数据资产管理
2023-07-03 16:23:46 2 举报
AI智能生成
登录查看完整内容
数据管理
作者其他创作
大纲/内容
决策层作为数据决策方,由组织 CIO 或 CDO 担任,负责制定数据资产管理决策、战略和考核机制。
组织协调层由虚拟的数据资产管理委员会承担,负责统筹管理和协调资源,细化数据资产管理的考核指标。
数据资产管理层由数据资产管理办公室承担,作为数据资产管理的主要实体管理部门,负责构建和维护组织级架构(包括业务架构、数据架构、IT 架构),制定数据资产管理制度体系和长效机制,定期开展数据资产管理检查与总结,并向组织协调成和决策层汇报。
工作执行层由业务部门和 IT 部门共同承担,负责在数据项目中落实数据资产管理工作,与数据资产管理层协同参与各项活动。
组织架构
数据资产管理保障措施
集中式管理对各业务线数据独立性要求较低、数据相关性要求较高,采用数据仓库、大数据平台等技术,适用于中大型企业。
联邦式管理对各业务线数据独立性要求较高、数据相关性要求较低,采用 Data Fabric 技术,适用于中小型企业或集团型企业。
管理方式
总体规定从数据资产管理决策层和组织协调层视角出发,包含数据战略、角色职责、认责体系等,阐述数据资产管理的目标、组织、责任等
管理办法是从数据资产管理层视角出发,规定数据资产管理各活动职能的管理目标、管理原则、管理流程、监督考核、评估优化等
实施细则是从数据资产管理层和数据资产管理执行层的视角出发,围绕管理办法相关要求,明确各项活动职能执行落实的标准、规范、流程等
操作规范是从数据资产管理执行层的视角出发,依据实施细则,进一步明确各项工作需遵循的工作规程、操作手册或模板类文件等。
制度体系
第一步是盘点数据资产,评估数据资产管理能力。
交付物包括:数据资产盘点清单、数据架构或数据模型、数据资产管理现状评估报告、数据资产管理差距分析报告。
第二步是制定并发布数据战略。
要交付物包括:数据战略规划、数据战略执行计划。
第三步是建立组织责任体系,制定并发布数据资产管理制度规范。
交付物包括:数据资产管理组织架构图、数据资产管理认责体系、数据资产管理相关管理办法。
统筹规划
第一步是制定组织级数据资产标准规范体系,建立各活动职能的实施细则与操作规范。
交付物主要包括:数据资产管理活动职能相关标准规范、实施细则、操作规范。
第二步是搭建大数据平台,汇聚数据资源。
交付物主要包括:大数据平台、数据汇聚方案与记录。
第三步是依托统一管理平台,实现数据资产的全流程管理。
交付物主要包括:数据资产管理平台、数据资产生命周期操作手册、数据资产项目管理操作手册、数据资产管理业务案例。
第四步是创新数据应用,丰富数据服务。
交付物主要包括:数据应用产品清单、数据应用服务操作手册、数据应用服务用户指南。
管理实施
标准规范是常态化检查的基础与前提,主要包括数据模型与业务架构和 IT 架构一致性、数据标准落地、数据质量、数据安全合规、数据开发规范性等。
定期总结、建立基线是常态化检查的关键过程
交付物包括:数据资产管理检查办法、数据资产管理检查总结、数据资产管理检查基线
稽核检查
构建数据运营中心,充分发挥数据团队对业务部门的辅助作用。
以数据赋能业务发展为主要目标,构建数据资产价值评估和数据运营指标体系。
建立用户视角下的 SLA(Service-Level Agreement,服务等级协议),并进行持续评估和改善。
交付物包括:数据资产服务目录、数据资产价值评估体系、数据资产流通策略与技术、数据资产运营指标体系。
资产运营
数据资产管理实践步骤
数据来源
数据格式
数据实时性
管理对象:数据复杂性持续增加
管理理念:从被动响应到主动赋能
区别于信息化阶段作为 IT 部门的从属部门,数据资产管理组织与职能已逐步独立化。
数据资产管理组织形成以 CDO 或 CIO 主导、业务部门与 IT 部门协同参与的模式。
组织形态:向专业化与复合型升级
实现开发与管理的协同
实现管理与运营的协同
管理方式:敏捷协同的一体化管理
Data Fabric 是数据仓库、数据湖的理念和技术升级。
Data Fabric 的目标是减少数据复制规模,节约数据集成成本,提升数据访问和获取效率。
技术架构:面向云的 Data Fabric
管理手段:自动化与智能化广泛应用
运营模式:构建多元化的数据生态
首先,应意识到数据安全与数据资产合理利用并不冲突。
其次,应从数据安全管理和数据资产流通两方面同步寻找平衡点。
数据安全:兼顾合规与发展
数据资产管理发展趋势
一是明确责权利,有效推进管理。
二是合理引进技术,提升敏捷能力
三是着眼业务发展,释放数据价值
四是加强数据合规,注重风险风控。
五是持续迭代完善,形成良性闭环。
数据资产管理总结与展望
概念与内涵:数据资产(Data Asset)是指由组织(政府机构、企事业单位等)合法拥有或控制的数据资源,以电子或其他方式记录,例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据,可进行计量或交易,能直接或间接带来经济效益和社会效益。
管理环节:数据资源化、数据资产化
内驱力不足
数据资产管理与业务发展存在割裂
数据孤岛阻碍数据内部共享
数据质量难以及时满足业务预期
数据开发效率和敏捷程度较低
数据资产无法持续运营
难以兼顾数据流通和数据安全的平衡
数据资产管理难点
数据资产管理概述
数据模型计划:确认数据模型管理的相关利益方;采集、定义和分析组织级数据模型需求;确定遵循数据模型标准与要求,设计企业级数据模型(包括主题域数据模型、概念数据模型、逻辑数据模型)
