与共享

  数据分析工具中集成数据资产目录组件

  优化数据分析服务调度

  促进数据开放共享

 


企业应以价值为导向,分析出数据资产目录对业务的作用和支撑点,聚焦有落地价值的应用场景,才能有的放矢的建设数据资产目录,避免“为了盘点而盘点”的情况发生,从而使“数据资产目录”能够与业务发展有机融合,发挥最大作用,释放数据价值。

4.如何建设数据资产目录



4.1.   建设策略

数据资产目录的建设,最重要的是要以价值为导向,能够对业务起到有效的支撑作用,并具备良好的运营机制,才能体现价值,我们对数据资产目录的建设策略建议如下:
 
1、明确驱动力、优先选择业务价值高的应用场景,建设成果落地有效
首先结合当前及未来企业对数据管理工作的现状、挑战和需求进行分析,识别对业务支撑力较强的业务领域、数据主题、信息系统等,选择业务价值高的应用场景为建设支撑目标,在此范围内,进行数据目录管理工作目标和路径的设计,从而通过数据目录支撑到企业数据管理战略、产生更为直接的工作效益。

需要强调的一点,企业对数据资产目录价值的认识不要只停留在现有业务所积淀形成的、相对静态的数据资产,还可从行业发展的角度分析未来应具备的数据资产,构建相对前瞻性的数据资产目录。例如,电信运营商可对未来5G业务进行分析,构建数据资产目录,以迎接即将到来的5G类新业务应用的需求;汽车制造业的厂商可对新能源、车联网等业务进行前瞻性布局,从内外不同渠道获取相关数据资产进行分析、构建目录,支撑业务发展。
 
2、配套建设数据资产目录管理所需的组织职责、工作机制及数据文化氛围,技术与管理并重。
数据资产目录的建设与管理需要相应的组织和机制支撑,需要企业内部数据文化达到一定氛围后,才能发挥相应的价值。

对于数据目录的管理模式、评价模式、认责机制等,都需要业务部门的业务专家、数据专家深度参与其中,持续养护数据、完善数据定义、提升数据质量、分享数据成果,而数据文化与管理机制的建立和运行,并非一朝一夕、一蹴而就。

建议在数据管理团队职责和工作机制较为明确的基础之上,能够进一步推动业务部门设置数据管理相关角色、明确职责,并在数据团队与业务团队之间、多业务部门之间,建立专项小组、讨论组等多种沟通机制,促进跨团队的沟通交流、提升数据文化氛围。

4.2.   建设管理步骤与方法

数据资产目录的建设分为四个环节,包含准备阶段、目录盘点与构建、审核发布、应用与运营管理。其中,前三个环节为数据资产目录的构建过程、最后一个环节为数据资产目录的使用和管理过程。如下图:

 

●  准备阶段
此阶段主要对建设数据资产目录的背景、环境、价值点进行分析,明确要支撑的业务场景、以及建设目标;

在此基础上,确定需要构建数据资产目录的范围,进一步制定相应的数据采集模板、标准,并收集与之有关的材料。

●  目录盘点与构建
在第一阶段准备工作完成后,利用数据资产工具,按照模板和标准,对数据资产的有关信息进行初步采集和智能解析,形成数据资产目录初始清单;

然后结合人工与工具平台,对初始清单进行筛选优化,补充完善相关属性,对其实施标签分类、形成目录,建成待审核发布的数据资产目录。

●  审核发布
组织相关业务、技术专家对建成的数据资产目录进行审核,审核通过后,向相关使用者进行发布。

●  应用与运营管理
此环节是在数据资产目录建成发布后,对其进行使用和管理。

数据资产目录应用:此时应以已经确立的建设目标、应用场景为指引,建设相关的应用功能。例如,如需掌握数据的运行状态,则可建立全景视图;如要促进数据质量管控,则可建立基于数据资产目录的认责体系;如需要提升数据的安全使用程度,则可建立数据安全定级体系。

数据资产目录运营管理:此环节主要是企业从管理维度,组建数据资产运营团队,建立数据资产的管理制度和流程机制,此处的管理机制主要涉及三个方面,数据资产目录与使用者之间的机制(例如使用者如何查询、使用资产目录,如何申请资产更新需求等机制)、数据资产目录与资产源之间的机制(例如数据资产目录与资产源数据的同步更新机制)、以及数据资产目录自身的管理机制。

最终使数据资产目录的建设和应用良性有效开展,并能随着业务的变化发展不断迭代更新,持续创造新的价值。

结  语



数据资产目录管理是一项重要的工作,其建设过程不会是一蹴而就的,建设效果也不是立竿见影的,它本质属于“地基”类工作,因此需要且值得投入精力去认真构建,一旦建成并夯实,在其上面的数据管理和应用工作将得到良好的支撑和保障,数据应用价值也会得到极大的释放。

企业在建设和运营数据资产目录时,要具备长线思维,协调业务与技术人员共同参与,随着业务发展持续迭代并创新,保证其落地执行、输出价值。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31556435/viewspace-2689315/,如需转载,请注明出处,否则将追究法律责任。

全部评论

注册时间:2018-09-27

  • 博文量
    14
  • 访问量
    5754