“鸡蛋从外部打破是食物，从内部打破是生命”，数字化变革是把双刃剑，既是企业的新的机遇，但变革的过程也必将面挑战。在新冠疫情爆发、全球股市动荡，贸易战持续发酵的大环境下，企业的数字化进程将面临哪些挑战和机遇呢？企业又该如何进行数据资产管理呢？近期，全球数据管理领导者Informatica的资深技术顾问冷鹏联袂全球专业咨询机构德勤中国的企业咨询合伙人沈斌共同交流企业数据资产管理战略与落地方案，探讨如何有效建立企业数据资产管理体系，以促进业务升级，发掘商业价值，驱动产业变革。
扫描右侧二维码 ▷
本期精彩视频
即刻回看！
数据资产管理的重要性和管理原则
“数据即资产”的观念已成为共识。数字化转型的核心是数据，数据推动业务创新，业务策略建立在由数据提供信息的决策之上。业务运作越来越多地以数据为导向，专业人士正在使用数据分析和洞察力来做出战略决策。企业对数据价值的挖掘和应用方面产生了前所未有的迫切需求，数据资产受到的重视程度越来越高。
但不是任何数据都能称为资产。事实上，由于各种原因数据资产管理面临诸多挑战：
▶ 业务层面，大部分企业缺乏数据的全景图，缺乏对数据权威和规范的定义、各条块之间数据孤岛化严重等现象，阻碍了数据的共享应用；
▶ 信息技术管理层面，存在数据标准混乱、数据质量良莠不齐、数据来源规模复杂等状况，无法建立数据之间的组织关系，数据无法支持管理的连续性；
▶ 协同层面，由于业务和IT缺乏沟通桥梁，信息系统建设与业务需求存在差异，企业难以像运营有形资产一样管理数据资产。
大多数企业的信息化建设，都经历了从无到有的历程，在此期间数据不断积淀爆发，企业数据管理的挑战主要在于业务和IT看待数据的不同维度，而数据资产很好的解决了这个问题。数据资产明确了这些属性的业务定义以及数据结构标准。数据资产管理，是数据治理的基础，是数据治理的对象。
数据资产管理是充分发挥数据价值的必经之路，因此，利用数据资产为企业带来价值，需要充分融合业务、技术和管理，以确保数据资产保值增值。建议从【五个方面】和【三个原则】来进行数据资产管理。
【五个方面】
● 创建数据资产目录
数据需要为业务创造价值，业务人员需要知道有哪些数据、可以管理哪些数据、以及数据之间关系。这就是“企业数据目录”。创建数据资产目录，为业务应用和数据获取夯实基础。
● 创建数据标准
数据资产管理最为重要的基础是数据标准。数据标准需要与业务相结合。企业的一个产品，业务、研发、技术、供应链、仓储物流、售后服务……不同角色对数据的理解是不一样的，导致业务语言不统一。因此定义业务层面的数据标准是一件重要的事情。
● 建立统一的元数据管理
盘点数据资产，需要以元数据为基础，从业务到技术，再从技术到业务反复迭代，形成企业数据资产管理的全貌。建立统一的元数据管理有助于企业整合并集中存储各系统的元数据信息，能够很好的规企业各应用系统的建设，降低维护成本，实现各个系统之间的整合互通。
● 提升数据质量管理
数据质量管理分为两个方面，一个是数据的一致性、完整性，加强从数据源头控制数据质量；另一个则是从业务视角出发，使数据符合业务规则、数据标准等要求，建立一套切实可行的数据质量监控体系。
● 实现数据应用分析
通过对用户、流量、行为及应用的使用情况进行数据分析，充分理解系统、报表、指标等数据的应用情况，提升数据的获取和服务效率，加快数据价值的释放过程。
【三个原则】
● 遵循EA或4A架构的原则
数据资产管理应遵循EA架构的逻辑，从业务架构出发识别数据资产，并定期进行盘点和完善；识别数据的规则，明确数据和业务的控制关系。
● 遵循完整性原则
数据资产管理应全面覆盖企业的分析数据、交易数据、主数据、参考数据等各类对象。
● 遵循耦合性原则
在横向价值链业务架构与流程基础上，明确数据流向与数据间关系，形成数据架构；在纵向管控一体化方面，建立分析数据、交易数据与主数据之间的衔接关系，形成清晰和连贯的数据链与流向；建立数据对象与其稳定特征数据的关系。
