数据中台数据资产篇数据源与数据资产.docx

数据中台数据资产篇数据源与数据资产.docx

《数据中台数据资产篇数据源与数据资产.docx》由会员分享，可在线阅读，更多相关《数据中台数据资产篇数据源与数据资产.docx（8页珍藏版）》请在冰豆网上搜索。

数据中台数据资产篇数据源与数据资产

数据中台—数据资产篇

数据资源与数据资产

回首高校信息化产业二十余载，各类技术、产品百花齐放。

而在这个数据为王的时代，未来的建设重点已不是关于架构、开发语言、软件开发模式的选型，也不是网络、存储、安全设备这类硬件的创新，而是一度被忽视的“数据资产”。

从IT时代到DT时代，“数据即资产”已然成为这场变革最核心的趋势和思维方式。

 尽管“数据是资产”的概念在高校也得到了广泛的认知，但“如何管理数据资产”仍然缺少成熟理论以及处理手段。

数据中台-数据集成篇详细分析过高校数据的基本组成，即业务系统数据、线下文本文件、机器及应用系统日志、外部互联网数据、甚至视频监控数据等，都可以认为是数据资产的输入端。

对高校而言，数据资产指的是能够为其带来管理效率提升、服务便利化、业务流程优化等效益的数据资源。

但高校在实际的数据资产化利用阶段，往往不是一帆风顺的：

数据源不规范，数据加工耗时耗力

 数据分布杂乱，黄金数据长期遭受闲置

数据质量评估缺失，造成准确度的偏差

缺乏简易可用的管控工具，各类数据源的核心数据模型或处理能力掌握在第三方厂商手中

数据开放度不足，数据的互通和数据应用开展受到极大的限制

 ……

实际上以上问题也是从“数据资源管理”阶段向“数据资产利用”阶段迈进所遇到的核心痛点，原因在于数据资产利用实际上应是数据集成、治理、关联、开放、挖掘、决策、行动和反馈的完整闭环。

完整的数据闭环可以让数据“活起来”，让高校在海量精准数据中获取有价值的分析结果，并基于此制定可执行的方案，最终推动高校的长远发展。

在此过程中，数据资源也就成为了数据资产。

高校数据资产现状与未来规划

在数据资源管理阶段，大部分工作还是停留在数据的集中化，高校也逐步建立了公共数据平台，这类平台的核心目的是完成业务系统、平台间的少量主数据交换共享。

因此无论在建设目的上还是建设效果上都疲于应对高校当前的数据资产利用需求。

图：

传统公共数据平台架构图

数据资产管理方式在高校可以分为几个层面，首要的是对全量数据资源的管控，在这一过程需要具备对于全量数据的治理与关联能力，使得高校数据更加完整、准确、一致、清晰、透明，降低原有的零散采集和加工处理成本。

其次是开放，要能够将数据使用过程的沟通成本和调用门槛大大降低，改变原有封闭的高校信息化生态圈。

最后是数据资产的应用场景，让数据在价值挖掘时更为便捷和智能，从而提升高校各项核心职能的发展水平。

从理论到实践，高校数据资产化的落地路线

数据资产管理理论的研究在业界已经很成熟，包括DAMA、Gartner等提出的数据框架，但在高校行业如何从理论走到实践，仍然是很大的挑战。

希嘉通过在数百所高校的落地经验中，总结出了数据中台的建设模式。

其中数据资产管理体系的建设阶段总结如下：

全面梳理核心数据资产内容，并建立起对应的数据标准和数据规范

每个高校的信息化建设水平不一，要根据自身的现状和建设规划定义建设统一的数据资产库，从而全面掌握学校的数据资产分布情况，做到在有数据利用需求时能够快速定位到对应的数据源头。

构建全校数据地图，掌握数据的来龙去脉

制定全量数据资产的相关标准规范，并做到可执行、可监督

确立数据的U/C/R/M矩阵（R：

角色，干系人，M:

权限）

图：

数据规范性示意图

总结而言，这一阶段的目标是为做到高校数据资产可获知、可获取。

借助专业的数据治理工具，实现定义标准和规范的有效落地

这一阶段是对上述工作的实际落地，在梳理和规划工作完成后，建立起高校的全量数据治理能力，以消除数据的不一致性、不可用性等弊端，保证数据的高可用性。

所以这时需要对应的数据处理或管理工具，将原本需要大量人工的数据治理过程，采用线上工具自动化、高效的完成。

图：

希嘉ARCHON业务数据治理工具

图：

希嘉Immortal日志处理工具

图：

希嘉EXDATA线下文本治理工具

工具主要包括以下功能：

数据标准管理：

管理所有与数据相关的标准和规范，具备日常维护和引入、分发、执行、监控等功能，保证“顶层设计”不出现偏差

元数据管理：

实现全校数据结构信息的自动化注册、分类管理等功能，图形化展示数据的上下游关系、流转情况，加强对数据加工过程的管控能力

主数据管理：

基于成熟的ETL工具，提供跨系统的数据整合和清洗，提供数据的完整、以及最佳版本

数据质量管理：

高效、自动化进行数据校验，将结果推送至归口部门和人员，以便于问题的快速定位和解决

非结构化数据处理：

对于机器日志、应用系统日志、线下文本数据等半/非结构化数据类型，具备可视化解析、关联、定义等能力，为多维数据的利用打下基础

总结而言，这一阶段的目标是能够让高校数据资产以标准化和规范化落地，具备极高的可用性。

以实际业务需求为导向，为高校内外数据的服务提供便捷

前两个阶段的建设成果可以让高校信息化的数据“内功”得以夯实，但数据只有利用起来才能发挥应有的价值，因此还需要以实际需求为导向，为高校内部和外部不同角色的用户提供便捷易用的数据服务，让智慧校园生态内的每一份子都能够方便地使用数据，打造开放、创新的数据应用生态。

数据中台深入到高校的数据共享和使用场景，积累了以下较为受欢迎的数据服务提供方式：

图：

数据服务开放形式

事务/分析应用建设：

以标准数据API接口开放，屏蔽异构的数据源类型。

并通过线上开发者中心提供完整的API集市、调用文档、示例等服务

BI可视化分析构建：

提供数据源连接开放，可线上登记申请，同时为学校提供管控功能

师生用户数据服务：

提供文本数据开放服务，申请审核通过后直接生成Excel、TXT文件，方便不具备开发能力的校内用户也可以快速获取全面的实时数据

高校的数据资产管理工作并不是项目型的开展和验收，而是长期的工作形态。

但只要抓住当前学校的核心需求和具备数据思维的理念，逐步推动底层数据资产体系的形成，无论在业务信息化的建设上还是在大数据分析的搭建上，未来必定会呈现出令人满意的答案。