4000字详解数据资产盘点

在数据经济的大背景及数据业务需求量的迅猛增长下，很多大型集团型企业越来越重视企业数据治理体系建设与数据资产管理，充分体现现有数据资产的业务价值、经济价值和社会价值。目前，这类企业亟需构建满足业务发展需求、能快速响应的统一数据治理平台，以有效解决内部数据质量低下、数据统计分析缺乏等问题所引发的决策分析不及时、不准确。因此，对于构建基于新一代信息技术的数据治理体系，完善信息安全体系和标准规范体系，丰富数据资产应用的场景，来诸多企业提升数据质量、保障数据安全的迫切需求。

首先，理清企业的数据资产。企业需要对数据资产进行盘点，调研企业现存的数据问题，形成数据资产目录。通过数据资产目录，沉淀数据资产盘点的成果，加强对数据质量、数据安全、数据标准、数据服务等管理能力。

其次，构建数据治理的体系。成立数据治理委员会，形成数据治理工作小组，制定数据治理战略目标、发展意图、发展路线、总体框架等，梳理企业各业务系统。

第三，搭建数据管理体系。制定数据治理制度、数据标准、指标体系等，落实主数据管理、元数据管理、数据应用与服务及数据安全管理等方面的数据服务。

第四，建设全周期数据资产管理系统。统筹能力监管和资产运营相关要求，有效提升资产利用效率效果，建立基于数据中台的数据资产管理体系，不断提高资产效能效益。下面详细说下数据资产盘点。“盘点”本意是指清查库存物品实际数量和状况的一种作业。企业在日常运营中经常需要确定“账”与“实”是否一致，以保证企业的资产没有损失；或者根据“需”与“实”的对比，以决定是否需要补充某些资源。此外，在进行重大决策时，也经常需要盘点现有的资源是否足够支持完成某个项目。只要“账”、“实”、“需”都清晰明确，盘点常规资源通常不会是一项特别困难的工作。

通过对企业拥有的数据进行盘点将帮助企业弄清楚以下问题：

企业有哪些数据？关注数据的分类。 企业有多少数据？关注数据的存量、增量。 企业的数据存储在什么地方？关注数据的存储和取用方式。 企业的数据是由谁在管理？关注数据的归属部门和责任人。 识别哪些是重要数据，哪些是敏感数据？关注数据的分级、共享条件和范围。 当企业对数据资产做盘点时，经常会发现自己很难对数据的“账”、“实”、“需”做出清晰的界定：数据是零散地收集起来的，并没有一个系统管理记录的过程。企业既没有一本可以说明关于数据应该如何的“账”，也没有要求某个人或部门为数据的“实”负责；而当想要积累更多数据资源时，我们甚至说不清楚自己的“需”是什么。其实解决这个问题的基本思路并不困难。就像我们会通过偿债能力、运营能力、盈利能力等维度去分析一个企业的财务状况一样，盘点数据资产的第一步也是先建立好评估它的几个基本维度：应有的数据(“需”)、已有的数据（“实”）、可用的数据(“账”)：

“应有的”维度最容易理解，顾名思义，它指的是我们需要哪些数据来支持决策，也就是对数据的“需”。

“已有的”维度对应着数据的“实”，是对企业已有数据的归总与分类，让它从杂乱变得有序。

“可用的”维度则对应了企业将资源变为资产的能力，即，是否有能力通过数据来推动增长，还是只储存了一堆数据，却无用武之地。它是企业关于数据的“账”，也就是基于数据这种资源的特性而提出的企业的数据应符合的规则。

从“应有的”维度来看数据需求。如果想要将数据变成与人财物一样的基本资源来帮助提升业务，那么数据就应该能够覆盖到企业的各个职能与层级。下图中以职能为主要维度列出了企业通常需要关注的八个类别的数据，每个类别在主要用途、收集难度、要应对的挑战等方面都有所不同。比如：第1、8两项分别刻画了企业的内外部运营环境，对于各种重大决策非常重要，但通常零散而个性化，很多企业甚至并不认为在解决这类问题时会需要数据的参与。第2~7项大多与企业的常规工作过程有关，相对容易记录和积累。但它们通常是为了各种业务目的、在不同时期、由不同的人员记录下来的，并没有考虑过供分析使用，不但非常零散，而且容易出现各种质量问题，甚至彼此互相冲突。初步按职能划分得到的数据分类非常粗略，我们需要逐步将它细化到每个工作环节、甚至每个员工的日常工作，就可以得到企业在理论上可以收集到的全部数据。这个完整的大集合通常非常地庞大，在实践中必然要分步骤分阶段地建设：把那些最必要的、将被最高频使用的、最容易获得的数据优先地收集和使用起来。梳理好“应有的”维度的基本框架之后，下一步就是把企业现有的数据归并到这个分类中去，也就是“已有的”这个维度上的工作。这个阶段最常见的问题是“冷热不均”：我们经常会发现很多分类中没有任何的数据积累，而另外一些分类中已经有了好几个来源的数据。缺乏数据积累包括两种情况：一是彻底没有记录下任何原始数据；另一种是有一些记录，但是尚未电子化。在有多个数据来源的部分，数据可能因口径和命名不统一等原因而存在各种矛盾。数据的缺失和冲突，一般是我们在“已有的”维度上需要解决的最主要的问题。数据盘点的第三个维度是“可用的”，它决定了企业所收集的数据到底是能够变现的资产，还是徒耗成本的负担，甚至是巨大的隐患。上图展示了这个维度上四个层层递进的要求，这就是数据的“账”，我们用它来指代一套与数据相关的工作规范：

