業需要轉變對數據資產價值的認知，在企業運營及管理中建立數據資產價值體系。在數字化業務領域中，需要考慮將數據權屬定義至指定的部門及崗位，將數據資產的價值納入到整體運營及考核中，真正做到將數字資產的價值嵌入到每一個數字化流程。企業在建立數據資產管理體系后，需要進一步挖掘及發揮數據資產價值。不僅是常見的數據決策分析，還需要體現在數字化業務的各個環節。從生產驅動價值轉變為數據驅動價值，數據價值將讓傳統制造企業轉變成數據服務型企業。

數據治理：依托企業數據管理實踐，形成企業數據戰略、治理組織人才、規范流程，為數據驅動業務運營提供基礎保障。

統一數據資產：包含數據資產目錄、數據標準、企業級數據模型、數據分布、數據地圖等。從數據產生、入湖、聯接、應用整個生命周期提供設計指導。

數據運營：提供數據運營機制與職責、建立運營指標體系（如數據服務建設周期、數據需求響應周期等），保障數據管理工作持續良性運轉。

01 數據意識能力：轉變對數據資產的認知和意識

目前，我國只有少部分企業重視大數據在決策方面的應用，多數企業管理人員還未真正認識到大數據的價值。

在海量的數據中，只要挖掘出與提高企業利潤相關性比較大的因素，就可在一定程度上為企業決策管理提供戰略支持。這就要求企業的管理者要有敏銳的洞察力，這對管理決策者的思維方式提出了一種新的挑戰。如何讓企業，尤其是管理層意識到數據的重要性成為了首當其沖的目標。

（一）貫徹數據意識

數據治理表面上是技術，實際涉及到的是管理、制度、理念等的更新，需要企業統籌規劃和協調，將數據意識貫穿上下每個人、每個業務。

（二）隊伍建設/建立數據管理部門

通過企業一把手帶頭、同時信息化部門主動聯合業務部門形成一個“聯邦制”的數據治理機制，雙方通過精誠合作，最終形成合力，在保障數據治理有效推進的同時，提升信息化人員的業務理解能力，提高業務部處人員的信息化素養。

（三）關注所有人員的技能和任務

數據的廣泛程度決定了任何人都無法單獨處理它們。讓整個企業擁有數據管理意識的第一目標是讓人們不在畏懼數字。領導層必須進一步關注人員的技能和任務，其中包括：

1.制定數據治理原則以加強數據透明度。2.打破阻礙協作和數據優化的組織和數據孤島。3.運用明智的變革管理方法做宣傳，以說服大家接受數據文化。

（四）將數據管理融入文化1.提供員工培訓，令其對數據產生好感。2.通過強有力的用例向企業證明我們能從數據中獲取洞察和成果。3.在訓練營開展數據培訓。

02 資產化能力：數據資產管理路線圖規劃策略

1.企業數據資產應用場景規劃與全方面數據體驗

通過數據應用現狀調研及應用場景設計，構建企業實時在線運營平臺，支撐全方位觸達用戶的數據驅動業務運營。

2. 數據治理體系建設

（1）數據治理體系規劃初步方案

數據管控包含構建數據管理框架，數據管控活動、管理角色和職責。

首先構建數據管理框架，明確數據管理的核心職責，建設數據組織。

數據組織建設的定位：實體化的數據管理專業組織，負責構建并管理數據管理體系，通過持續改進數據管理，實現“清潔數據成就卓越運營，智慧數據驅動有效增長”。

建議數據組織的核心職責聚焦如下四個方面：數據架構建設、變革管控機制、數據質量管理、數據質量指標納入數據責任人的績效考核。

數據組織做好數據管控的主要行動步驟：

（2）數據資產梳理

數據架構（Data Architecture）：企業級數據架構是以結構化的方式描述在業務運作和管理決策中所需要的各類數據及其關系的一套整體組件規范。

數據架構包括數據資產目錄、數據標準、企業級數據模型和數據分布四個組件。

（3）實施元數據管理

元數據是“數據的數據”，主要描述數據屬性的信息，用來支持如指示存儲位置、歷史數據、資源查找、文件記錄等功能。如同給數據建立檔案，通過增加對數據的各種屬性描述，支持相關擴展管理。而元數據管理是數據資產管理的重要基礎，是為獲得高質量的、整合的元數據而進行的規劃、實施與控制行為。元數據管理主要工作包括規范元數據的產生、指導元數據的采集、管控元數據的注冊等。

規范元數據的產生：定義元數據分類和元數據實體，明確元數據設計原則、規范和方法，指導元數據管理平臺和元數據設計工具的選型與建設，支撐數據和IT人員進行元數據的設計、管理及應用。?

指導元數據的采集：定義元數據采集過程中應遵循的標準與接口，統一元數據的采集模式，保障高效、準確的元數據采集。?

