大数据资产管理总体框架概述

发布时间:2019.02.21来源:知乎浏览量:352次标签:数据治理

随着大数据时代的来临,对数据的重视提到了前所未有的高度,“数据即资产”已经被广泛认可。数据就像企业的根基,是各企业尚待发掘的财富,即将被企业广泛应用。大数据是企业资产,那就必须被纳入企业的资产管理中,同时,大数据资产又不是企业传统意义上的资产,因此大数据资产管理又不同于企业的传统资产管理。


日常生活中,数据无处不在,但并不是所有的数据都可以成为资产。数据作为资产需要具有以下特性:可控制、可量化、可变现。所以数据资产一般具备如下特点:虚拟性、共享性、时效性、安全性、交换性和规模性。


大数据最重要的发展方向是“数据驱动”,即在任何情况下,可以通过数据本身的统计和分析结果来获得相关目标的决策或行为,从而构成一个整体高效的运营系统。大数据的发展包括了三个层次,自下而上依次为大数据处理能力、数据资产管理、业务价值实现。随着大数据技术发展的日新月异,大数据处理能力不仅包括了目前技术领域所关注的海量数据采集、存储、分布式计算、突发事件应对等,而且已经具备对各种格式、类型的数据进行加工、处理、识别、解析等能力。数据资产管理所起到的作用就是需要把在各种大数据处理平台上获得的数据资产有效的管理起来,并且围绕它支持创造业务价值目标,更好的流动、加工、分析、应用,甚至是数据的开放、连接、整合、嫁接等一系列过程。围绕数据资产本身建立起一个可靠可信的管理机制。能够通过数据资产管理清晰地知道相关数据的定义、数据之间的血缘关系,并可以验证数据的有效性、合理性等数据质量指标。

大数据资产管理总体功能框架如下图所示:

大数据资产管理总体功能框架


大数据资产管理包括三个方面的核心内容:分别是大数据资产治理和管控、大数据资产应用创新和资产共享、大数据资产流通运营和资产增值。


一、大数据资产治理和管控
数据治理并不等同于数据管理。数据管理指规划、控制和提供数据和信息资产,发挥数据和信息资产的价值,强调在企业或企业内部进行。数据治理是对数据资产管理活动行使权力和控制的活动集合(规划、监控和执行)。数据治理制定正确的原则、政策、流程、操作规程,确保以正确的方式对数据和信息进行管理。


数据资产治理和管控是业务部门和IT部门的共同职责,需要由业务部门和IT部门分别或共同制定相关决策,如业务运营模型、数据治理模型、企业信息模型、业务规范、信息规范、数据库架构、数据仓库/商务智能架构、元数据架构、技术元数据、数据安全管理等。


数据资产治理和管控的方法主要是面向数据的生命周期,从空间视角和时间视角实现治理和管控。
从空间视角上看,因为数据在不同业务、不同系统中流动,因此数据治理必须实现跨系统、跨业务的,端到端治理,需要有机构统筹规划与决策、协调与推进。

从时间视角上看,企业管理数据资产,就是管理数据的生命周期。数据首先被创建或获得,然后存储、维护和使用,最终被销毁。因而有效的数据管理,开始于数据获取之前,企业先期制定数据规划、定义数据规范,以期获得实现数据采集、交付、存储和控制所需的技术能力。


数据资产治理和管控主要功能包括数据治理政策制定、数据标准管理、数据结构管理、数据流管理、数据库管理、数据运用管理、数据治理质量改善等方面。


二、大数据资产应用创新和资产共享
数据资产管理不重在大数据,而重在大分析。大数据资产应用创新是指将数据资产进行适当加工和分析,为企业管理控制和科学决策提供合理依据,从而支持企业经营活动开展、创造经济利益的过程。同时,在当今互联网社会,所有人既是数据的生产者也是数据的消费者,在互联网上共享信息、数据和实物,所有权被使用权代替,“交换价值”被“共享价值”代替。数据共享可以实现快速数据建模、分析、共享和应用。在数据共享层实现可视化元数据管理,从而建立企业大数据中心,强化数据资产管理。


数据资产的应用创新需要围绕降低数据使用难度、扩大数据覆盖范围、增加数据供给能力等几个方面来展开。对于降低数据使用难度可采用数据可视化、搜索式分析、数据产品化来解决;扩大数据覆盖范围则要使数据“平民化”,让一线业务人员接触到更多的数据,同时让数据分布更加均衡,甚至打造数据应用商店;增加数据供给能力要让企业业务人员从数据消费者转变为既是数据消费者又是数据生产者的角色上来,进而推广至社会大众形成数据众筹众享模式。


