本篇文章為億信華辰《決戰數字化轉型》系列直播中《企業數字化轉型如何做好數據資產管理》視頻直播稿件。如需獲取相關資料，可登錄億信華辰官網社區進行直播回看或下載PPT。

本次直播我們分享的主題是：企業如何做好數據資產管理？將會從4個方面來進行分享：首先數據資產概念及其價值是什么；其次介紹數據資產管理企業常見的痛點和難點；再者是企業做好數據資產管理道法術器的系統方法論；最后通過實操案例，讓你學會如何從0到1做好企業數據資產管理的項目。

—? 01? —數據資產概念及價值是什么？

1.數據資產的基本概念

首先，我們要理解數據資產的概念是什么？數據資產和我們日常生活普通資產一樣，是廣泛存在的，它是指能夠對組織經營發展產生價值的數據。比如某個商品的銷售數據，企業可以分析得出規律，方便后續更好做推廣營銷活動。

一般數據資產，都具有以下特點：它是廣泛存在的，用技術手段更容易獲得，可以提煉得出最大化價值，有豐富的用途，以及可以通過深入挖掘來發現。

2.數據資產與數字化轉型的關系

如果把企業的數字化比喻成高樓大廈，那么基礎數據就是自身的土壤，而數據資產就是整個大樓的地基，地基的作用，直接決定了數字化應用。

如果沒有做好數據資產管理，企業只能做短期的數字化應用，但是無法長期有效運營下去。地基的作用直接決定了數字化應用，這個大樓，它的一個極限在哪。

如果說數據資產能夠做的很好，就可以應用在資產交易，資產交換，資產服務等一系列的數字化應用里，并將數字化應用的場景持續地去發展下去。

3.什么是數據資產管理？

數據資產管理，可以簡單理解為一個從礦產、冶煉、加工到最后形成商品的一個過程，即從一個數據原始的金礦產，含有很多雜質，經過加工企業打磨，就可以變成手鐲，項鏈耳環等餐盤。

在企業進行數據資產管理中，需要找原始數據，然后判斷數據之間關聯關系，通過建模，通過數據湖或數據倉庫，形成優質數據，數據指標，為決策做支持，為報表，大屏展示打基礎。

—? 02? —數據資產管理常見痛點和難點

1.數據資產管理常見6大痛點

不同行業不同企業信息化程度不同，常見的痛點及要點也不一樣。經過億信華辰深耕大數據16年的行業經驗。

在數據資產管理這塊，歸納了6種常見的問題，分別是：缺乏統一的數據視圖；數據基礎薄弱；數據價值難估；數據管理富裕表面；缺乏安全的數據環境；數據應用不足。

（1）缺乏統一的數據視圖：例如，在比較分散的情況下，我們很難發現數據之間的關聯關系。主數據是一個非常重要的數據，被多個相關聯的數據所引用，因此主數據是數據資產重要組成部分。

（2）數據基礎薄弱：指的是企業即使有系統，但是系統數據不能直接使用。特別是針對制造業，有眾多生產質量控制系統等。當到了財務成本計算階段，這些數據卻無法提供支持，需要大量做數據加工，耗費人力和精力。

（3）數據應用不足：指的是大量的數據產生于線下，沒有應用能夠支撐經營活動的流程化。從數據線下生產，再到流程化，信息化，需要有一個完整系統的過程。

（4）數據價值難以評估：數據價值如何體現？一般情況下，就是數據丟失，找回數據需要付出多大的代價。

（5）缺乏安全的數據環境：在日常的數據管理中需要有數據安全保障，包括數據的采集，存儲，不管是利用分布式還是用數據庫儲備，都要進行備份等，整個數據管理需要有一種安全的意識貫穿始終。

（6）第六點是數據管理浮于表面：很多企業空喊口號，但是沒有具體的數據管理部門，相關流程與制度，導致數據治理處于表面，無法用數據給企業的經營與發展提供價值。

2.數據資產管理4大要點

數據資產管理的4大要點，分別是數據資產范圍界定，數據規范制定，數據價值鑒別，數據應用設計。

（1）數據資產范圍界定，企業需要知道哪些數據是數據資產，哪些不是，對數據管理的范圍有明確界限。
（2）數據規范制定，包括數據資產定義，流程規范，數據資產服務接口規范
（3）數據價值鑒別，包括企業如何判斷哪些數據更有價值，方便數據資產編目
（4）數據應用統計，企業如何根據已有數據資產，提供相關的數據共享服務

