江苏龙网

  1. 首页 > 资讯 > 科技 > >

行业互联网|从数据到数据资产


数据已成为企业的核心资产和重要战略资源 ， 是重要的生产因素 。 在数据驱动的数字时代 ， 企业只有将核心业务数据更好地掌握在手中 ， 才能从中萃取更大的业务价值 ， 进而优化产品管理 ， 拓展市场新渠道 ， 打造企业核心竞争力 ， 而数据治理就是挖掘这些价值的重要手段和工具 。 那么 ， 对企业而言 ， 如何才能将数据转化为数据资产呢？
企业的数据治理指的是企业对所拥有的数据资产的治理 。 但是 ， 并非企业所拥有的所有数据都能被称为数据资产 ， 只有其中关乎重大商业利益的数据资源才是数据治理的对象 。 重要的数据资源可以为企业带来显著的商业利润 ， 因此这些数据资产也是企业公司资产的重要组成部分 。 数据治理需要在企业战略层面从上至下进行推动 ， 通过建立组织架构 ， 制定和实施系统化的制度、流程和方法 ， 确保数据统一管理、高效运行 ， 并在经营管理中充分发挥价值的动态过程 。 如 ， 2018年国银行保险监督管理委员会正式发布了《银行业金融机构数据治理指引》 ， 要求银行业金融机构应当将数据治理纳入公司治理范畴 ， 建立自上而下、协调一致的数据治理体系；并根据数据治理情况评价公司治理水平 ， 甚至与监管评级挂钩 。
对于普通企业而言 ， 其数据治理的关键环节主要包括：企业端数据治理的整体策略和方向、明确企业数据的范围和分布、打破数据壁垒 ， 实现数据互通和共享 ， 以及实现数据质量闭环管控等四项主要工作 。
其中 ， 企业的数据战略的制定是数字化转型工作开展的首要工作 ， 是组织开展数据工作的愿景、目的、目标和原则 ， 是组织开展各项数据相关工作的宗旨和指引 ， 同时也引领了企业数据治理的方向 。 以银行业为例 ， 现如今全球银行业已经全面步入数字化时代 ， 领先银行纷纷实施数据化创新战略 ， 在过去的五年中 ， 围绕着数字化、大数据、金融科技、敏捷银行、开放银行和生态圈六个领域 ， 国内外银行纷纷开启探索之旅 。
其次是数据资产盘点 ， 即解决“有什么”（数据资产）的问题 ， 为后续“用什么”（数据资产）、“如何用”（数据资产）等问题 。 其工作目标主要有四点：一是通过对关键系统关键数据资源的梳理 ， 形成企业数据资产目录；二是通过数据资产盘点 ， 推进企业数据整合共享以及相关标准化工作；三是分析总结企业数据资产现状及问题 ， 开展治理工作 ， 提升数据质量；四是以体现数据价值为目标 ， 推进数据资产使用 ， 实现数据价值最大化 。
第三是打通数据壁垒 ， 加强数据共享 。 目前大多数企业的系统建设为“烟囱式” ， 各个系统如同烟筒一样独立支持业务应用 ， 仅在功能层面有少许交互 ， 而企业未建立统一的数据汇总、整合平台 ， 导致各个系统之间的数据壁垒严重 ， 数据无法释放价值 。 为避免因未开展数据规范造成的不良影响 ， 可从以下两点入手：第一 ， 企业应建立统一的、权威的数据规范——数据标准 。 数据标准从业务属性、技术属性和管理属性三方面定义了数据分类、数据标准名称、业务定义、取值范围、数据类型、数据长度、数据定义部门等内容 ， 阐明了数据“应该是什么”的问题 。 第二 ， 企业应将数据标准落实系统开发中 ， 保证新系统中产生的数据都满足数据规范要求 ， 具体的流程包括：在需求提出阶段审查数据需求是否符合数据标准要求；在需求设计及系统开发阶段严格遵守数据标准进行系统设计及开发；在测试阶段纳入数据规范测试 ， 检查数据规范的落实情况；通过以上机制 ， 从技术流程控制角度 ， 保证了新建系统中的数据满足规范要求 。 针对已有系统中不满足数据标准的情况 ， 应适时开展系统改造 ， 在系统层面落地数据标准 ， 保证已有系统增量数据的规范性；对于存量数据 ， 可根据需要进行存量数据的专项整改 。
最后是构建数据治理三道防线 ， 实现数据闭环管控 。 “数据治理三道防线”是数据管理的组织架构 ， 是数据管理全面化、体系化的具体体现 。 三道防线分别为：业务管理条线、数据治理管理条线以及审计监督条线 ， 三道防线融合了企业前、中、后台的部门和人员 ， 只有各负其责 ， 加强“三道防线”的沟通联系 ， 形成合力 ， 实现信息共享、联动互动、合理覆盖 ， 才能建成有效的全面数据治理体系 ， 切实提升数据管理水平 ， 充分释放数据价值 。


推荐阅读


上一篇：家电消费网|方太集成烹饪中心一年销售10万套缘何实现逆势增长

下一篇：新机发布|Android 11 Beta 3 发布，惊喜彩蛋揭晓，开启云养猫