数据资产管理实践白皮书4.0版简略版
—摘自信通院《数据资产管理实践白皮书4.0版》
目 录
一、基本概念... 2
1.数据资产管理的定义... 2
2.数据价值难以有效发挥的原因... 2
3、数据资产管理产生的价值... 2
二、主要内容... 2
(一) 管理职能... 2
1.数据标准管理... 2
2.数据模型管理... 2
3.元数据管理... 3
4.主数据管理... 3
5.数据质量管理... 4
6.数据安全管理... 4
7.数据价值管理... 5
8.数据共享管理... 5
(二)保障措施... 6
1.制定战略规划... 6
2.完善组织架构... 6
3.建立制度体系... 6
4.设置审计机制... 6
5.开展培训宣贯... 6
三、实施要点... 7
（一）实施步骤... 7
1.第一阶段：统筹规划... 7
2.第二阶段：管理实施... 7
3.第三阶段：稽核检查... 8
4.第四阶段：资产运营... 8
（二）实践模式... 8
（三）软件工具... 8
（四）成功要素... 9
1.明确责权利标，有效推进管理。... 9
2.合理引进技术，提升治理能力... 9
3.着眼业务应用，释放数据价值... 9
4.加强数据合规，注重风险风控... 9
5.持续迭代完善，形成良性闭环... 9
一、基本概念
1.数据资产管理的定义
数据资产管理是现阶段推动大数据与实体经济深度融合、新旧动能转换、经济转向高质量发展阶段的重要工作内容。数据资产管理是指规划、控制和提供数据及信息资产的一组业务职能，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。数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。
2.数据价值难以有效发挥的原因
一是缺乏统一数据视图；二是缺乏统一数据视图；三是缺乏统一数据视图；四是缺乏安全的数据环境。五是缺乏数据价值管理体系。
3、数据资产管理产生的价值
一是全面掌握数据资产现状；二是提升数据质量；三是实现数据互联互通；四是提高数据获取效率；五是保障数据安全合规；六是数据价值持续释放。
二、主要内容
(一)管理职能
1.数据标准管理
数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束，通常可分为基础类数据标准和指标类数据标准。数据标准管理是指数据标准的制定和实施的一系列活动。
（1）理解数据标准化需求；
（2）构建数据标准体系和规范；
（3）规划制定数据标准化的实施路线和方案；
（4）制定数据标准管理办法和实施流程要求；
（5）建设数据标准管理工具，推动数据标准的执行落地；
（6）评估数据标准化工作的开展情况。
2.数据模型管理
数据模型是现实世界数据特征的抽象，用于描述一组数据的概念和定义。数据模型所描述的内容有三部分：数据结构、数据操作（其中ER图数据模型中无数据操作）和数据约束，形成数据结构的基本蓝图，也是企业数据资产的战略地图。
通过数据模型管理可以清楚地表达企业内部各种业务主体之间的数据相关性，使不同部门的业务人员、应用开发人员和系统管理人员获得关于企业内部业务数据的统一完整视图。
数据模型管理的关键活动包括：
（1）定义和分析企业数据需求；
（2）定义标准化的业务用语、单词、域、编码等；
（3）设计标准化数据模型，遵循数据设计规范；
（4）制定数据模型管理办法和实施流程要求；
（5）建设数据模型管理工具，统一管控企业数据模型。
3.元数据管理
元数据管理是数据资产管理的重要基础，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。
元数据管理的关键活动包括：
（1）理解企业元数据管理需求；
（2）开发和维护元数据标准；
（3）建设元数据管理工具；
（4）创建、采集、整合元数据；
（5）管理元数据存储库；
（6）分发和使用元数据；
（7）元数据分析（血缘分析、影响分析、数据地图等）。
4.主数据管理
主数据是指用来描述企业核心业务实体的数据，是企业核心业务对象、交易业务的执行主体。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。
（1）主数据管理的关键活动包括：
（2）理解主数据的整合需求；
（3）识别主数据的来源；
（4）定义和维护数据整合架构；
