http://www.360doc.com/showweb/0/0/947384105.aspx

文丨趙博智 編輯丨沐陽
來源丨首席數字官

在數字經濟時代，數據已經成為當下十分重要的資源，隨著越來越多的企業開始意識到數據的重要性，把數據當作數據資產。但在數據資產全生命周期中，如何對其進行管理？企業進行數據資產全生命周期管理的前提和基礎是什么？主流模型有哪些？

6月19日晚，錦囊專家聯合首席數字官、數字產業創新研究中心共同打造了網絡研討會：如何進行數據資產生命周期管理。從生命周期的角度同四位主講嘉賓：數據資產管理專家李然輝、數據資產管理專家楊通鵬、廣州首席信息官協會秘書長蘇衡、ThoughtWork中國區數據和AI總經理史凱一起展開深度討論。

本文為【首席數據官】總結、提煉本次研討會議四位主講嘉賓的精華觀點編輯而成，歡迎閱讀和分享。如想了解更多會議精彩，可點擊文尾“閱讀原文”收看回放視頻。

什么是數據資產全生命周期管理？

數據資產是一個新的概念，因為它是一種無形資產，所以對于它的管理可分為四個階段，入，在生產過程中對數據進行采集和獲取；存，將采集到的數據整合到數據中心進行系統的管理、分類；用，找到數據的價值，將數據的加工成服務和產品進而創造業務價值；出，整個價值周期結束。通過入、存、用、出四個階段構成數據資產全生命周期管理的閉環。

企業數據資產全生命周期管理的前提和基礎是什么？

數據不等于數據資產，數據必須以合理、易用、安全和易于理解的方式組織起來，能為業務注入有效的價值才能作為數據資產。數據變成數據資產的前提是有著完整的數據標準管理、數據質量管理、數據安全管理、易于使用的元數據管理和持續產生數據價值管理的從數據產生到銷毀的數據全生命周期管理體系。

企業數據資產全生命周期管理的基礎是，企業首先應樹立數據資產的意識形態，只有真正把數據當做資產看待的時候才會通過數據看到產品的收益和價值，并在后續產品開發之前提前指定數據資產生命周期管理方案。

其次，數據資產建立之前需要統一的數據標準描述資產模型和收集信息的維度，例如通過用戶ID打通信息孤島，獲取手機、郵箱、身份證等信息，進行數據資產的統一建模。

最后，需要對數據資產的處理歷史進行跟蹤，將數據資產從產生到內部業務集成、數倉、應用的全過程打通，通過精細化的管理，為數據成本核算、收集投資收益等信息建立良好基礎。

數據治理和數據資產管理的關系？
數據治理是一門將數據視為一項企業資產的學科。數據治理是針對數據管理的質量控制規范，它將嚴密性和紀律性植入企業的數據管理、利用、優化和保護過程中。它涉及到以企業資產的形式對數據進行優化、保護和利用的決策權利。它涉及到對組織內的人員、流程、技術和策略的編排，以從企業數據獲取最優的價值。
數據資產管理是規劃、控制和提供數據及信息資產的一組業務職能，包括開發、執行和監督有關數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付和提高數據資產的價值。數據資產管理需要充分融合業務、技術和管理，以確保數據資產保值增值。
有效的數據治理才是數據資產形成的必要條件，有效的數據治理是一個持續性的過程，也是逐步實現數據價值的過程。所以數據治理是企業信息化的基石，數據資產是企業戰略發展的核心價值，數據管理為企業賦能。
數據治理和數據資產管理是一個漸進的過程，不是所有數據都可以成為數據資產，只有數據在經過治理的二次加工達到了資產的利用要求并能夠產生自身價值之后就變成了數據資產。數據資產的管理過程同樣不能脫離數據治理，數據治理是數據變成資產的條件，也是數據資產管理的必備的功能和過程。

