数据资产形成条件 - 数据可变现

限量版犯贱

2023-12-27

数据治理与运营是数据资产形成的重要手段，是数据可变现必然过程。根
据数据资产的定义，能够成为数据资产的数据资源需是能够为企业带来预期经
济利益价值的。那些没有经济利用价值或者在现有技术和知识条件下，未能识
别确定在未来是否有经济获利能力的数据资源，不能列入数据资产。因此，数
据可变现的前提因素之一是通过数据治理与运营，使数据变成可交换且可被流
通对象所解释利用的数据资源。当前，多数组织由于缺乏数据治理能力，导致
数据质量普遍不高、数据接口不统一无法融合，无法形成有价值的数据资源，
直接影响了数据资产的价值最大化。
1. 建立数据治理总目标
数据治理是指将数据作为资产围绕数据全生命周期而展开的相关管控活动、
绩效和风险管理工作的集合，以保障数据及其应用过程中的运营合规、风险可
控和价值可实现。数据治理体系则是指从组织架构、管理制度、IT 应用技术、
绩效考核等多个维度对组织的数据架构、元数据、数据质量、数据标准、数据
安全、数据生命周期等各方面进行全面的梳理、建设并持续改进的体系。
10
在开展数据治理工作前，应当先结合当前行业组织信息化发展过程中数据
业务相关的应用需求，以“风险可控、运营合规、价值实现”为原则来确定数
据治理总体目标 。
2. 数据治理需求分析
“数据资产”概念虽然在各组织单位中越来越受到接纳和认可，但目前各
组织单位对数据资产的管理状况依旧不容乐观，制约了组织数据质量的进一步
提高，同时也限制了数据价值的实现。根据行业信息化与数据治理发展现状，
各组织单位现阶段对数据治理的需求主要体现在以下五大方面：其一，需要专
门对数据治理进行监督和控制的部门，从全局的视角对数据进行管理，保障数
据管理标准和规程的有效执行；其二，需要规范统一的主数据，通过主数据管
理，保障主数据在整个业务范围内保持一致、完整和可控，保证数据的准确性；
其三，需要统一数据质量管控体系，保障跨部门跨机构的数据质量管控标准与
规范；其四，需要数据全生命周期的治理，完善采集、使用、维护、备份到超
期被销毁的数据全生命周期管理规范和流程，有效识别超期和无效数据，并将
非结构化数据纳入数据全生命周期的管理范畴；其五，需要规范统一的数据标
准和数据模型，统一数据规划和数据标准，使各部门对数据的理解能用一致的
语言来描述。
3. 数据治理体系建设
组织构建数据治理体系主要围绕数据治理管控机制、数据治理核心域、IT
工具支撑、数据治理管控宣介以及数据治理实施路线规划五个方面展开。具体
内容及相互关系参见下图：
11
（1）数据治理管控机制是数据治理得以顺利开展的基础保障。组织应在数
据治理项目开展前，明确数据治理组织架构，并建立数据治理管控机制，使规
章制度与系统工具的结合，形成可落地操作的机制及相应的考核机制，通过数
据管控流程明确在数据治理组织下，各参与方的工作步骤、工作任务以及流转
方向，将数据治理任务进行分解，最大程度提高数据治理的执行效率，降低管
理成本。
（2）数据治理核心域，主要围绕数据架构管理、元数据管理、数据标准管
理、数据质量管理、主数据管理、数据安全管理、数据生命周期管理、数据服
务管理 8 个方面开展。
其中，数据模型是数据构架管理中重要一部分，是数据治理的关键和重点，
数据模型必须在设计过程中保持统一的业务定义。元数据是关于数据的数据，
描述了数据定义和属性。主要包括业务元数据、技术元数据和管理元数据。元
数据管理的目的是厘清元数据之间的关系与脉络，规范元数据设计、实现和运
维的全生命周期过程。元数据管理的内容主要包括元数据获取、元数据存储、
元数据维护（变更维护、版本维护）、元数据分析（血缘分析、影响分析、实
12
体差异分析、实体关联分析、指标一致性分析、数据地图展示）、元数据质量
管理与考核等内容。
数据标准管理是组织建立的一套符合自身实际，涵盖定义、操作、应用多
层次数据的标准化体系。数据治理对标准的需求可以划分为三类，即基础类数
据标准、指标类数据标准和专有类数据标准。基础类数据是指组织日常业务开