（5）实施主数据解决方案；
（6）定义和维护数据匹配规则；
（7）根据业务规则和数据质量标准对收集到的主数据进
行加工清理；
（8）建立主数据创建、变更的流程审批机制；
（9）实现各个关联系统与主数据存储库数据同步；
（10）方便修改、监控、更新关联系统主数据变化。
5.数据质量管理
数据质量管理是指运用相关技术来衡量、提高和确保数据质量的
规划、实施与控制等一系列活动。数据质量管理工作中的关键活动包
括：
（1）开发和提升数据质量意识；
（2）定义数据质量需求；
（3）剖析、分析和评估数据质量；
（4）定义数据质量测量指标；
（5）定义数据质量业务规则；
（6）测试和验证数据质量需求；
（7）确定与评估数据质量服务水平；
（8）持续测量和监控数据质量；
（9）管理数据质量问题；
（10）分析产生数据质量问题的根本原因；
（11）制定数据质量改善方案；
（12）清洗和纠正数据质量缺陷；
（13）设计并实施数据质量管理工具；
（14）监控数据质量管理操作程序和绩效。
6.数据安全管理
数据安全管理是指对数据设定安全等级，按照相应国家/组织相关法案及监督要求，通过评估数据安全风险、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。
数据安全管理的关键活动包括：
（1）理解数据安全需求及监管要求；
（2）定义数据安全策略；
（3）定义数据安全标准；
（4）定义数据安全控制及措施；
（5）管理用户、密码和用户组成员；
（6）管理数据访问视图与权限；
（7）监控用户身份认证和访问行为；
（8）定义数据安全强度，划分信息等级；
（9）部署数据安全防控系统或工具；
（10）审计数据安全。
7.数据价值管理
数据价值管理是对数据内在价值的度量，可以从数据成本和数据应用价值两方面来开展。
（1）进行数据价值管理的关键性活动包括：
（2）确定企业数据集成度水平；
（3）确定企业数据的应用场景；
（4）确定数据存储、计算和运维的成本预算；
（5）明确数据成本和收益的具体计量指标；
（6）计算数据在不同应用场景下的成本和收益；
（7）计算企业数据资产的总体成本和收益；
（8）制定数据成本优化方案和提升数据增值方案；
（9）审核、改进方案。
8.数据共享管理
数据共享管理主要是指开展数据共享和交换，实现数据内外部价值的一系列活动。数据共享管理包括数据内部共享（企业内部跨组织、部门的数据交换）、外部流通（企业之间的数据交换）、对外开放。
数据共享管理的关键活动包括：
（1）定义数据资产内部共享和运营流通监控指标；
（2）设计数据资产内部共享和运营流通管理方案；
（3）制定数据资产内部共享和运营流通管理办法和实施流程要求；
（4）监控数据资产内部共享和运营实施；
（5）监督落实数据内部共享与外部流通等合规性管理要求；
（6）分析内部共享与运营流通指标，评价运营效果并改进。
(二)保障措施
1.制定战略规划
从管理层、领导层出发，从顶向下全局部署数据资产管理规范从而形成全面的标准规则体系和执行调度流程。战略规划是数据资产管理成为企业战略核心任务应用的重要部分，是数据资产得到一定程度内外部应用的指导蓝图。
2.完善组织架构
典型的组织架构主要由数据资产管理委员会、数据资产管理中心和各业务部门构成。数据认责是数据资产管理在服务各领域、各环节工作落到实处的有效手段，通过数据角色职责开展数据认责相关工作。
3.建立制度体系
为了保障活动实施和组织架构正常运转，需要建立一套覆盖数据引入、使用、开放等整个生产运营过程的数据管理规范，从制度上保障数据资产管理工作有据、可行、可控。
4.设置审计机制
为进一步保障、评估数据资产管理的规范、规划、组织机构、制度体系的执行状况，保障、评估数据资产的安全性、准确性、完整性、规范性、一致性、唯一性和时效性，需有完整的贯穿数据资产管理整个流程的审计机制。
5.开展培训宣贯
培训宣贯是企业实施数据资产管理进程中的重要组成部分，是数据资产管理理论落地实践、流程执行运作的基础，是数据资产管理牵头部门在技术部门和业务部门之间顺利开展工作的重要保障。企业需利用现有资源，合理安排员工参与数据资产管理培训、课程促进员工有效培训和自我提高，提升人员的职业化水平，强化工作的标准化、规范化。
三、实施要点
（一）实施步骤
数据资产管理可参考按照“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。如下图：