數據資產生命周期管理主流模型有哪些？

1. DAMA模型

DAMA(國際數據管理協會)認為有效的數據管理開始于數據獲取之前，企業應先制定數據規劃，定義數據規范，然后再進行開發實施、創建和獲取、維護和使用、存檔和檢索，最后是清除。但DAMA數據生命周期模型也不能看作是一個全面的模型，因為它并沒有考慮數據安全、數據質量和數據共享分布等內容，而且它只給出了階段劃分，并沒有詳細說明每一階段的具體內容，只是一個理論模型。

2. 地理空間模型

地理空間數據生命周期模型旨在為地理和相關空間數據活動探索和保存有價值的信息。它總結了地理空間數據生命周期的各個階段，包括定義、清點/評估、獲取、訪問、維護、使用/評估和歸檔。處理此模型是為了發現具有可接受的質量和業務需求的數據以供將來使用。

3. DataONE模型

DataONE數據模型旨在為生物和環境科學研究提供數據保存和再利用。擬議的數據生命周期包括收集、保證、描述、存放、保存、發現、集成和分析。因此，該模型可以用于存儲和檢索長期使用的數據信息。同時該模型是專門為數據保存和復用而開發的，不能看作是一個綜合模型。

4. 數據資產全生命周期模型

數據資產全生命周期分為4大期間和11階段。4大期間包括數據資產生成的“入”期、數據資產保存的“存”期、數據資產應用的“用”期和數據資產退出的“出”期。四大期間下包含11個階段，有效的數據資產管理始于數據的產生之前開始，首先應該做好規劃和計劃，包括數據資產盤點、數據治理計劃、數據需求計劃等；然后對數據標準進行定義，制定數據管理規范，確保數據按照標準產生，從源頭抓起，有句古詩說得特別好：“問渠那得清如許？為有源頭活水來。”。在“存”的期間內，處理和存儲都沒什么好說的，比較容易理解，在這里把“集成”放進來主要是考慮到數據資產管理需要打通數據孤島，數據只有集成起來才能發揮更大的價值。只有實現了數據集成，數據倉庫才能稱之為數據倉庫，否則即使把數據集中起來存儲，也只能叫做數據垃圾堆。“用”這個期間是真正產生價值的周期，其他周期都是成本，數據因使用而生值，用處越多價值越大。在“用”這個期間要特別強調“數據復用”這個階段，時下比較流行的數據中臺架構，最大的一個價值就是數據復用和服務復用，這對于節省成本，提高效率非常重要。未來企業或組織在評估一個數據產品值不值得開發很重要的一個指標應該看能不能復用。當然，如果不能復用，單個項目的收益足夠大的時候，也是可以投入的。“出”也非常重要，雖然現在存儲的價格越來越低，但是如果不加以管理也會產生很大的負擔，對于數據資產整體效益不利。另外，如不加以區分，本該歸檔或者清除的數據和活躍的數據存放在一起，將嚴重影響效率。

傳統企業如何做數據資產全生命周期管理？
傳統企業的數據資產管理需要有持續的信息化、數字化投入打基礎，整體策略是統籌推動，以用促建、急用先行。
業務數字化是數據資產管理的前提。企業要持續進行業務對象數字化、業務規則數字化和業務過程數字化，解決數據有源的問題。業務數字化通常由業務部門驅動，IT使能部門協同推進。
數據匯聚入湖是建設數據資產的基礎。企業可以從邏輯上匯聚內外部、結構化/非結構化等異構多源數據，為數據中臺提供完整、清潔的原始數據，數據入湖需遵循相關標準（明確數據Owner，做到責任到位、發布數據標準，形成企業統一語言、認證數據源，保證數據有源一致性、定義數據密級，在安全的前提下實現數據共享、評估數據質量，讓數據可信可用、注冊元數據，形成數據資產地圖，方便用戶找到所需資產），最終實現數據找得到、可理解、可信任、可消費。
數據中臺是建設數據資產的重點。通過業務和數據雙驅動，做厚數據中臺，重點建設五類數據中臺資產，做好數據主題聯接，支撐數據消費，核心是將數據按業務流（如合同、銷售訂單等）、業務對象（如客戶、供應商等）、標簽（員工、用戶畫像等）、指標數據（原子指標數據、復合指標等）與算法（機會點挖掘等）進行整合聯接，確保數據集成、透明，形成數據主題資產（如客戶主題等），支撐自助分析、業務過程可視、智能決策、風險預警和控制、經營與運營報告等數據消費場景。
做好數據資產管理是核心。持續做好元數據管理、數據質量管理，并加強數據安全與個人隱私保護、數據血緣、數據生態能力。基于數據資產，通過數據服務滿足數據消費是關鍵。通過數據分析平臺，以API形式將數據服務開放給數據消費者，滿足實時可視、風險預警、智能決策等場景下的數據消費需求。
業務數字化實現了數據有源；建設數據底座，實現數據匯聚和數據資產管理；開發數據服務，減少重復投資，在保障數據安全的前提下滿足多場景的數據資產消費。

