数据资产管理职能
2023-07-03 16:24:44 1 举报AI智能生成
数据管理、数据治理
作者其他创作
大纲/内容
1、数据标准管理
数据标准定义
数据标准是指保障数据的内外部使用和交换的一致性和准确性 的规范性约束， 通常可分为基础类数据标准和指标类数据标准。
基础数据标准范围
参考数据和主数据标准
逻辑数据模型标准
物理数据模型标准
元数据标准
公共代码
编码标准
指标类数据标准
基础指标标准
基础指标一般不含维度信息，且具有特定业务和经济含义
计算指标
计算指标通常由两个以上基础指标计算得出
数据标准管理关键活动
理解数据标准化需求
构建数据标准体系和规范
规划制定数据标准化的实施路线和方案
指定数据标准管理办法和实施流程要求
建设数据标准管理工具，推动数据标准的执行落地
评估数据标准化工作的开展情况
2、数据模型管理
数据模型定义
数据模型是现实世界数据特征的抽象，用于描述一组数据的概念和定义。
概念模型
概念模型： 是一种面向用户、面向客观世界的模型，主要用来描 述现实世界的概念化结构， 与具体的数据库管理系统（ DBMS ， Database Management System ） 无关；
逻辑模型
逻辑模型：是一种以概念模型的框架为基础，根据业务条线、业 务事项、 业务流程、业务场景的需要，设计的面向业务实现的数据模 型。 逻辑模型可用于指导在不同的 DBMS 系统中实现。 逻辑数据模 型包括网状数据模型、 层次数据模型等；
物理模型
物理模型： 是一种面向计算机物理表示的模型，描述了数据在储 存介质上的组织结构。物理模型的设计应基于逻辑模型的成果， 以保 证实现业务需求。 它不但与具体的 DBMS 有关， 而且还与操作系统 和硬件有关， 同时考虑系统性能的相关要求。
数据模型管理范围
数据模型的设计
数据模型差异对比
数据模型和数据标准词典的同步
数据模型审核发布
版本管理
数据模型管理关键活动
定义和分析企业数据需求
定义标准化的业务用语、单词、域、编码等
设计标准化数据模型，遵循数据设计规范
指定数据模型管理办法和实施流程要求
建设数据模型管理工具，统一管控企业数据模型
3、元数据管理
元数据定义
是描述数据的数据。可分为技术员数据、业务元数据和管理员数据
技术元数据
技术元数据（ Technical Metadata ）： 描述数据系统中技术领域相关 概念、 关系和规则的数据； 包括数据平台内对象和数据结构的定义、 源数据到目的数据的映射、 数据转换的描述等；
业务元数据
业务元数据（ Business Metadata ） ： 描述数据系统中业务领域相关 概念、 关系和规则的数据； 包括业务术语、 信息分类、 指标、 统计口 径等；
管理元数据
管理元数据（ Management Metadata ） ： 描述数据系统中管理领域相关概念、 关系、 规则的数据， 主要包括人员角色、 岗位职责、 管理 流程等信息。
元数据管理定义
元数据管理（ Meta Data Management ） 是数据资产管理的重要基 础， 是为获得高质量的、整合的元数据而进行的规划、实施与控制行 为。
元数据管理关键活动
理解企业元数据管理需求
开发和维护元数据标准
建设元数据管理工具
创建、采集、整合元数据<br>
管理员数据存储库
分发和使用元数据
元数据分析（血缘分析、影响分析、数据地图等）
4、主数据管理
主数据定义<br>
主数据是指用来描述企业核心业务实体的数据， 是企业核心业务对象、交易业务的执行主体。
主数据案例
供应商、客户、企业组织机构和员工、产品、渠道、科目COA、BOM等
主数据管理定义
主数据管理（ MDM ， Master Data Management ） 是一系列规则、 应用和技术，用以协调和管理与企业的核心业务实体相关的系统记录 数据。
主数据管理关键活动
理解主数据的整合需求
识别主数据的来源
定义和维护数据整合架构
实施主数据解决方案
定义和维护数据匹配规则
根据业务规则和数据质量标准对收集到的主数据进 行加工清理
建立主数据创建、变更的流程审批机制
实现各个关联系统与主数据存储库数据同步
