前言

数据是资产
国际数据管理协会（DAMA）
能力成熟度模型集成（CMMI）

现状

数据基础薄弱，数据标准混乱、质量层次不齐、数据孤岛化现象严重，阻碍了数据的共享
受限数据规模和数据源种类，主要应用：精准营销、风险控制；应用深度不够
数据价值很难评估，包括数据的成本和对戏业务的贡献

四部分

概念和特征趋势；实践角度资产管理主要内容；实施步骤、模式，技术工具和成功要素；实践经验案例

概念

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。

一、数据资产管理的核心管理职能
二、确保这些管理职能落地实施的保障措施，包括战略规划、组织架构、制度体系等

数据资产管理贯穿数据采集、存储、应用和销毁整个生命周期全过程，促进数据“内增值、外增效”，同时控制成本消耗

包括统筹规划、管理实施、稽核检查和资产运营四个主要阶段

数据管理领域

DMBOK1.0

  1. 数据治理

    最高层次、规划性的，关键活动：制定数据战略、完善数据政策、建立数据架构等，注重数据的使用者、使用方式、使用权限等合规性制定，强调开展数据资产全生命周期管理前的基础工作，关注数据资产管理中的相关保障措施

  2. 数据架构管理

  3. 数据开发

  4. 数据操作管理

  5. 数据安全管理

  6. 参考数据和主数据管理

  7. 数据仓库和商务智能管理

  8. 文档和内容管理

  9. 元数据管理

  10. 数据质量管理

DBMOK2.0

  1. 数据架构
  2. 数据模型和设计
  3. 数据存储与操作
  4. 数据安全
  5. 数据集成与互操作性
  6. 文件和内容
  7. 参考数据和主数据
  8. 数据仓库和商务智能
  9. 元数据
  10. 数据质量

数据价值难以有效发挥的原因

  • 缺乏数据视图

  • 数据孤岛现象

  • 数据质量低下

  • 缺乏安全的数据环境

    数据安全的风险：数据泄露和数据滥用

  • 缺乏数据价值管理体系

数据价值有效发挥的必经之路

体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益

  • 全面掌握数据资产的现状
  • 提升数据质量
  • 实现数据互联互通
  • 提高数据获取效率
  • 保障数据安全合规
  • 数据价值持续释放

数据跨境流动：数据主权、隐私保护、法律适用和管辖、国际贸易规则等

主要内容

8个管理职能：

  1. 数据标准管理（基础类数据标准和指标类数据标准）

    基础类数据标准：（参考数据和主数据标准、逻辑数据模型标准、物理数据模型标准、元数据标准、公共代码和编码标准）
    指标类数据标准：（基础类指标、计算指标）

    数据标准三要素：标准分类、标准信息内容和相关公共代码和编码

  2. 数据模型管理

    数据模型内容：数据结构、数据操作和数据约束
    按应用层次分为：概念数据模型、逻辑数据模型、物理数据模型

    数据模型管理包括对数据模型的设计、数据模型和数据标准词典的同步、数据模型审核发布、数据模型差异对比、版本控制等

  3. 元数据管理

    技术元数据、业务元数据和管理元数据

  4. 主数据管理

  5. 数据质量管理

  6. 数据安全管理

    存、管、用：事前可管、事中可控、事后可查

  7. 数据价值管理

  8. 数据共享管理

    数据提供者、数据消费者、数据服务者和数据运营者

5个保障：

  1. 战略规划

  2. 组织架构

  3. 制度体系

    数据资产管理规范（元数据管理规范、生命周期管理规范、数据质量管理规范及数据安全管理规范）
    规范需细化到接口设计、接口开发、模型设计、模型开发、数据开发及服务封装等
    规范的标准（基础分类标准、命名规范要求、数据架构划分、存储与数据权限规则、元数据信息完整性要求等）

  4. 审计制度

  5. 培训宣贯

实施要点

建立组织架构 → 应用需求梳理 → 数据盘点梳理 → 引进平台技术 → 汇聚多源数据治理数据 → 数据应用 → 数据运营

实施步骤

统筹规划 -> 管理实施 -> 稽核检查 -> 资产运营

  • 统筹规划交付物
    一阶段交付物：《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》
    二阶段交付物：《数据资产盘点清单》、《数据资产管理现状评估》
    三阶段交付物：《数据资产标准管理办法》

  • 管理实施

数据可视化、搜索式分析、数据产品化等降低数据使用难度
数据“平民化”（如数据应用商店）扩大数据覆盖范围

交付物：《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）

  • 稽核检查
  1. 数据标准执行情况检查的常态化
  2. 数据质量稽核的常态化
  3. 灵活配置数据存储策略的常态化
  4. 数据资产安全检查的常态化
  • 资产运营

交付物：《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》

实践模式

思考维度：组织方式、建设策略

组织方式：自上而下（规范、标准先行）、自下而上（问题导向、系统建设先行、快速见效）
建设策略：生产系统优先、数据系统优先

软件工具

  1. 数据标准管理工具

    标准生成、标准映射、变更查询、映射查询、维护标准、标准版本查询、标准导出、标准文档管理

  2. 数据模型管理工具

    数据模型设计、模型差异稽核、数据模型变更管控、模型可视化

  3. 元数据管理工具

    元数据采集、元数据识别、元数据分类、元数据展示、元数据应用、元数据搜索

  4. 主数据管理工具

    企业级主数据存储、整合、清洗、监管以及分发等功能
    主数据存储\整合、主数据管理、主数据分析、主数据分发与共享

  5. 数据质量管理工具

    质量需求管理、规则设置、规则校验、任务管理、监控分析、质量报警、报告生成

  6. 数据安全管理工具

    数据获取安全、数据脱敏、统一认证、租户隔离、角色授权、日志审计、异常监控、数据分类分级

  7. 数据价值管理工具

    数据需求分析、数据价值评估、数据成本管理、数据收益管理、数据服务、数据资产价值统计

  8. 数据服务管理工具

    服务目录、服务目录版本管理、数据资产共享和流通、其他功能