数据资产管理实践白皮书30_107页_4mb

数据资产管理实践白皮书（3.0版）总结

核心内容

《数据资产管理实践白皮书（3.0版）》由中国信息通信研究院云计算与大数据研究所与CCSA TC601大数据技术标准推进委员会联合编写，旨在为政府和企业开展数据资产管理工作提供参考，同时为相关产品和服务提供商提供理论依据和实践指导。白皮书系统阐述了数据资产管理的概念、内涵、演变、主要内容、实施要点、实践模式、软件工具及成功要素。

主要观点

数据资产管理的定义与内涵

• 数据资产：指由企业拥有或控制，能够为企业带来未来经济利益的数据资源，如文件资料、电子数据等。
• 数据资产管理：是规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督数据相关的计划、政策、流程等，以确保数据资产的保值增值。
• 数据资产管理贯穿数据的整个生命周期，从数据采集、存储、使用到销毁，涉及数据的可用性、规范性、安全性等。

数据资产管理的演变

• 数据管理概念随着数据库技术的成熟而发展，逐渐演变为数据资产管理。
• 数据资产管理包含11个管理职能，包括数据架构、数据模型与设计、数据存储与操作、数据安全、数据集成与互操作性、文件和内容、参考数据和主数据、数据仓库与商务智能、元数据和数据质量等。
• 管理要求逐步升级，包括制度体系、组织架构和专业人才的建设。

数据资产管理的六大作用

1. 全面盘点数据资产：了解数据分布和类型，形成数据地图。
2. 不断提升数据质量：确保数据准确性、完整性、一致性等，避免因数据质量问题导致的决策失误。
3. 实现数据互联互通：打破数据孤岛，促进数据共享与跨系统协同。
4. 提高数据获取效率：减少数据准备时间，提升数据应用效率。
5. 保障数据安全合规：确保数据在“存、管、用”等环节的安全，避免数据泄露和滥用。
6. 持续释放数据价值：通过价值评估和运营流通，使数据资产成为企业利润中心的一部分。

关键信息

数据资产管理的主要内容

• 管理职能：包括数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理和数据共享管理。
• 保障措施：包括战略规划、组织架构、制度体系、审计机制和培训宣贯。
• 实施要点：
  • 四个阶段：统筹规划、管理实施、稽核检查、资产运营。
  • 实践模式：自上而下、自下而上、生产系统优先、数据系统优先。
  • 软件工具：包括数据标准管理工具、数据模型管理工具、元数据管理工具、主数据管理工具、数据质量管理工具、数据安全管理工具和数据生命周期管理工具。

数据资产管理的成功要素

1. 明确责权利标，有效推进管理：建立清晰的责权利体系，确保管理流程的有序进行。
2. 合理引进技术，提升治理能力：结合人工智能、大数据等技术，提升数据治理和运营能力。
3. 着眼业务应用，释放数据价值：数据资产管理应与业务需求紧密结合，提升数据的使用效率和价值。
4. 加强数据合规，注重风险风控：确保数据在合规前提下流动，防范数据安全隐患。
5. 持续迭代完善，形成良性闭环：数据资产管理是一个持续优化的过程，需要不断改进制度和工具，形成闭环管理。

实践案例

白皮书附录中列举了多个行业的数据资产管理案例，包括：

• 电信行业：中国电信、中国移动的案例。
• 金融行业：中国保信、证券期货行业案例。
• 政务行业：贵州“云上政务”、某省政务大数据管理。
• 医疗行业：某大型医药公司案例。
• 工业领域：某大型钢铁集团、湖北省物价数据管理案例。

术语说明

• 数据管理：是规划、控制和提供数据及信息资产的一组业务职能。
• 数据治理：是数据管理的核心职能之一，涉及数据的规划、监控和执行。
• 数据资源：指企业可能产生价值的所有数据。
• 数据资产：是数据资源中能为企业带来未来经济利益的部分。
• 参考数据：用于分类或目录整编的数据，具有特定值域。
• 数据字典：记录数据库和应用程序源数据的目录，包括主动和被动数据字典。
• 数据目录：用于帮助用户找到和理解数据来源。
• 数据血缘：描述数据的起源及其到当前位置的完整路径。
• 血缘分析：追踪数据处理过程，找到相关元数据及其关系。
• 影响分析：评估数据变化对其他数据或处理过程的影响。
• 非结构化数据：具有高度可变数据类型和格式的数据，如文本、图像、视频等。
• 数据仓库：用于支持管理决策的数据集合，基于主题、集成、稳定和历史变化。
• 数据集市：企业级数据仓库的子集，面向部门级业务和特定主题。

结论与展望

• 数据资产管理是推动大数据与实体经济融合的重要手段。
• 数据作为新一代战略资源，其管理需要系统化、规范化、标准化。
• 本白皮书为数据资产管理提供了理论指导和实践参考，同时指出其在国内外仍处于发展初期，需要进一步完善理论体系和实践方法。
• 未来将通过持续迭代和优化，形成良性闭环，推动数据资产管理的发展和应用。

附录

• 术语解释：涵盖数据管理、数据治理、数据资源、数据资产等关键概念。
• 数据资产管理实践案例：展示了多个行业的数据资产管理经验，具有参考价值。