三、大数据资产流通运营和资产增值
大数据的流通运营和资产增值是数据资产管理的最终目的,数据交易是大数据价值实现的推动力。数据资产实现良性流通需要解决好数据资产中的各项权利保障。数据资产权利包括所有权、管理权、使用权、处理权、知晓权等。

数据资产实现流通和增值的前提是数据资产得到多方面的严格审计,包括数据验真、数据保障、数据调查和风险评估,同时数据资产权利人的各项权利得到保障。


围绕数据合作或交易等流通活动,从技术层面来说需要建立相应的流通平台机制,该流通平台需要具备完善的保障机制,如服务保障、管理保障、技术保障等。从资产价值层面来说需要对数据资产进行准确的估值,尽管目前还没有一个很成熟的数据估值模型,但随着数据资产流通规模的扩大,数据价值肯定会被正确可靠地评估。


目前数据资产增值和变现的主要方法是:对内强化数据分析能力,应用分析结果使数据资产增值;对外共享进行数据租售,实现数据资产变现。从长远看,企业数据增值的未来在于跨界合作,通过跨界战略合作、用数据共享来推动彼此主营业务,实现远高于简单的数据租售带来的直接经济价值。跨界合作的主要形式有:数据合作、交叉营销、资源互换、整合推广。

(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 数据治理与数据管理:有什么区别?

    数据治理与数据管理:有什么区别?

    如果今天有任何定义成功企业的东西,那就是公司数据的成功理解,使用和策略。了解您的数据并确定如何实施它会带来一系列问题,包括用户和利益相关……查看详情

    发布时间:2018.11.13来源:克里希基德浏览量:111次

  • 数据治理:发现阶段

    数据治理:发现阶段

    从数据治理计划的发现阶段开始,将为您提供更大的成功概率。……查看详情

    发布时间:2018.12.21来源:亿信华辰浏览量:108次

  • 企业数据质量管理的水平、直接影响数字化转型的进程!

    企业数据质量管理的水平、直接影响数字化转型的进程!

    企业在数字化转型的过程中,需利用云计算、大数据、移动互联和物联网技术,通过新的产品和服务、新的业务模式和新的关系创造价值和竞争优势。数字……查看详情

    发布时间:2019.08.01来源:知乎浏览量:134次

  • 数据标准化的难题

    数据标准化的难题

    数据标准好制定,但是数据标准落地相对就困难多了。国内的数据标准化工作发展了那么多年,各个行业,各个组织都在建设自己的数据标准,但是你很少……查看详情

    发布时间:2020.11.13来源:知乎浏览量:118次

  • 数据治理运作:差距

    数据治理运作:差距

    十年前,顾问必须提高认识并教育客户治理;突出监管风险,合规要求,处罚等。这更像是出售保险产品。今天,全球组织都了解数据治理(DG)是什么……查看详情

    发布时间:2018.12.27来源:亿信华辰浏览量:112次

  • 数据质量管理趋势

    数据质量管理趋势

    进一步信息又可分为物理信息和语义信息两类,其中物理层面的信息反映基础的数据结构;语义信息属于进阶有含义的语义数据结构,反映人类的视角。……查看详情

    发布时间:2019.11.15来源:知乎浏览量:124次

  • 数据治理:指定您的业务战略

    数据治理:指定您的业务战略

    数据治理是作为一个重要的业务计划,治理需要政策,所以在进行治理的时候就需要通过多方协调找到最适合自身组织的治理方法。 ……查看详情

    发布时间:2019.09.04来源:知乎浏览量:106次

  • 数据质量包含的要素有哪几点

    数据质量包含的要素有哪几点

    数据是企业最有价值的资产之一,越来越多的企业认识到了数据的重要性。企业的数据质量与企业经营业绩之间有着直接的关系。高质量的数据可以保持公……查看详情

    发布时间:2022.02.17来源:小亿浏览量:588次

  • 数据治理的目的和意义

    数据治理的目的和意义

    ​在"新基础设施"和疫情等外部因素的推动下,数字化转型正对越来越多的行业而言变得重要且紧急。如何更好地利用数据已经成为企业数字化转型的关……查看详情

    发布时间:2022.06.09来源:小亿浏览量:927次

  • 强大的数据治理是机器学习成功的关键

    强大的数据治理是机器学习成功的关键

    人工智能和机器学习这两个术语通常被视为同一枚硬币的两面。尽管如此,虽然ML算法增强了AI功能,并使它们能够进行更多的尖端和智能计算,但还……查看详情

    发布时间:2019.01.17来源:数据治理浏览量:122次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议