—? 03? —數據資產管理的道法術器

1.數據資產管理之道法術器

數據資產管理是一個系統活動，我們今天分享道法術器系統的管理方法論。道：包括數據戰略，組織機制，數據文化等道方面；法：管理層面，實施的方法論；術：操作層面上的技術，有效推進企業數據治理所采用的各類舉措和技術；器：如何利用技術平臺和工具，來做好數據資產管理。

2.數據資產管理之道

數據資產管理的戰略，需要和業務戰略保持一致，一定要給業務提供相應的支撐，這樣企業高層才能給予數據管理部門支持，數據治理項目才能長久做下去。

同時也要搭建相關的組織架構，管理制度，規范和流程，隨著企業信息化的一些發展，相關的組織架構，管理制度，流程都會不斷改進和優化。

最后一個是數據文化普及，要讓企業所有人都意識到數據的價值。業務部門的人，可能認為數據就是報表，就是大屏，無法理解數據真正價值。

要把數據資產管理好，需要IT部門發揮牽頭作用，讓業務人員看清楚數據的價值，如何激發挖掘數據的價值。

3.數據資產管理之法

數據資產管理之法，指的是把數據收集，管理，利用，數據定價全過程。核心包括管理職能和保障措施。

管理職能，包括如何去落實數據資產運營管理者這一系列的具體行為，包括去做數據地圖，數據鏈路，數據字典，去做數據標準化。

在管理過程中如何保證它能夠順利進行，需要有相應的戰略規劃，組織架構，體系制度，審計制度，還有很重要的培訓宣貫。

4.數據資產管理之術

數據資產管理之術，指的是如何持續做好數據資產管理的1+4+N的模式去推進。首先，需要強調的是這種管理架構和策略，其次要關注數據增值應用，數字化應用，以數據資產管理職能為支撐。

5.數據資產管理之器

有了管理制度，組織架構，工作流程之后，就需要借助資產管理平臺去落地。數據資產管理平臺，一要做好數據集成，數據治理，然后數據資產相關的規劃。其中涉及到元數據模塊，數據標準模塊，數據質量，數據資產，數據集成，是一個龐大系統的建設工程。

6.元數據模塊

首先說說第一個元數據模塊，元數據是數據治理的基石，它的一個主要作用就是讓這個數據資產更容易懂。

在實際場景中，經常會接到一個項目，我們去詢問業務部門的一些意見，但是業務部門通常反饋是數據庫太多專業東西不懂，都不知道有什么用。

而元數據則可以解決這個問題，通過編輯的數據字典和數據地圖，讓業務人員能夠快速查詢相關信息。

一般來說，元數據模塊，要注意元數據的常見管理，包括采集，檢索，質量檢核，分析，變更管理，分析，數據地圖等。

通過了解資產的途徑，了解元數據質量，整合元數據的填充率。通過更多采集器，血緣關系，監控指標，系統脈絡都一目了然，便于業務人員理解使用數據資產。

7.數據標準模塊

數據標準，其實就是一個約束作用，對數據的約束，保證數據資產的一致性。

標準的要求，一般比較泛，有國家標準，行業標準，企業自身也有標準。類似于主數據，屬于一個企業級的表，每個企業根據自身的一些情況，去設置這種數據主數據的標準，實現快速匯集。

在數據資產管理模塊，主要有數據標準制定，審批發布，落地映射，落地評估，標準監控，標準文檔管理等，目的是讓標準管理有層次，評估精確，統計信息直觀，標準參考有理有據。