展过程中所产生的具有共同业务特性的基础性数据。基础类数据可分为客户、
资产、协议、地域、产品、交易、渠道、机构、财务、营销等主题。指标类数
据是指为满足组织内部管理需要及外部监管要求，在基础性数据基础上按一定
统计、分析规则加工后的可定量化的数据。专有类数据标准是指公司架构下子
公司在业务经营及管理分析中所涉及的特有数据。
数据质量管理包含对数据的绝对质量管理、过程质量管理。数据质量管理
的规划和实施应至少包括以下内容：一是数据质量管控体系的建立，包括数据
质量的评估体系，定期评估数据质量状况；二是在部门各个应用系统中的落实，
包括每个应用系统中的数据质量检查等；三是在最开始建立数据质量管理系统
的时候，借助数据治理平台上，通过建立数据质量管理的规则来集中化地建立
数据质量管理系统，发现问题并持续改进；四是数据质量管理与业务稽核的结
合，通过业务规则的稽核来发现数据质量深层次的问题，将数据质量与业务一
线结合起来，使业务人员对数据质量问题有更加清晰和明确的认识。完善的数
据质量管理是保障各项数据治理工作能够得到有效落实，达到数据准确、完整
的目标，并能够提供有效的增值服务的重要基础。
主数据管理要做的就是从各部门的多个业务系统中整合最核心的、最需要
共享的数据（主数据），集中进行数据的清洗和丰富，并且以服务的方式把统
13
一的、完整的、准确的、具有权威性的主数据传送给组织范围内需要使用这些
数据的操作型应用系统和分析型应用系统。
数据安全管理主要解决的就是数据在保存、使用和交换过程中的安全问题，
如何保障数据不被泄露和非法访问是非常关键的问题。数据生命周期管理一般
包括数据生成及传输、数据存储、数据处理及应用、数据销毁四个方面。数据
服务管理是指针对内部积累多年的数据，研究如何能够充分利用这些数据，分
析行业业务流程优化。数据使用的方式通常包括对数据的深度加工和分析，包
括通过各种报表、工具来分析运营层面的问题，还包括通过数据挖掘等工具对
数据进行深度加工，从而更好地管理服务。
（3）数据治理管控宣介为组织数据治理的成功实施提供保障。宣介的内容
主要围绕组织数据治理现状、数据治理体系建设、数据治理未来愿景、组织团
队建设以及信息系统建设等，构建具有针对性的数据治理管控宣介方案，形成
数据治理的全员意识，为组织数据治理的成功实施提供保障。
（4）IT 工具支撑主要包含数据治理工具、技术规范、选型标准等方面。其
中数据治理工具主要是为了支撑公司数据治理体系和制度办法在流程上的执行
落地，以最大限度地实现公司数据治理工作的自动化，提升数据治理能力和数
据服务水平的有效手段。技术规范是保障数据治理平台可持续管理的基础，随
着数据量的增长、技术水平的发展，为更好、可持续地实现数据资产的管理、
应用，需结合数据治理相关管控制度和流程，构建组织的数据技术规范。选型
标准是在数据治理体系建设和完善的基础上，调研分析数据治理产品和工具，
结合组织实际应用需求，形成相关的数据治理产品选型标准和建议。
（5）数据治理实施规划是一项长期的复杂工程，需提前进行整体战略布局。
14
其涉及面之广且深。为了更好地落实数据治理工作的开展，组织数据治理工作
需要根据其当前的现状和水平分阶段的逐步开展，因此有必要制定组织未来几
年的数据治理实施路线图，明确数据治理实施路径，形成相关指引，为其 IT 战
略和数据战略以及公司发展战略规划提供支撑。
综上，数据治理的目的是为了最大化地释放数据价值，使数据能更好地被
组织所利用和变现，是实现数据资源到资产化，提升数据资产价值的重要过程。
正如《DAMA 数据管理知识体系指南（第 2 版）》（DAMA-DMBOK2）指出“数据
管理是为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周
期中制定计划、制度、规程和实践活动，并执行和监督的过程”；中国信息通
信研究院《数据资产化：数据资产确认与会计计量研究报告》（2020 年）指出，
数据资产管理是数据从泛在无序的资料变为资源，并进一步上升为资产的前提
和必经之路。