2019大数据产业峰会|中国信通院李雨霏:《数据资产管理实践白皮书4.0》

为了深入落实国家大凯发k网址数据战略,推动大数据产业交流与合作,展示我国大数据产业最新发展成果,2019年6月4日至5日,由中国信息通信研究院、中国通信标准化协会主办,大数据技术标准推进委员会承办的2019大数据产业峰会在北京国际会议中心隆重举办。

会上,来自工业和信息化部的领导,我国众多优秀大数据领域服务商、行业应用客户、研究机构、地方大数据主管机构的领导和专家,将对大数据政策、产业、技术的现状与趋势等内容进行交流探讨。

来自中国信息通信研究院的李雨霏进行了《数据资产管理实践白皮书4.0》白皮书的发布。

李雨霏

 

大家下午好,非常感谢何所的分享,他刚刚说明了数据现在是资产,而将来数据可能会成为大宗商品。那么对于企业而言,如何开展数据资产化管理仍然是一个问题。我今天主要为大家分享一下我们对于数据资产管理的见解,同时也为大家介绍一下数据资产管理白皮书相关内容。

    大数据已经成为了这个时代的重要资源,在政务方面,各地纷纷成立了大数据局,北京市也在2019年开展了数据治理项目。与此同时,各个行业也陆续展开了数据治理的调研,包括工业、金融业、互联网行业、证券行业、保险行业等等。但是调研结果也显示,目前很多行业依然处于数据资产管理的初级阶段,企业在开展数据资产化管理的过程中,也面临了诸多问题。

    我们从2017年开始逐渐深入研究数据资产管理,截止到目前为止,《数据资产管理实践白皮书》已经更新到第四版,今天我将围绕数据资产管理是什么、数据资产管理主要内容、数据资产管理的实施步骤等发面,为大家做一个介绍。

    首先介绍一下数据资产管理的概念。我们参考了DAMA国际对于数据资产的定义,同时也与业界专家进行了讨论,将数据资产定义为:由企业拥有或控制的,能够为企业带来未来经济利益的数据资源。这一点也说明了在企业里,并非所有的数据都能成为数据资产,只有能够在未来可能会为企业带来经济效益的,才能成为数据资产。

    另一方面,我们也知道,数据本身也蕴含了巨大的财富,如果企业能对其加以合适分析和利用,都可以将数据打造为资产。在本白皮书中,我们重点梳理了数据价值管理与数据成本管控,充分挖掘数据的价值。事实上在释放数据价值的过程中,也面临了很多瓶颈,包括数据的质量不过关,数据难以打通,数据获取成本较高以及数据安全难以保障,这些都阻碍了数据价值的充分发挥。一些调研机构数据也表明,不良数据质量将使企业额外花费15%—25%的成本,所以很多企业即使拥有了很多数据,但是很多也是数据垃圾。虽然拥有了很多数据,但是这些数据好像并不可用,除了一些算法的原因,还是在于我们对数据没有做足够的清理,数据质量还是保持在较低的水平。

    数据资产管理将会通过盘点数据资产,提升数据质量,打破数据孤岛,提高获取效率,保障数据安全,最终形成持续的闭环,进而实现数据可得、可用、好用,为企业数字化转型打好基础。

    我们主要总结了数据资产管理的两大块,第一是数据资产管理的八个主要管理职能,第二是数据资产管理的五个保障措施,下面我分别为大家介绍一下这八个管理智能和五个保障措施:

    1.数据标准管理。主要通过制定数据标准和数据规范,实现数据内外使用和交换一致性、准确性。

    2.数据模型管理。通过数据建模为企业真实开展数字化资产之前构建蓝图,确保数据资产化管理一步一步向前推进。

    3.元数据管理。元数据的定义是描述数据的数据,也是从更高的维度对数据进行描述,通过元数据更好的理解数据,从而可以追溯数据,发掘数据之间的关联关系。Gartner最近的报告也显示,元数据管理可能会成为现在数据资产管理的一个主要驱动力。

    4.主数据管理。主数据是指跨各业务系统或者业务部门频繁使用共享的数据,或者我们可以简单理解为“主要”数据。如果将主数据管理好的话,将会为企业进行数据标准化管理进行一系列管理节约很多人力、物力成本。

    5.数据质量管理。主要通过提升数据质量来提高数据应用和服务水平,使数据能够支撑管理者做出更加准确理智的决策。

    6.数据安全管理。主要通过对数据进行安全等级的划分,做到事前可管、事中可控、事后可查。

    7.数据价值管理。这是数据资产管理中区别于数据治理的一点,实现数据真正的资产化,通过像管理有形资产一样,对数据进行成本管控以及价值挖掘,从成本管控以及收益管理两个方面最优化、最大化释放数据的价值。

    8.数据共享管理。主要是指通过数据内部共享、外部流通以及对外开放实现数据内外部的价值释放。

    五个保障措施是支持数据管理职能开展的重要基础:第一个是制定战略规划。将数据资产管理发展规划作为企业战略规划的一部分,这也是企业能自上而下顺利推动数据资产管理非常重要的一步;第二个是完善组织架构,明确数据资产管理过程中涉及的各个角色相应的职责;第三个是建立制度体系;第四个是设立审计机制;第五个是开展培训宣贯,使数据资产管理变得更加专业化。

    在数据资产管理过程中,也会配套有一些管理工具,辅助专业团队更加高效便捷开展数据资产管理相关工作,主要包括数据标准管理工具,元数据管理工具、主数据管理工具、数据质量管理工具、数据安全管理工具、数据价值管理工具、数据服务管理工具等。其中数据价值管理工具和数据服务管理工具也是非常重要的两个管理工具,通过建立数据服务的目录、进行数据资产的盘点、数据价值的评估、提供便捷的数据服务等实现数据资产共享流通,真正释放数据的价值。

    企业在真实开展数据治理项目的时候,我们建议遵循以下四个步骤:第一步,统筹规划。在该阶段,企业需要完成数据资产的盘点,全盘了解所拥有的数据,衡量当前数据管理水平,建立组织体系和制度规范等。第二步,管理实施,主要是数据资产管理各活动职能的落地。第三步,稽核检查,包含对数据标准、数据安全、数据指标、数据开发操作等一系列的检查。第四步,资产运营,实现数据资产内部共享和运营流通。每一步都有主要的交付物,这也是白皮书4.0更新的其中一点。企业开展数据资产管理的时候,也同样需要考虑自身组织方式、架构体系以及当前数据管理水平等多个因素,灵活调整各个步骤。

    在对数据资产管理进行了相关理论和实践研究之后,我们也编制了相应的标准,推动数据资产管理及管理工具的不断成熟。从最初的团标开始,到现在,我们已经在国际标准组织ITU成功立项“数据资产管理框架”。

在这里非常非常感谢这些参与白皮书的企业和专家在白皮书编写的过程中所付出的各种努力,同时我们也诚挚的邀请业界对于数字资产管理感兴趣的专家能够加入我们,共同探讨数据资产管理发展过程中可能会遇到的一些问题。

感谢聆听!