定义
数据目录是关于企业数据资产的一个有序清单。使用元数据来帮助企业管理数据，帮助数据专业人员收集、组织、访问和充实元数据，从而为数据发现和治理提供支持。
背景
1、 政策支持：国家银保监会发布相关政策，明确数据是生产要素，并给出了数据治理建设指引。
2、企业需求：从数字化转型路线的思考框架上，从行业解析、战略愿景、明确措施、规划方案自上而下，明晰数据资产是整个数字化转型及数字化运营的坚实基础。
3、便于治理：从数仓构建的角度上，可以简化大量时间和精力查找和访问数据、便于评估数据来源、质量和可靠；以数据资产为导向的数据管理工作可以串联元数据、数据标准、数据模型、数据质量、数据安全等各项管理工作，引导数据价值在业务端的发挥。
范围
系统库、表、元数据、指标、模型、业务规则、接口、文件等一切能够给企业带来效益和价值的数据资产。
建设步骤
1、数据资产梳理
梳理范围
数据盘点（甄别出有价值的、能促进再生产或存储的核心数据）、业务信息补充、数据管理信息补充、元数据模板梳理、数据认责等。
质量保障
资产盘点是一个长效工作，持续实现数据盘点和调整经营战略相辅相成。
制定相关的数据资产管理办法和准则。
先由专业人员主导资产盘点工作的开展，在有一定成效和价值后，让业务人员逐步参与进来。
充分做好调研，从数据治理的角度搜集和数据资产盘点相关的实际问题，因地制宜的解决实际问题。
2、数据资产目录框架设计
数据资产目录视角
从元数据出发
用数据字典来梳理数据资源，从而得出数据资源目录。其好处是总是可为，缺点是从技术到业务的路很难走。
从数据模型出发
用数据模型的结构来推导数据资源目录。优点是思路清晰、简单易行，其缺点是需要企业有数据仓库来承载数据模型，对于没有数据仓库的企业来说很困难。
从业务架构出发
用业务架构来对接数据资源目录。优点是业务驱动，且具有相当灵活性和前瞻性， 缺点是企业很可能没有清晰的业务架构，或者业务架构太空洞或抽象，不能落地到数据资源。
数据资产目录框架设计方法
参考对象
行业数据模型、数据仓库主题、业务中台主题、数据中台主题、业务流程标准、数据分类分级标准。
数据分析
业务场景、业务事项、业务流程、数据服务、数据安全。
设计路线
遵循企业发展的数据战略路线、重点数据资产优先、支撑企业数据及业务运营。
3、数据标签体系
标签价值
精细运营的基础，有效提高流量精准和效率。
帮助产品快速定位需求数据，进行精准分析；
能帮助客户更快切入到市场周期中；
深入的预测分析数据并作出及时反应；
基于标签的开发智能推荐系统；
基于某类下的数据分析，洞察行业特征；
标签分类
按用途分类，可分为基础信息、用户行为、业务偏好、场景标签；
按统计方式分类，可分为事实类标签、规则类标签、预测类标签；
按时效分类，可分为静态标签、动态标签；
标签分级
标签在建设初期就需要进行分级分类的管理，分类清晰的标签更便于查询使用，避免后续标签增多引发的查询困难问题。
4、资产与目录关联
数据资产目录需要安全管理规范，不仅需要指定目录维护的角色，也需要按照规范对相关角色分配目录数据的查询及使用权限。
5、数据资产标签化
结合数据标签与数据资产目录梳理数据资产，形成数据资产的网络检索体系，提高数据资产的使用效果。
6、利用数据资产管理平台管理数据资产目录
数据资产管理平台为数据资产管理体系的落地提供有效支撑。可持续进行数据资产目录管理、元数据管理、数据标准管理、数据质量管理、数据共享交换服务等数据治理工作，夯实企业数据治理成果，提升数据质量，推动企业数字化转型。