一、首先，收集和使用数据要合法合规。企业要确认自己有权拥有和使用数据，也要确保员工对数据的具体操作符合规则。我们一般把与此相关的一系列商业应用和技术管理的制度和实践统称为“数据治理”。这是数字化转型大厦的基石，如果基石不牢靠甚至缺失，即使企业一时能从数据中获益，也终将为之付出可观的代价。

二、其次，企业要保证数据的基本质量。基于错误的数据和方法，我们无法找到正确的决策路径。这个步骤最难处理的问题不是数据缺失，而是数据太多。对于缺失问题我们无非是找到合适的数据源和方法就可以解决。但如果针对同一个问题有多个来源的数据，且因口径、命名等不统一而彼此冲突，那通常就不是数据团队自己可以完成的事务，还会牵涉到众多相关业务职能的调整。要解决这类问题，企业需要建立起一套能够涵盖各种职能和层级的、统一的数据指标体系，它是保证全员在使用的数据语言时能够遵循统一规则的一套“语法”。

三、接下来，企业的数据应该形成一个有机的网络。想要让数据中的力量被充分地发挥出来，还需要让它们能够彼此“联系”起来，达到1+1>2的效果。在业务执行过程中被记录下来的很多数据只为某个业务流程服务，容易形成“孤岛”。数字化转型过程中很重要的一个工作就是发现数据孤岛，并通过适当的调整将它们打通，让数据能够像人体的206块骨骼相互关联一样，形成一个可以联动的整体。

四、最后，数据应当可以方便而高效地被使用。理想的情况下，在初步完成数字化转型后，数据的用户将遍及企业的每个角落。而不同职能和层级的人关心的问题、思考问题的粒度都不同，这就需要我们能够准确地定义好每个应用场景及其对数据的需求，再提供有针对性的、恰当的产出形式。

我们应该尝试通过数据产品帮助各个业务和管理职能去取得更好的效果、达到更高的效率、探索更广阔的范围。这样，数据就会非常自然地被接受，数据与业务的融合、数据文化的建立都将是水到渠成的结果。

那么，数据资产盘点从哪里开始呢？企业的数据散落在各个异构系统、甚至业务人员电脑中，数据结构、数据类型、存储形式、敏感级别、重要程度各不相同，整体看起来就像是一团乱麻的线，想要理出头绪其实并不容易。剪不断，理还乱，不是离愁，是企业那些不一致、不准确、不完整，无序、分散、纠缠不清的数据。

1、明确数据盘点范围数据盘点的范围一般从三个角度定义：

（1）组织范围，即盘点要覆盖哪些组织和部门，例如：集团本部、集团+分子公司等。

（2）业务范围，即要盘点哪些业务的数据，例如：生产业务、采购业务、营销业务、财务业务、人力资源业务等。

（3）系统范围，即要盘点哪些应用系统的数据，例如：ERP系统、MES系统、SCM系统、CRM系统、HR系统等。

2、明确数据盘点人员数据盘点谁负责牵头，谁负责配合、谁负责审核？需要投入多少人力资源，需要投入多长时间，是兼职参与还是全职参与？这些问题需要在盘点计划中进行明确定义，并与相关人员达成共识。

3、明确数据盘点内容数据盘点要根据业务的需要，确定哪些内容需要理清楚，诸如：

数据的分类：采购、营销、生产、财务、人事等

数据的结构：结构化数据、半结构化数据、非结构化数据等

数据的类型：基础数据、交易数据、统计数据、时序数据等

数据的存储：SQL数据库、文件存储、流式数据等

数据的敏感等级：核心、重要、一般等

数据的共享类型：不共享、有条件共享、无条件共享等

数据的开放类型：不予开放、有条件开放、无条件开放等

数据的存量：多少条目、多大容量等

4、明确盘点的计划表数据盘点应该有计划的一步步推进，例如什么时间开始、什么时间结束、什么时间发布都需要定义清楚。在明确了以上四个问题之后，企业数据盘点之旅就可以开启了！最后，介绍数据资产盘点的两个基本方法：一方面通过业务视角的自上而下演绎，确保数据可以按照业务的视角进行组织（需要用到业务元数据，对数据进行主题分类、属性分类、含义描述）。另一方面结合技术视角自下而上归纳（需要用到技术元数据，对数据的存储分布、血缘关系等进行描述），并通过建立目录中数据项与系统信息项的映射关系，保证每个数据资产项对应可以在真实的信息系统中查找到。

<END>