8.數據質量模塊

在數據質量模塊，要對資產的一些真實有效性做一個評估，需要把一些有問題，沒有價值的數據，用規則進行拍出，確保數據資產能夠夠體現價值。

數據質量方面，企業需要質量規則管理，檢查方案管理，質量評估，數據整改，質量分析報告，建立質量知識庫。

而億信華辰數據治理睿治產品數據質量管理功能，里面內置質檢類型多，拓展性強，數據更改更加精細，質檢監控數據簡單明了，還可以自己定義質量報告。

先通過規則篩選出具有價值的數據，接著需要形成質檢方案，因為不同部門對于數據質量的要求是不一樣的。邏輯上的話，最好是業務部門來進行質檢，因為他們最終是數據資產的消費者。

9.數據資產模塊

經過元數據，數據標準，數據質量的三個步驟，組織差不多已經有了一大堆的數據資產，這個時候需要對數據進行管理。

數據資產需要編目，通過資產門戶去搭建，提供資產服務，還有數據資產監控，輔助資產分類的標準等。

日常數據資產管理，就是要對資產編目，資產檢索，資產服務，資產監控，資產分析，資產標簽等功能，把數據資產進行歸類管理。

10.數據集成模塊

最后一個步驟，是數據集成模塊，組織有大量零散，分布的數據資產，需要集中統一管理。而數據集成的作用，則是降低數據資產化的操作門檻，讓更多的業務人員參與其中。

數據集成方面，一般包括可視化建模，模型資源檢索，ETL過程設計，ETL過程流設計，數據脫敏，調度管理等。

企業需要設計從數據庫抽取，轉換，加載數據的流程，對敏感數據資產進行脫敏，設置數據資產訪問權限，使用權限等內容，更好集中管理好大量的資產數據。

—? 04? —數據資產管理實操案例

講解了那么多干貨內容，第四部分，我們結合一個實際的業務場景，看看如何做好一個數據資產管理上的項目。

1.項目背景

首先整個背景，某集團經過多年發展，沉淀了海量數據，想用大數據挖掘數據價值，以數據化手段拉動業務提升，實現整個信息化的支撐向數字化引領的戰略轉變。

客戶主要訴求就是對企業數據進行全生命周期資產化管理，然后促進數據，在內增值，在外增效兩方面的價轉變，同時去控制數據在整個管理流程中的成本消耗。

2.數據資產管理建設5大步驟：

在數據資產管理整個建設過程，主要分為5個步驟：
第一步，是數據資產盤點，要找出哪些數據是數據資產
第二步，是數據資產集成，把所有數據資產全部集中起來
第三步，是數據資產的治理，把數據資產進行編目，分類處理
第四步，是數據資產開發應用，如何把數據資產分享出來應用
第五步，要做一個資產價值的評估，哪些數據價值高，哪些數據價值低
這個建設過程，在實際操作中，可以交替互換。比如在做資產盤點的時候，可能在前期已經有非常好的數據基礎，那么在后面資產管理中，資產治理環節可以跳過。

數據湖，數據倉，數據組，原數據庫，指標庫這些產物如果做的足夠好，那么在做數據資產開放應用和資產價值評估的時候，可以節省大量時間，會縮短整個項目的周期。

3.數據資產盤點1

首先，第一步需要判斷哪些數據是數據資產，一般用5個方面衡量：
（1）業務權重：這個數據是否屬于核心業務的運營范疇
（2）角色群眾：這種數據對高層的決策是不是會帶來直接的影響，
（3）指標數據：一般情況下，95%的數據指標都可以放入到數據資產
（4）使用頻率：頻率越高，說明數據重要性越高
（5）技術存在與可控性：通過一些技術手段，能夠對數據進行一個獲取，維護，管控的狀態，管控程度與可控性，都是輔助的一個數據指標

4.數據資產盤點2

有很多企業，想做數據資產項目，但是最大的困擾就是技術人員不懂數據的業務價值，業務看不懂數據最終會落到什么地方，單單靠著數據資產盤點的5個維度，是無法讓數據使用者理解的。

這個時候組織需要建立元模型，把數據的五個方面融入到技術人數據，業務人數據和管理人數據，形成一個元數據的雛形，便于數據資產項目實施落地。

5.數據資產盤點3

除了使用以上5個方面來判斷數據資產，也可以自己制作一個資產目錄的模板，大家直接參考模板，就可以初步判斷數據是否有數據資產。

表格里面可能羅列得不是很全，但是分類的方法和維度應該對大家有所幫助，我們可以分為系統主題，業務主題，行業，組織架構主題，資產類型，服務分類，安全主題，資產形態主題等。