数据模型执行:参考逻辑数据模型开发物理数据模型
数据模型检查:确定数据模型检查标准,定期开展数据模型检查,以确保数据模型与组织级业务架构、数据架构、IT 架构的一致性;
数据模型改进
数据模型管理
数据标准管理计划:确定数据标准管理相关负责人与参与人,开展数据标准需求采集与现状调研,构建组织级数据标准分类框架;制定并发布数据标准管理规划与实施路线;
数据标准管理执行:在数据标准分类框架的基础上,定义数据标准;依据数据资产管理认责体系,组织相关人员进行数据标准评审并发布;依托平台工具,应用数据标准(包括数据模型设计与开发、数据质量稽核等);
数据标准管理检查:对数据标准的适用性、全面性进行及时检查;依托平台工具,检查并记录数据标准应用程度
数据标准管理改进:通过制定数据标准维护与优化的路线图,遵循数据标准管理工作的组织结构与策略流程,各参与方共同配合进行数据标准维护与管理过程优化。
数据标准管理
指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。
数据质量管理计划:确定数据质量管理相关负责人,明确数据质量的内部需求与外部要求;参考数据标准体系,定义数据质量规则库,构建数据质量评价指标体系;制定数据质量管理策略和管理计划;
数据质量管理执行:依托平台工具,管理数据质量内外部要求、规则库、评价指标体系等;确定数据质量管理的业务、项目、数据范畴,开展数据质量稽核和数据质量差异化管理;
数据质量管理检查 / 分析:记录数据质量稽核结果,分析问题数据产生原因,确定数据质量责任人,出具质量评估报告和整改建议;持续测量全流程数据质量,监控数据质量管理操作程序和绩效;确定与评估数据质量服务水平;
数据质量管理改进:建立数据质量管理知识库,完善数据质量管理流程,提升数据质量管理效率;确定数据质量服务水平,持续优化数据质量管理策略。
数据质量管理
·主数据管理计划:依据企业级数据模型,明确主数据的业务范围、唯一来源系统与识别原则;定义主数据的数据模型(或主辅数据源分布)、数据标准、数据质量、数据安全等要求或规则,并明确以上各方面与组织全面数据资产管理的关系;
主数据管理执行:依托平台工具,实现核心系统与主数据存储库数据同步共享;
主数据管理检查:对主数据质量进行检查,保证主数据的一致性、唯一性;记录主数据检查的问题;
主数据管理改进:总结主数据管理问题,制定主数据管理提升方案,持续改进主数据质量及管理效率。
主数据管理
数据安全管理计划:理解组织内外部数据安全需求与监管要求;制定数据安全管理制度体系,包括数据安全工作的基本原则、数据安全管理规则和程序、内外部协调机制等,并且明确个人信息保护管理制度(包括处理规则、合规审计制度、跨境传输安全评估体系等);定义并发布数据分类分级标准规范
数据安全管理执行:依托平台工具,识别敏感数据,应用数据安全分类分级标准规范;根据数据的敏感级别,部署相应的数据安全防控系统或工具(如权限管控、数据脱敏、数据防泄露、安全审计等);
数据安全管理检查:监控数据在采集、存储、传输、加工、使用等环节的安全、隐私及合规状况等;组织进行内外部数据安全审计;
数据安全管理改进:总结数据安全问题与风险,评估数据安全管理相关标准规范的适用性、有效性,持续优化数据安全管理过程。
数据安全管理
·元数据管理计划:明确元数据管理相关参与方,采集元数据管理需求;确定元数据类型、范围、属性,设计元数据架构,技术元数据与数据模型、主数据、数据开发相关架构一致;制定元数据规范;
元数据管理执行:依托元数据管理平台,采集和存储元数据;可视化数据血缘;应用元数据,包括非结构化数据建模、自动维护数据资产目录等;
元数据管理检查:元数据质量检查与治理;元数据治理执行过程规范性检查与技术运维;保留元数据检查结果,建立元数据检查基线;
元数据管理改进:根据元数据检查结果,召集相关利益方,明确元数据优化方案;制定改进计划,持续改进元数据管理的方法、架构、技术与应用等内容。
元数据管理
数据开发管理计划:制定数据集成、开发、运维规范;
·数据开发管理执行:建设集成了数据集成、程序开发、程序测试、任务调度、任务运维等能力的一体化数据开发工具;根据数据集成规范,进行逻辑或物理的数据集成;根据数据使用方的需求,进行数据开发;
数据开发管理检查:监控数据处理任务的运行情况,并及时处理各类异常;
数据开发管理改进:定期进行数据集成、开发、运维工作复盘,并以此为基础,对相关规范进行持续迭代。
数据开发管理
数据共享
数据开放
数据交易
数据共享、数据开放、数据交易的区别在于交换数据的属性与数据交换的主体范围。对于具备公共属性的数据,在组织体系内部流通属于数据共享,如政府机构之间的数据交换,在组织体系外部流通属于数据开放,如公共数据向社会公众开放。对于具有私有(商品)属性的数据,在组织内部流通属于企业数据共享,如企业部门间数据交换,在组织外部流通属于数据交易。
数据资产流通
内在价值:内在价值 =( 数据质量评分 + 服务质量评分 + 使用频度评分 )/3*数据规模
成本价值:成本价值 = 获取成本 + 加工成本 + 运维成本 + 管理成本 + 风险成本
经济价值:经济价值 = 业务总效益 * 数据资产贡献比例 业务总收益是指提升营业收入和降低经营成本。
市场价值:市场价值 = 数据产品在对外流通中产生的总收益
数据价值评估
数据资产运营
数据资产管理活动职能
数据资产管理
0 条评论
回复 删除
下一页