数据资产管理实践研究报告.docx
《数据资产管理实践研究报告.docx》由会员分享,可在线阅读,更多相关《数据资产管理实践研究报告.docx(4页珍藏版)》请在冰豆网上搜索。
![数据资产管理实践研究报告.docx](https://file1.bdocx.com/fileroot1/2022-12/7/b487c827-3e97-4e08-b472-12fed27e041c/b487c827-3e97-4e08-b472-12fed27e041c1.gif)
数据资产管理实践研究报告
2019数据资产管理实践
研究报告
2019年6月
一、数据资产管理概述1
(一)数据资产管理的定义与内涵1
1.数据资产管理的概念1
2.数据资产管理的内涵2
3.数据资产管理的演变3
(二)数据资产管理的重要性4
1.数据价值难以有效发挥的原因5
2.数据资产管理是充分发挥数据价值的必经之路6
(三)数据资产管理是各方关注的重要议题8
(四)数据资产管理的现状与发展10
1.数据管理对象变化10
2.处理架构更新换代11
3.组织职能升级变迁12
4.管理手段自动智能12
5.应用范围不断扩大13
二、数据资产管理的主要内容14
(一)管理职能14
1.数据标准管理14
2.数据模型管理15
3.元数据管理17
4.主数据管理19
5.数据质量管理20
6.数据安全管理21
7.数据价值管理22
8.数据共享管理25
(二)保障措施26
1.制定战略规划27
2.完善组织架构27
3.建立制度体系29
4.设置审计机制31
5.开展培训宣贯31
三、数据资产管理的实施要点33
(一)实施步骤33
1.第一阶段:
统筹规划34
2.第二阶段:
管理实施35
3.第三阶段:
稽核检查37
4.第四阶段:
资产运营38
(二)实践模式40
1.数据资产管理的建设策略40
2.数据资产管理的切入方式42
(三)软件工具43
1.数据标准管理工具44
2.数据模型管理工具45
3.元数据管理工具46
4.主数据管理工具47
5.数据质量管理工具48
6.数据安全管理工具49
7.数据价值管理工具50
8.数据服务管理工具51
(四)成功要素52
1.明确责权利标,有效推进管理52
2.合理引进技术,提升治理能力53
3.着眼业务应用,释放数据价值54
4.加强数据合规,注重风险风控54
5.持续迭代完善,形成良性闭环55
四、总结与展望56
附录:
术语58
图表目录
表1数据成本和价值评估的维度23
表2数据资产价值评估典型方法比较24
表3数据资产管理组织架构角色职责28
表4数据资产管理的两种建设策略40
表5数据资产管理的切入方式42
图1数据资产管理在大数据体系中的定位2
图2大数据背景下的数据资产管理特点特征10
图3数据资产管理体系架构14
图4数据资产管理保障措施组织架构27
图5数据认责机制29
图6一种典型的制度体系架构30
图7数据资产管理实施步骤34
前言
党的十九大报告提出要“推动互联网、大数据、人工智能和实体经济深度融合”,进一步突出了大数据作为国家基础性战略性资源的重要地位,掌握丰富的高价值数据资源日益成为抢占未来发展主动权的前提和保障。
数据是资产的概念已经成为行业共识。
然而现实中,对数据资产的管理和应用往往还处于摸索阶段,数据资产管理面临诸多挑战。
首先,大部分企业和政府部门的数据基础还很薄弱,存在数据标准混乱、数据质量层次不齐、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。
其次,受限于数据规模和数据源种类的丰富程度,多数企业的数据应用刚刚起步,主要集中在精准营销,舆情感知和风险控制等有限场景,应用深度不够,应用空间亟待开拓。
再次,由于数据的价值很难评估,企业难以对数据的成本以及其对业务的贡献进行评估,从而难以像运营有形资产一样管理数据资产。
国际上,1990年以来,以国际数据管理协会(DAMA,DataManagementAssociationInternational)、能力成熟度模型集成(CMMI,CapabilityMaturityModelIntegration)为代表的组织机构长期从事数据管理的研究,形成了一定的理论成果。
在这些理论的指导下,我国金融、电信、能源、互联网等信息化较为先进的行业,已经积累了丰富的数据资产管理经验。
这些经验的总结对于补充完善数据管理理论体系、推进数据资产管理在各个行业的普及和发展有着重要意义。
为了促进数据资产管理的研究,我们组织编写了《数据资产管理