数据资产管理

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