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》解读

为了深入落实国家大数据战略，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。

在6月5日的数据资产管理分论坛上，中国信通院大数据团队发布了《数据资产管理实践白皮书（4.0版）》，中国信通院云计算与大数据研究所工程师李雨霏对白皮书进行了解读。

大家下午好！我是来自中国信息通信研究院云计算与大数据研究所的李雨霏，我今天主要为大家介绍一下《数据资产管理实践白皮书4.0》。

我发现，虽然说现在数据资产管理似乎被推到了风口浪尖，很多做数据管理的人一定要知道数据资产管理，但是实际上在企业真实开展数据资产管理的过程当中也面临很多的困难。我们中国信息通信研究院从2017年的时候开始逐渐深入了解以及研究数据资产管理，形成了一个比较完备的理论框架。我个人认为理论框架对于指导企业进行数据资产管理是非常重要的，如果说没有一个好的理论框架做支撑的话，在进行实践的过程当中就随时可能碰壁，却找不到良好的解决办法问题。今天我主要就是讲一下我们《数据资产管理实践白皮书4.0》的主要内容以及对于3.0的更新部分。

《数据资产管理实践白皮书4.0》的亮点与更新点

首先，本白皮书的一些亮点与更新点。第一是在对于数据资产管理整个完整的架构体系，我们认为数据治理是属于数据资产管理的一部分，是指一个高层次的规划性的数据管理适度的活动，包括制定数据战略、完善数据政策、建立数据架构等。第二是数据怎样真正转变成为数据资产。我们可以从传统意义上的数据全生命周期管理，结合对有形资产已经比较完善的资产化管理的流程来形成数据资产化的管理流程，包括数据的采集、数据的存储、使用到销毁，可能会逐渐发展成为数据的登记、数据的申请、数据的销毁等等流程化的管理，同时从数据的管控、保值增值实现数据应用服务的创新。第三，我们也完善了数据资产管理在过程当中的一些管理工具，使它的功能更加丰富，从而使这个数据资产管理更加高效便捷。

《数据资产管理实践白皮书4.0》解读

接下来我主要从数据资产管理是什么、数据资产管理包含哪些内容、企业在真实地开展数据资产管理的过程当中有哪些具体的实施步骤，还有每一个阶段可能会有哪些交互等方面为大家解读一下《数据资产管理实践白皮书4.0》。

数据资产管理的概念

首先是数据资产管理的概念。我们参考了DAMA2.0对于数据资产的定义，同时和业内专家进行了讨论，最终认为数据资产是由企业拥有或者控制的，能够为企业带来经济利益的数据资源。在这个定义当中，非常重要的一点，同时也是和传统意义上对于资产的关键的属性保持一致的，就是数据资产是在未来能够为企业带来经济利益的。所以在企业当中并非所有的数据都能形成资产，是那些为企业带来价值的资源才可以称为数据资产。

因此数据资产管理非常关键的目标就是提升数据成为资产的转化率。因为企业虽然可能会拥有很多的资产，但其实因为数据质量等原因，很多的数据可能是垃圾。而数据到资产的转化是真正地实现数据资产化管理的一个关键点。数据成为资产的另外一个特征是可以计量成本与收益。

当前数据价值难以释放的原因很多，比如数据的质量不过关、数据难以打通、数据获取的成本较高，以及数据的安全难以保障等等。数据资产管理则是通过盘点数据的资产、提升数据的质量来打破数据的孤岛，提高获取的效率，保障数据的安全，最终形成一个持续的闭环，从而实现数据的可得、可用与好用，为企业的数字化转型打下了基础。

数据资产管理架构

数据资产管理的框架，主要包括八个管理职能和五个保障措施。

第一个是数据标准管理。数据标准管理是一个非常关键又基础的活动。数据标准是指保障数据内外部使用和交换一致性和准确性、规范性的约束，数据标准管理则是通过统一的数据标准制定与发布来实现数据平台的完整有效一致与规范。如果数据标准管理做得好的话，很大程度上能够实现企业内部数据的互联互通，可以推动企业外部数据的交换。

我们对数据标准也做了分类，主要分为基础类数据标准以及指标类的数据标准。企业在对数据标准进行分类的时候也可以从其他很多不同维度进行划分，一个好的分类更多的是保证每一个类别之间没有更多的内容交叉。我们这个基础类的数据标准主要是包括参考数据、主数据标准、逻辑数据标准、物理数据标准、原数据标准、公共代码和编码的标准，而指标类则是对于一些特定的应用场景以及业务需求，比如经济指标等，又包含基础指标以及计算指标。

如果我们要制定一条数据标准的话，可以包含以下三个主要的要素：1.标准的信息项，主要是对标准的特点、性质进行描述；2.标准的分类；3.公共代码和编码。公共代码和编码很多企业也会参考国标和行标，如果国标、行标没有的话，企业可以在内部形成完整的数据标准编码体系。与国标或者行标保持一致，将推动数据流通的实现。

数据标准管理关键活动的第一个是理解数据标准化的需求。其实这也是其他很多数据管理活动的一个出发点，即任何一个管理活动都要和企业的战略规划、和企业的需求紧密地结合。数据标准管理的第二个关键活动就是制定数据标准的体系与规范，第三个是制定相应的管理办法以及实施流程要求，第四个是建立一些数据标准的管理工具。

第二个管理活动是数据模型管理。数据模型是现实世界数据特征的抽象，数据模型管理将会使业务人员、应用开发人员和管理人员获得企业内部业务数据的统一完整，在企业开展数据资产管理之前，这个数据模型管理如果能够搭建一个比较好的数据模型的话就可以更好地指导数据资产管理一步步地开展。

数据模型包括三个：1.概念模型。概念模型是面向用户与客观实践的，构建概念模型的本身与数据库或者数据仓库的架构搭建没有特别多的关系。2.在建立了概念模型的基础之上可以构建逻辑模型，逻辑模型是面向业务的，用于指导一些数据库系统的实现。3.物理模型，物理模型是基于逻辑模型，面向计算机物理表示，考虑了操作系统、硬件模型等等，描述数据在存储介质上的结构。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!