方便修改、监控、更新关联系统主数据变化
5、数据质量管理
数据质量是保证数据应用效果的基础
衡量指标
完整性：数据是否缺失
规范性：数据是否按照要求的规则存储
一致性：数据的值是否存在信息含以上的冲突
准确性：数据是否错误
唯一性：数据是否重复的
时效性：数据是否按照时间的要求进行上传
冗余性：数据是否存在不必要的冗余
数据质量管理定义
数据质量管理是指运用相关技术来衡量、提高和确保数据质量的 规划、 实施与控制等一系列活动。
数据质量管理关键活动
开发和提升数据质量意识
定义数据质量需求
剖析、分析和评估数据质量
定义数据质量测量指标
定义数据质量业务规则
测试和验证数据质量需求
确定与评估数据质量服务水平
持续测量和监控数据质量
管理数据质量问题
分析产生数据质量问题的根本原因
制定数据质量改善方案<br>
清洗和纠正数据质量缺陷
设计并实施数据质量管理工具
监控数据质量管理操作程序和绩效
6、数据安全管理
数据安全管理定义
数据安全管理是指对数据设定安全等级， 按照相应国家 / 组织相 关法案及监督要求，通过评估数据安全风险、制定数据安全管理制度 规范、 进行数据安全分级分类， 完善数据安全管理相关技术规范，保 证数据被合法合规、安全地采集、传输、存储和使用
数据安全管理关键活动
理解数据安全需求及监管要求
定义数据安全策略
定义数据安全标准
定义数据安全控制及措施
管理用户、密码和用户组成员
管理数据访问视图与权限
监控用户身份认证和访问行为
定义数据安全强度，划分信息登记
部署数据安全防控系统或工具
审计数据安全
目标
建立完善的体系化的安全策略措施，全方 位进行安全管控， 通过多种手段确保数据资产在 “ 存、 管、 用 ” 等各个 环节中的安全， 做到 “ 事前可管、 事中可控、 事后可查“。
7、数据价值管理
数据价值管理定义
数据价值管理是对数据内在价值的度量，可以从数据成本和数据 应用价值两方面来开展。
数据成本
数据成本一般包括采集、存储和计算的费用 （ 人工费用、 I T 设备等直接费用和间接费用等）和运维费用（业务操 作费、 技术操作费等）。
数据成本管理
数据成本管理从度量成本的维度出发， 通过 定义数据成本核算指标、监控数据成本产生等步骤，确定数据成本优 化方案， 实现数据成本的有效控制。
数据价值（收益）
数据价值（收益）主要从数据资 产的分类、 使用频次、 使用对象、 使用效果和共享流通等方面计量。
数据成本评估
采集、存储和计算成本评估
计量人工费用、IT设备等直接费用和间接费用等
运维成本评估
计量业务操作费、技术操作费等
数据价值评估
数据连接度的活性评估
数据的连接度、贡献度
数据质量价值评估
数据一致性、准确性、完整性、及时性等
数据稀缺性评估
高稀缺性数据意味着高数据价值
数据时效性评估
数据应用场景经济性评估
数据资产价值评估典型方法<br>
成本法
优点：容易把握和操作<br>
缺点：对价值的估算往往偏低
适用场景：第三方机构，不以交易为目的，如政务数据<br>
收益法
优点：考虑未来预期收益和货币时间价值因素，能真实反映价值，已被双方接受<br>
缺点：预测难度大，偏主管
适用场景：适合于数据买方
市场法
优点：能反映资产目前市场状况，易被双方接受<br>
缺点：对市场环境要求高、评估难度大
适用场景：较少
数据价值管理关键活动<br>
确定企业数据集成度水平
确定企业数据的应用场景
确定数据存储、 计算和运维的成本预算
明确数据成本和收益的具体计量指标
计算数据在不同应用场景下的成本和收益
计算企业数据资产的总体成本和收益
制定数据成本优化方案和提升数据增值方案
审核、 改进方案
8、数据共享管理
数据共享管理定义
数据共享管理主要是指开展数据共享和交换，实现数据内外部价 值的一系列活动
数据共享管理关键活动
定义数据资产内部共享和运营流通监控指标
设计数据资产内部共享和运营流通管理方案
制定数据资产内部共享和运营流通管理办法和实施 流程要求
监控数据资产内部共享和运营实施
监督落实数据内部共享与外部流通等合规性管理要 求
分析内部共享与运营流通指标， 评价运营效果并改 进
0 条评论
下一页