1.第一阶段：统筹规划
（1）第一步是建立组织责任体系，根据自身情况，制定数据资产管理制度规范。主要交付物包括：《数据资产管理规划》、《数据资产管理认责机制》、《数据资产管理工作指引》、《数据资产管理考核评价办法》。
（2）第二步是结合业务盘点数据资产， 评估当前数据管理能力。
主要交付物包括：《数据资产盘点清单》、《数据资产管理现状评估》。
（3）第三步是制定数据资产相关的标准规范。
主要交付物包括：《数据资产标准管理办法》。
2.第二阶段：管理实施
首先，在搭建大数据管理平台、完成数据汇聚工作的基础上，根据企业自身存量数据基础和增量数据预估，建设或采购必要的数据资产管理平台或引入第三方工具以支撑管理工作，切实建立起企业数据资产管理能力。其次，要建立安全管理体系，防范数据安全隐患，执行数据安全管理职能。再次，还需要制定和管理主数据，以明确企业核心业务实体的数据。
第二阶段的工作目标主要是为企业打造核心的管理数据资产的能力，同时为企业内数据资产管理部门形成数据管理的工作环境，概括起来，就是企业数据资产可管理、可落地。
主要交付物包括：《数据资产管理办法》、《数据资产管理实施细则》（包括数据标准管理、数据质量管理、元数据管理、主数据管理、数据安全管理、数据应用管理等）。
3.第三阶段：稽核检查
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。需要抓好三个“常态化”。 一是数据标准执行情况检查的常态化；二是数据质量稽核的常态化；三是灵活配置数据存储策略的常态化；四是数据资产安全检查的常态化。
主要交付物包括：《数据资产管理稽核办法》、《数据资产管理问题管理办法》。
4.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、数据资产内部共享和运营流通等。
在大数据时代，数据运营企业关于数据价值的实现是体现在数据分析、数据交易层面。
本阶段主要交付物包括：《数据资产价值评估方法》、《数据资产成本管理方法》、《数据资产共享流通管理办法》。
（二）实践模式
其一是组织方式，有自上而下的顶层设计模式和自下而上的各个击破模式两种类型；其二是建设策略，有生产系统优先和数据系统优先两种类型。
（三）软件工具
相对比较成熟的工具有数据标准管理工具、数据模型管理工具、元数据管理工具、主数据管理工具、数据质量管理工具、数据安全管理工具和数据生命周期管理工具等七类工具，这七类工具有的是单独呈现，有的是相互组合在一起形成包括多种功能的软件平台，其具体意义和主要功能将展开具体阐述。除“数据资产管理”相关的工具之外， 在大数据能力构建中，一般还要利用“数据集成工具”、 “数据共享交换平台”等，通过传统数据仓库或大数据平台等媒介将数据集成交换到一起，从而为应用分析或开放做准备。
（四）成功要素
1.明确责权利标，有效推进管理。
重视组织管理的作用，将责权利清晰化，逐步建立健全包括管理型人才和技术性人才的适应数据发展的人才结构，减少工作推进阻碍。并注重数据标准化环节以保障信息体系不发生混乱，确保数据规范一致性。数据标准是数据资产管理的基础，是对数据资产进行准确定义的过程。
2.合理引进技术，提升治理能力
根据自身实际情况，避免盲从，合理引进创新技术以提高数据挖掘准确性和挖掘效率，节省人力成本。技术应用的成功与否还是要取决于企业自身商业模式的建立，以数据融合技术为战略资产的商业模式，可以决定企业未来。
3.着眼业务应用，释放数据价值
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，数据资产管理人员不能只陷于数据资产管理工作，还应紧密联系业务，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。
4.加强数据合规，注重风险风控
数据资产管理是一项持之以恒的工作，不可能一蹴而就，需要一个循序渐进的过程分阶段进行。要做好充分地长期作战准备，就一定要加强数据合规操作，避免安全漏洞，及时风险风控。
5.持续迭代完善，形成良性闭环
一步到位建立一套完美的数据资产管理体系是很困难的。主要原因是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，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。