管控元數據的注冊：通過元數據資產管理及標準的元數據注冊規范和統一的元數據注冊方法，實現業務元數據和技術元數據的連接，使業務人員能看懂數據、理解數據，并通過數據底座實現數據的共享與消費。

（4）數據安全管理

數據安全管理是指對數據設定安全等級，建立完善的體系化的安全策略措施，全方位進行安全管控，通過多種手段確保數據資產在“存、管、用”等各個環節中的安全，做到“事前可管、事中可控、事后可查”。

數據安全管理的關鍵工作包括理解數據安全相關法律法規要求、定義數據安全標準、劃分數據安全等級、定義業務敏感數據對象、定義數據安全策略、定義數據安全控制及措施、數據安全審計、數據安全應急預案和數據安全教育培訓等。

大數據安全體系為大數據安全的總體管控架構，包括管控框架、技術架構及運營機制。其主要作用為企業建立大數據安全的管控能力，并可用于安全能力評估，制訂安全體系建設規劃及路線圖。

參照《數據安全能力成熟度模型》，以及《公安部信息安全等級保護2.0》滿足等保三級要求，從數據采集、傳輸、存儲、使用、交換以及銷毀等各個階段所面臨的安全風險進行綜合規劃。

03 數據應用的技術能力

數據集成、數據治理、服務開發、數據服務、可視化工具，從而實現數據從采集、存儲、管理、計算、分析利用和數據交互的功能。

1. 數據集成

數據集成用來完成數據入湖動作，不是簡單的數據搬家，而是按照一定的方法論進行數據備份。數據入湖的前提條件是滿足6項數據標準，包括：明確數據責任人、發布數據標準、定義數據密級、明確數據源、數據質量評估、元數據注冊。此標準由數據代表在入湖前完成梳理并在數據治理平臺上進行資產注冊。

技術上要支持多種異構數據源高效入湖。

數據使能平臺架構示意：

2. 數據治理

數據治理是對數據資產的管理行使權力和控制的活動集合（規劃、監控和執行），職能是指導其他數據管理職能如何執行。

數據治理主要目標是實現：一致的信息架構與標準、唯一可信的數據源、可靠的外部數據、數據架構與IT握手、跨領域數據匯聚與整合、報告/指標數據可服務化、業務監測過程數據可視化、可管理。

數據治理框架制定如下：

3. 數據服務化

建立統一的數據開放服務平臺，對公司內部提供數據開發與服務支撐，對社會和企業提供統一的對外數據開放服務，提供數據服務權限管理，隱私管理、數據服務開發與API封裝，以及API使用統計等能力，使得數據價值得以充分釋放。

示例：零編碼實現多數據源API接口發布，支持數據出湖，服務上層應用。

4. 數據資產開發

數據的真正含義是數據價值的發現與利用，因此如何讓采集的海量數據被利用起來體現價值是規劃中需要考慮的一個關鍵要素。為此需要構建豐富的數據開發工具、模型與組件，交互式分析工具、數據分析挖掘平臺與工具、數據標注與標簽管理等工具。

同時需要提供一系列數據分析與人工智能算法與模型庫，包括常用的分類、聚類、回歸、關系分析等機器學習算法，以及基于深度學習的模式識別、圖像和視頻計算機視覺處理、語音和文本自然語言處理等算法與模型庫。

并在此基礎上將伴隨著應用開發過程中出現的通用工具組件，如表單自動識別與信息填充、人臉識別等作為公共服務組件發布，一起來保障上層應用的快速開發。

5. 數據可視化

數據可視化的廣泛應用有助于數據價值呈現，便于業務和管理人員使用，幫助業務分析推動決策。

04 規劃建設建議

1. 建設規劃

依據企業發展戰略與業務發展需要，以數字化轉型為指導，制定企業數據管理總體規劃，明確數據管理戰略和目標，優化數據管理體系，制定數據質量評估模型，識別數據使能平臺建設需求與方案，指導企業數字化建設進程。

加速數據資產增值變現是新商業模式構筑的基礎，大概分為三個階段：

2. 速贏試點

某公司營銷數字化升級之基于數據使能平臺的BI規劃與高階設計項目實踐應用示例。

在營銷體系建立方面， 幫助客戶公司形成了一個基于數據使能平臺的從結果到過程的多維度指標體系，并按照RACI機制（R：行動內容的執行者，A：對結果負有最終責任，決策者，C：需要時被咨詢相關意見的信息輸入方，I：擁有特權，可被告知執行過程或結果的人員）和關鍵用戶，對指標進行分層分級。最終對每一個指標進行清晰定義，形成指標字典，明確定義、預警規則和責任歸屬等。

KPI和指標對于跟蹤計劃進度至關重要， 由于數據治理需要整個企業管理者的批準和整體布局，因此必須要充分數據治理的目標以及獲得的預期收益。同時，對于找到未來改進計劃的方法也至關重要。