6.數據資產盤點4

在數據資產盤點的最后環節，要能夠形成數據之間的流向關系，有可以有效找到數據資產。從宏觀分析，其實就是看我們的數據經歷，每個系統，數據之間的有什么關聯。

在地圖上，可以很輕易看到一個系統如果與其他系統有很多關聯的線條，那么這個系統肯定是非常重要的，它里面的一些數據也肯定是核心數據。

從微觀上，業務人員可以看到報表是如何一步步從庫表中加工而成的。資產盤點不是技術IT部門的事情，業務部門一般也會非常感興趣，因為與他們的業務利益息息相關。通常情況下，IT數據設置一個數據員，業務部門來幫助加工，這樣報表整個制作過程UIu大大縮短。

7.數據資產集成

把所有數據資產劃分后，接下來需要做數據集成，整合一下所有的數據資源，把數據變成資產級。

數據資產要經過數據標準，數據質量，數據安全等治理工具，來進行清洗轉換，接著開始整合數據，在企業內部進行資源拆分共享。

比如人力部門，需要把績效信息發給各個部門，然后領導審批，人力給出綜合評價，再反饋到各個部門，流程比較繁瑣。

如果用數據資產層面，人力只需要開放考核信息，各個部門自己去看，自己分析。通過數據治理，把零散重復，不完整的數據整合起來，減少重復性的工作。

在整個數據資產里面，還需要提供相關的數據資產列表，在詳情里面也會描述數據資產，告訴使用者數據的產生地，應用場景，注意事項等內容。

數據資產列表，和淘寶里面的商品使用說明一樣，數據本身是一種商品，需要注明各種信息，告訴用戶有什么特點，有什么應用場景，有什么價值，才能更好發揮數據的作用。

8.數據資產治理

經過數據集成后，組織擁有大量的數據資產，里面有很多重復，零散，缺失的數據，要在使用數據之前，要經過數據清洗，就像要在做菜之前，需要對食物進行加工處理。

平時的數據資產治理，需要經過3個步驟：
①基礎治理，要把零散，重復，不完整的數據，進行篩選，刪除，補錄，整合。
②進階治理，數據初步治理后，接著需要數據清洗，定義清洗條件，質檢規則
③最終治理，利用數據標準，數據質量，數據安全標準，確保數據的精確，完整，一致有效，唯一性。
在治理途中，要特別注意檢驗規則，清洗規則，數據條件，要在一次次數據治理中積累經驗，優化規則，提高數據資產的質量。

9.數據開放應用

數據資產經過盤點，集成之后，企業就有了一塊黃金數據。下一步，就是企業需要通過數據服務化平臺，把它呈現給管理層，業務人員，職能人員以及客戶。

數據平臺的功能，類似于淘寶，每一個數據所有者，都是一個淘寶店家，把自己的數據放在店鋪里。

數據用戶可以通過檢索，去查找相關數據，應用于什么目的，接著通過反饋，賦予這個數據應用場景和價值。在實際操作中，也會有一些屬性，標簽，來提供更加精準的查詢，為數據消費者提供更好的體驗。

10.數據價值評估

最后一個，是數據資產評估。之前提到說，數據資產評估，一方面成本方面，就是數據丟失后，找回數據的成本，數據儲存的一些成本。

很多大公司，購買云服務器來存儲大量的日志數據，這些數據不是很有價值，大量過期的數據混淆在新數據中，造成數據冗余現象嚴重，也增加了數據庫的成本費用，一般這種數據錄的費用都是幾萬到十幾萬不等。

第二個方面，是數據的應用價值。我們要根據數據使用頻率，交互性，同步性，數據維護方面考慮。

比如一些投資集團的數據，制造業生產制造的數據，會沉淀大量的歷史數據。如果通過這些數據，來發揮一些規律，去縮短研發成本，做數據分析創新，提升產品業務銷量，讓數據實實在在為企業產生業務價值。