侃侃什么是数据资产管理，数据资产到底是什么

发布时间：2020.08.19来源：微信浏览量：120次标签：数据治理

近几年来，“数据就是资产”的观念已成为共识，大家对数据价值的重视程度与日俱增，数据资产管理也已被众多企业提上日程。据中国信息通信研究院发布的《2018工业企业数据资产管理现状调查报告》可知，从管理意识开始看，已经有98.6%的企业认为企业数据管理非常的重要，成果是值得期待的。到了工作开展的层面有87.8%的企业已经开始开展或者已经开始规划整个数据管理的工作。55.4%的企业已经设置了数据管理的专职机构，33.8%的企业投入了10个人以上的团队进行整个数据的管理。

但到底什么才属于数据资产？进行数据资产管理有哪些步骤？又该如何实施落地，让企业获取、积累和经营数据资产，从而转化为真正的财富呢？

数据资产管理

所有的数据都是资产么？

从数据资产四个字就能看出，数据是其中非常重要的一部分。

因此，我们首先要明确的是，数据的范围已经变得更加广泛，不仅包括传统意义上的数据，还包括符号、字符、日期形式的数据，文本、声音、图像、照片和视频等类型的数据，也包括微博、微信、消费记录、出行记录、文件等等数据。

但并不是任何数据都可以被称为资产，因为数据资产的要求更高，只有数据具备了资产属性后，才可以被称为数据资产。我们首先来了解一下基础会计学中对于资产的定义，新《企业会计准则-基本准则》第20条规定：“资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。”

因此，我们将数据资产定义为企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的数据资源。即，如果数据要成为数据资产，至少要满足3个核心必要条件：企业过去的交易或者事项形成的；企业拥有或者控制；预期会给企业带来经济利益。

其中，第一点比较容易达成，因为一般企业的数据不是自己过去经营所获得的就是资源置换而获得的。比如，淘宝在这么多年的运营中，积累下来的消费购买数据、浏览数据以及因此而产生的消费者的物流信息（姓名、银行卡号、手机号、地址）等，就是属于其经营过程中积累下来的数据。那如果，有企业花钱购买了淘宝的数据或者用自己的资源同淘宝进行了数据交换，在合法合规的情况下也是满足这一点条件的。

而第二点，就存在一定的难度。因为数据实际的归属权是非常难以区分的。还是以淘宝为例，平台上积累的大量关于消费者的消费数据或者行为数据，其实际控制者是淘宝，但其合法的归属权属于谁？就是一个问题。诚然，在这个数据的产生过程中，平台本身提供了软硬件的基础设施，但数据的内容却是由消费者生产的，属于消费者的隐私，这就是双方之间的矛盾冲突，但此次，先不就此进行展开讨论。

最后，我们认为第三点是最重要的一点。也就是数据要成为资产，就要能够给企业带来可预期的经济收益。企业可能在长期的经营中，存储下了大量的数据，但如果这些数据如果不能持续给企业带来现金流，反而需要企业花成本去收集、整理、维护，那这对企业来说，不是“资产”，而是“负债”，它需要企业持续投入，如果长期看不到收益的“预期”，反而会摊薄企业的利润。因此，只有那些能够给企业带来可预期经济收益的数据资源，才能够被称为数据资产。

怎么管理数据？

从数据资产管理的角度来说，企业在进行管理的时候需要着重注意三点：交易数据、主数据以及元数据。

交易数据：用于记录业务事件，如客户的订单，投诉记录，客服申请等，它往往用于描述在某一个时间点上业务系统发生的行为。

主数据：指企业核心业务对象，如客户、产品、地址等，与交易流水信息不同，主数据一旦被记录到数据库中，需要经常对其进行维护，从而确保其时效性和准确性；主数据还包括关系数据，用以描述主数据之间的关系，如客户与产品的关系、产品与地域的关系、客户与客户的关系、产品与产品的关系等。

当然，根据行业的不同，有些行业也可能拥有自己行业独特类型的主数据，比如航线、航班等就是航空业特有的主数据之一。而对于一个企业的不同业务部门来说，可能其主数据也不同，例如市场销售部门关心客户信息，产品研发部门关心产品编号、产品分类等产品信息，人事部门关心员工机构，部门层次关系等信息。

元数据：指数据的数据，用以描述数据及其环境的结构化信息，便于查找、理解、使用和管理数据。可能这个概念比较难以理解，通俗来说，假若图书馆中每本书的内容是数据的话，那么找到每本书的索引就是元数据。而元数据的优势就在于它可以帮助人们更好的理解数据，发现和描述数据的来龙去脉，帮助企业形成清晰直观的数据流图，是数据管控的基本手段。

总的来说，企业如果不对元数据进行管理或者是管理不当的话，整个企业的数据将处于隐形或者说是丢失的状态而难以被使用，可能都无法对企业的业务进行有效的支撑，就更谈不上产生价值了。

数据如何变成资产？

进行数据管理之后，数据就是资产了么？

当然不是，数据要进行“变现”才能变成资产。能够直接产生价值的数据，数据变现的过程就是数据交易的过程，此过程的成本在于数据收集、处理、存储的成本，属于比较容易的数据变现；而利用数据为业务赋能产生可预期的经济收益，则拥有更复杂、专业的资产化流程。

