2018年-中国信通院_数据资产管理实践白皮书30_109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）》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共同编写，旨在为政府和企业开展数据资产管理工作提供参考，并为相关产品和服务提供商提供依据。文档全面分析了数据资产管理的定义、内涵、演变趋势、主要管理职能、保障措施、实施要点及成功要素，还结合多个行业案例，展示了数据资产管理在实际中的应用和价值。

主要观点

1. 数据资产管理是大数据时代的必修课

   • 数据作为重要生产要素，其管理与应用能力成为企业数字化转型的关键。
   • 数据资产管理需围绕数据资产的价值、成本、收益开展全生命周期管理。

2. 数据资产管理的演变

   • 数据管理从传统IT职能向数据资产管理职能转变，涵盖更广泛的管理内容，如数据标准、数据生命周期、数据价值评估等。
   • 数据资产管理强调数据作为资产的属性，注重数据的可用性、可操作性和合规性。

3. 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，共8个方面。
   • 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。

4. 数据资产管理的实施要点

   • 实施分为四个阶段：统筹规划、管理实施、稽核检查和资产运营。
   • 实施过程中需结合组织方式和建设策略，如自上而下或自下而上、生产系统优先或数据系统优先。
   • 实施需借助相关软件工具，如数据标准管理工具、数据模型管理工具等。

5. 数据资产管理的成功要素

   • 明确责权利，推进管理流程；
   • 合理引进技术，提升治理能力；
   • 着眼业务应用，释放数据价值；
   • 加强数据合规，注重风险控制；
   • 持续迭代完善，形成良性闭环。

关键信息

• 数据资产管理的现状：目前，数据资产管理仍处于摸索阶段，存在数据标准混乱、数据孤岛严重、数据质量差、数据安全薄弱等问题。
• 数据资产的定义：数据资产是企业拥有或控制的、能够带来未来经济利益的数据资源，如文件资料、电子数据等。
• 数据资产管理的重要性：数据资产管理是推动大数据与实体经济深度融合的重要手段，有助于实现数据价值的持续释放。
• 数据资产管理的挑战：数据规模庞大、格式多样、来源复杂，给数据管理带来挑战，需通过制度、组织、工具等手段加以应对。
• 数据资产管理的实施：包括数据标准制定、数据模型构建、元数据管理、主数据管理、数据质量提升、数据安全治理、数据价值评估和数据共享管理。
• 数据资产管理的工具：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。
• 数据资产管理的实践模式：可选择自上而下或自下而上的组织方式，以及生产系统优先或数据系统优先的建设策略。

数据资产管理的未来展望

• 数据资产管理将越来越成为企业战略核心任务，需不断优化组织架构和管理制度，以适应数据规模、质量和安全的不断变化。
• 数据资产管理需要结合业务与技术，通过持续迭代和闭环管理，实现数据资产的保值增值。
• 白皮书鼓励各界专家参与研究，共同完善国内数据资产管理理论和方法论体系，为大数据与实体经济深度融合贡献力量。

实施建议

• 企业应制定战略规划，明确数据资产管理目标，推动数据资产的统一管理和规范。
• 建立健全数据资产管理组织架构和制度体系，加强数据治理和数据安全，提升数据质量。
• 引入先进的技术手段，如人工智能、大数据平台、DevOps等，提升数据资产管理效率和能力。
• 加强培训宣贯，提升全员数据管理意识，形成良好的数据管理文化。

附录概览

• 附录一：术语解释，涵盖数据管理、数据治理、数据资源、数据资产、参考数据、数据字典、数据目录、数据血缘、影响分析、非结构化数据、数据仓库、数据集市、数据地图等。
• 附录二：数据资产管理的实践案例，包括电信、金融、政务、医疗和工业等多个行业的具体实践，展示了数据资产管理在实际中的应用与成效。

图表概览

• 图1：数据资产管理在大数据体系中的定位
• 图2：大数据背景下的数据资产管理特点特征
• 图3：数据资产管理体系架构
• 图4：数据资产管理内容之间的关系
• 图5：数据资产管理保障措施组织架构
• 图6：数据认责机制
• 图7：一种典型的制度体系架构
• 图8：数据资产管理实施方法论
• 图9：三段八步法
• 图10-13：数据资产汇聚、治理、应用相关架构图
• 图14-18：数据资产管理流程图及案例相关图表

总结

本白皮书为数据资产管理提供了一套完整的方法论和实践指导，强调数据作为资产的管理和运营，旨在提升数据质量、实现数据互联互通、保障数据安全合规、释放数据价值，从而推动企业和社会的数字化转型。数据资产管理是复杂且系统性的工作，需要结合业务、技术和管理手段，持续优化和迭代，最终实现数据资产的高效利用与价值最大化。