大数据资产管理平台建设方案

数据资产管理服务工作，涵盖企业IT系统生命周期的不同阶段，协助企业建立适合自身特点的数据资产管理制度，提升企业对自身数据资产管理的能力，为后续数据挖掘变现提供可靠、有价值和高质量的数据，提供更好的产品和服务，降低开发和运维成本，控制风险，以及为企业提供更明智和更有效的决策数据支持。

数据资产管理简介
大数据时代已经来临，数据被业界公认为是企业最宝贵的资产之一，其价值得到了普遍认同。然而，绝大部份传统企业在尝试挖掘数据资产价值的过程中，都出现各种各样的问题，如：

数据架构混乱：系统越来越多，系统复杂度也越来越高，管理难度随之越来越大，没人能弄清整个系统的数据架构和数据流向，数据架构与业务流程、应用架构之间的关系不清晰。

架构管理滞后：甲方越来越依赖开发商，自身的系统数据架构管理力度不断减弱。同时，开发商以实现功能为主，对非功能性需求不太在意，导致版本质量不高，先实现后优化，优化效果滞后。
 
架构变更失控：大多数系统都处于积术式叠代开发，有新需求就加一堆表，使系统数据模型越来越雍肿；数据模型设计缺少审查，导致数据模型混乱、复杂、扩展性差。

数据无序增长：企业核心业务系统数据容量无序增长，长期处于“系统扩容 - 数据膨胀 - 性能低下 - 系统扩容”的怪圈之中。

数据标准缺失：缺少企业级别统一的数据标准，数据模型相关含义令开发和运维人员难以理解；同时，亦使得企业不同应用间的数据集成和数据共享困难。

数据安全突出：对企业的敏感数据、用户、访问权限仍然缺少认识和控制，敏感数据泄漏的安全事件屡见不鲜。

数据质量参差：数据处理环节中产生大量的错误和质量差的数据，数据错误发现和处理流程不及时，导致更多的后续错误。

数据资产管理（Data Asset Management，简称DAM）是规划、控制、和提供数据这种企业资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方案和程序。企业依赖有效数据资产管理为其提供可靠、有价值和高质量的数据，提供更好的产品和服务，降低开发和运维成本，控制风险，以及为企业提供更明智和更有效的决策数据支持。

2、数据资产管理功能与特点
在传统行业中有丰富的数据资产管理相关项目经验，通过各种不同行业数据资产管理项目的成功经验总结，同时以DAMA等国外先进的数据资产管理理论为指导，归纳和梳理出数据资产管理服务框架。
 
数据资产管理率先提出以“服务”+“平台”的二元制方式驱动企业数据资产管理的迅速落地和开展。
服务：数据资产管理服务以数据架构管理为核心，涵盖数据标准、数据生命周期、数据分布、数据质量、数据安全以及数据操作等数据资产管理的各个方面。

3、数据资产管理解决问题
数据资产管理服务工作，涵盖企业IT系统生命周期的不同阶段，协助企业建立适合自身特点的数据资产管理制度，提升企业对自身数据资产管理的能力，为后续数据挖掘变现提供可靠、有价值和高质量的数据，提供更好的产品和服务，降低开发和运维成本，控制风险，以及为企业提供更明智和更有效的决策数据支持。

数据资产管理平台实现数据资产的可视化、自动化和智能化运营，让数据资产管理团队从众多纷繁复杂的数据管理工作中解放出来，降低整体人员投入和成本投入。