利用先进技术，让数据资产管理释放价值
数据资产管理已然成为数字时代中企业竞争力的重要来源。数据资产管理的最终目的是发展业务，究竟如何使标准性、概念性的东西，落地到实践中，真正实现数据的“可管、可视、可用、可控、可估”，还需要借助数据平台建设有步骤的推动企业数据资产管理战略落地，直至完善的数据资产管理平台形成。
▲数据资产运营管理全视图
企业数据资产运营是对企业数据资产的形成、积累、评估、管理、使用和创新整个过程的控制和管理，数据资产运营是使数据流动和发挥数据价值的核心。数据是企业未加工的原料，如何将原料加工成成品，供业务消费并产生影响力？如上图所示，我们可以清晰看到各阶段的数据和重要环节。
01
数据资产的形成
市场、客户、产品、销售、供应链、仓储……企业的各个环节都会产生大量的数据，这些数据就是企业未加工的原材料，那么，首先需要对这些原材料要进行治理：质量识别、设置数据标准、业务属性等。但很多企业和组织普遍存在数据分散、数据来源多，整合后数据不一致：不同数据源的接口众多，同一类数据采用的标准、规则都不一致，另外数据源本身存在脏数据和噪声数据等问题。人们花费了太多的时间去寻找有意义的、可信赖的数据。因此，在数据资产的形成中建议采取更多体系化、自动化、智慧化的方式去编目，例如Informatica企业数据目录。
▲数据资产加工服务是数据资产流通链条中的重要组成部分
02
数据资产的加工
数据原料经过加工（数据分析、数据挖掘、机器学习等）后形成数据产品，数据产品是比数据源更加重要的数据资产，对于数据产品也要进行集中管理，包括数据产品的分类、元数据、价值、发布、展示、共享、安全、监控等内容。并且，数据产品发布到数据超市前，还需要丰富对数据产品的描述、标签等。通过最大限度的自动化和有限的人工操作，可以从构建的数据资产中获得更多价值。值得注意的是，对数据资产的加工必须要业务人员和IT人员共同参与进来，符合业务人员要求的“加工”将更容易满足业务的需求。
03
数据资产的陈列
数据资产形成后，需要放到数据超市中去供业务人员使用和消费。参考天猫、京东等电商平台的属性，需要对数据超市构建数据，需要有很好的陈列包装、有商户（数据生产者）、有消费者（数据使用者）。
例如这个数据产品是由哪个部门产生的，可以为业务带来哪些价值，使用者在哪里能够更加便捷的找到产品等。有三点值得注意：
● 数据超市的管理者要由IT技术人员来担任；
● 数据生产者即业务部门，需要对数据的质量负责，需要对数据的使用进行分析管理；
● 数据资产的所有者即管理层，赋予虚拟货币，让数据消费者在采购时进行支付，创建数据生态流，让数据生产者们得知哪些数据资产受到欢迎。企业管理者引导数据资产发挥更好价值，形成闭环。
04
数据资产的消费
尽管有首席数据官（CDO）的出现，但今天的数据资产消费者已经不再局限于传统的数据专家。数据资产必须能非常方便地被消费和共享，业务用户不需要提交请求后才能从数据管理员那里得到静态的数据报表，而是可以借助清晰的数据资产目录，像在超市选购商品那样，随时随地访问到实时发生中的数据，从而基于最新情况做出迅速的业务决策。
▲数据资产必须便于消费和共享
数据资产管理是需要很多不同的角色相互协作。因此，我们需要简化“数据管道”，满足不断增长的数据消费需求的同时，优化数据资产操作。
▲简化“数据管道”
当数据成为企业资产，管理数据就像“理财”。你不理财，财不理你。要想让数据价值最大化，离不开积极的数据资产管理战略。而战略的落地则需要一个现代化、智能化、系统化的可信工具。Informatica将联合更多合作伙伴，持续创新，将原本毫无生气的数据转变为重要的企业资产驱动业务发展。
想了解更多相信信息，请关注Informatica数据管理（微信号：InformaticaChina）