不同行業和不同企業類型數據資產全生命周期管理的差異性？

對于大部分企業來講，可以在短期內優先獲取和利用與自身業務更相近、更能產生業務價值的數據。對于頭部企業且對行業有壟斷愿景的企業，可以制定計劃，在兩年半到時間里中把數據分層，對于不會隨時間而衰減的、價值延續性比較長的數據，在發揮價值的時候便會成為企業自身不可被超越的壟斷性資源。

互聯網企業在數據資產全生命周期管理方面是否具有先天優勢？
互聯網強企業在管理數據資產是相較于傳統企業難度更高，數據資產的管理是一項長期的工作，互聯網企業在應對外部數據的產生和變化時需要不斷嘗試和試錯，與傳統企業不同的是互聯網企業更為注重數據產生所帶來的價值收益和業務增長，若按照傳統的標準和計劃去實施則會變得非常困難。
但兩種企業的共同點在于都需要建立并管理數據資產目錄，與信息安全、數據服務、數據分析等方面兩者都有共同的訴求。很多傳統企業現在也在逐步重視數據資產生命周期，在當前疫情之下，也涌現了不少數字化轉型成功的傳統企業。

當前企業數據資產全生命周期管理的痛點與難點？

數據組織方面，很多企業也缺乏專業的數據資產管理組織；數據管控流程方面，跨域跨專業數據管控流程尚未建立、跨域數據管理技術手段尚不完善；IT架構方面，采用煙囪式的傳統IT架構，使得企業在進行數據資產管理時會遇到數據分散、規模大、種類多、質量差的問題，導致了數據變現的困難。同時在數據安全方面，很多企業沒有進行數據密級的控制，使企業在做數據分享時會遇到不知道該不該給、該給多少的問題，存在數據安全問題。

數據資產全生命周期管理的實踐價值？

第一，使企業降低成本。數據成本和效率之間本身存在矛盾，很多公司在做大數據時會用空間換時間，隨著數據的增長，如不及時進行管理和存儲最終會影響到計算效率，導致成本既存儲空間不斷增長。

第二，規避風險。在對數據進行監管和審計是會對相關數據進行保留，在客戶丟失個人信息時，可以進行全程追溯，做到風險規避。

第三，提高數據質量。數據管理的重要目標之一就是提升數據的質量，不通過全生命周期管理數據很難保證數據整體的質量水平，在系統前期建設和開發過程中需要指定完善的業務規則和標準，保證得到高質量的數據。

第四，價值最大化。不做全生命周期管理則無法從數據上著眼價值和利益的最大化，企業在投資項目前可以通過數據看到產品背后的成本和預期收益，從而對投資是否合理做出判斷。

以上為歸納總結各嘉賓觀點后得出的數據資產全生命周期管理十大核心問題，除此之外，如想了解更多精彩內容歡迎登錄錦囊專家官網收看本次會議完整直播。

總結

以上是生活随笔為你收集整理的“数据资产全生命周期管理”你要知道的九大问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。