第一阶段，数据归档。这一阶段实际上也分为两个部分，第一部分通俗来说就是记录电子化。比如医院，虽然现在的医院大量采用电子化病历，但是过去很长的时间里都采用的是纸质病历。这些数量庞大的纸质病历里面记录了无比珍贵的临床数据。但如果不把这些记录电子化，这些记录就无法支撑科学研究，无法支撑规模化应用，无法产生可预期的经济价值。第二部分是将数据转变为可用数据。比如将照片、视频等数据转化为可以使用的数据。

在这个阶段，数据的用途和价值都是比较单纯的。就拿电信公司来说，由基站产生的通信话单就是一种特定格式的数据，通常它的主要用途就是用于对通话进行计费。如果不考虑客户服务等特别用途，或是存档稽核的因素，基本上完成对它的计算之后，话单文件就可以丢弃了。此刻，数据的价值体现在“为成本而存在”。

第二阶段，统计分析。建立规范统一的数据汇总平台，将极大的减少数据提取、整合、应用分析过程中产生的成本。设想一下，不同的业务都会产生不同的数据需求，如果平台不统一，那就需要业务人员在不同的数据库中进行操作，而这种能力通常并不是其所具备的。但要是业务团队和技术团队一同介入，又会极大的提高成本，抵消数据资源原本应该产生的经济收益，成为数据资源资产化的巨大障碍。

在这个阶段，随着数据积累的增加，以及运营环境的复杂化，数据开始有了新的用途。企业开始对数据进行汇集、统计和分析，就可以利用数据来做营销，利用数据来优化生产流程，利用数据分析来找到新的客户市场从而创新产品等等。

比如，亚马逊不仅从每个用户的购买行为中获得信息，还将每个用户在其网站上的所有行为都记录下来：页面停留时间、用户是否查看评论、每个搜索的关键词、浏览的商品等等。也因此，现在亚马逊的各个业务环节都离不开“数据驱动”的身影。在亚马逊上买过东西的朋友可能对它的推荐功能都很熟悉，“买过X商品的人，也同时买过Y商品”的推荐功能看上去很简单，却非常有效。

当数据使用到了这个阶段，基本已经可以全面参与到企业或组织的生产运营过程当中，其价值体现为“为效益提升而存在”。

第三阶段，业务创新。数据分析中有一句名言，叫做：“Garbage in, garbage out”。它的意思是，如果数据本身质量很差，如同垃圾一样，还用做模型输入，那么无论模型有多高大上，最后出来的结果仍然是垃圾，没有任何价值。

因此，我们首先要保证数据的真实性，其次，要尽量保证数据的完整性。一套数据对被记录对象的所有相关指标的完整程度越高，相关模型的预测精度就会越好，数据资源就越有价值。最后，数据要有精准性。这个精准性是指数据要逻辑合理、更加细致、精度越高。在不考虑成本的情况下，显然数据越细致、精确程度越高，对于业务的支撑能力就越强。某种程度上，这样的数据不仅仅为企业或组织自身产生价值，同时能够弥补其他行业或企业组织对于信息的渴望。

比如，运营商处在一个数据交换中心的地位，在掌握用户行为方面具有先天的优势。其数据也可以在交通、应对突发灾害、维稳等工作中发挥更大的作用，比如通过同一条路上多个用户手机位移的速度便可以判断当时的路况，为拥堵作出准确预警。举个例子来说，中国移动的“无线城市”的建设，已经在广州、厦门等几个大中城市完成了成千上万的热点的覆盖，通过每天产生的流量记录，加强对于数据的整合和分析，就能够提供给政府更多的可借鉴的决策依据，比如市民最关注的民生是什么？市民最为喜欢的公共场所是哪些？等等。

在这个阶段，数据价值体现为“为交易而存在”，而当此时，数据资产的价值才体现的淋漓尽致。

只有能够成为资产的数据才有管理的意义。作为日益重要的战略资源，数据需要一个完善的管理体系。因此，后续我们将持续推出针对数据资产管理方法论的系列文章，具体讲解数据资产管理体系的框架样是什么样的，如何进行实践和落地等等，以期为企业更好的搭建数据资产管理平台和开展数据资产管理工作，提供可参考性建议。当然，如果您有相关领域的不同看法或者更好想法，也欢迎与我们进行交流与讨论。

（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

睿治智能数据治理平台

数据采集

数据集成管理

数据交换管理

数据存储

实时计算存储

数据管理

元数据管理

数据标准管理

数据质量管理

主数据管理

数据服务

数据资产管理

大数据治理方案

大数据资产管理方案

主数据管理方案

数据标准化及质量管控方案

数据资产盘点方案

指标体系建设方案

数据仓库及商业智能方案

仓湖一体化数据中心建设方案

侃侃什么是数据资产管理，数据资产到底是什么

睿治智能数据治理平台

数据集成管理

数据交换管理

元数据管理

数据标准管理

数据质量管理

主数据管理

数据资产管理

立即扫码享受一对一服务

立即扫码
享受一对一服务