企业数据资产治理与管理

中国航发西安航空发动机集团有限公司 韩 旭 曹增义 王昭阳

1 前言

随着信息化的不断发展，企业各个业务模块从传统模式运营到借助信息系统运行，再到相互集成应用，经历了不同的发展阶段。信息系统的应用为企业的提质增效带来了可观的效益，但随之也带来了不同程度的信息孤岛与数据多源等问题。“三分系统，七分数据”的信息化管理理念日益凸显，通过企业数据资产治理与管理，可以帮助企业提升市场的竞争力。

2 数据资产治理与管理

数据资产治理是指企业进行数据资产管理活动所遵循的机制，通常包括了数据架构组织、数据模型、政策及体系制定、技术工具、数据标准、数据质量、影响度分析、作业流程、监督及考核等内容。数据资产治理的目的就是为企业数据资产管理的准确性、一致性、完整性提供机制上的保证。

数据治理是对数据资产的管理行使权力和控制的活动集合。数据治理制定正确的原则、政策、流程、操作规程，确保以正确的方式对数据和信息进行管理，其目标是保障数据资产质量，实现数据的标准化、一致性、准确性和共享性，为决策分析提供支撑，实现数据资产价值的最大化。

数据管理是规划、控制和提供数据和信息资产，发挥数据和信息资产的价值。

3 企业数据资产治理与管理面临的挑战

企业日常经营活动中积累的大量数据，除了支持业务流程运转之外，越来越多地被用于帮助企业提升管理决策效率、实现价值挖掘和业务创新。企业日常经营决策过程的背后，实质是数据的生产、传递和利用的过程，风险控制、产品定价、绩效考核等管理决策过程需要大量高质量数据支撑。提升数据质量、降低成本已经成为行业企业热点关注话题。如果不能对数据进行有效梳理及精细化管理，其价值就得不到很好体现，严重影响数据价值发挥，甚至会给运营管理带来负面作用。此外，日益全面、严格的监管措施和信息披露要求，也对企业数据提出了前所未有的挑战，主要体现在以下几个方面：

（1）缺乏统一数据标准。数据登记盘点流程缺乏统一的数据标准，无法有效避免数据混乱冲突、一数多源、多样多类等问题。统一标准是解决数据的关联能力，保障信息交互、数据流通、系统访问功能顺畅的必要前提。

（2）数据周期规划混乱。对于部分企业来说，其内部数据的采集、传输、存储、应用、开放共享等全生命周期流程的各个环节的规划存在不合理现象。如收集数据时数据源用户处于不知情或非同意状态、违约超范围加工或未做到加工信息隔离等。

（3）难以统筹业务管理。数据的增删、修改、使用等权限管理混乱，难以建立全面、准确、完整地反映企业运营状况的单一数据视图。数据需求、数据质量、数据应用等问题的管理和解决分散在不同业务和技术部门，没有一个清晰的协调机制和统一的数据管理渠道，业务不能及时、按需获得数据支持。

（4）数据处理效率低下。数据采集、预处理等工作的周期较长，方法不够便捷，处理效率低下，无法快速挖掘整理岀完善优质的数据属性供分析应用，需要提升开发及治理效率。

（5）数据质量参差不齐。数据冗余、数据缺值、数据冲突等数据质量问题不能被及时发现和有效解决。需要建立规范的数据治理流程和考核机制等途径加以完善。

（6）数据垃圾亟待解决。大量的历史留存冷数据无法被有效识别及处理，形成数据“包袱”。这些数据“包袱”很难变成数据“金矿”，又占用存储空间，浪费成本，造成损失。

（7）数据价值难以评估。数据评价体系以及数据资产化目前处于初级阶段，数据增值保值以及数据估值衡量问题亟待解决，可以说数据资产变现任重而道远。

数据作为越来越重要的生产要素，将成为比土地、石油、煤矿、劳动力等更为核心的生产材料，但是，实现数据资源向数据资本的转变还需要面对一系列的问题和挑战，数据资产管理正在成为企业赋能商业创新的具有影响力和战斗力的核心竞争领域。

4. 数据资产治理模型的建立及治理方法

4.1 数据资产治理模型

根据IBM数据治理能力成熟度模型，结合某企业的实际情况，提出了“一活动，两体系、一平台”的数据资产治理模型，如图-1所示。

图1 数据资产治理模型

“一活动”是指数据治理活动，主要围绕元数据、主数据、动态感知数据这四类数据以及数据源、业务数据、数据存储和数据应用的治理活动进行规划。

“两体系”是指数据治理管理体系与数据治理标准体系。数据治理管理体系主要包括数据治理组织架构、数据治理管理任务和数据治理评价考核三方面的内容；而数据治理标准体系主要由数据标准、技术标准和管理规范等组成。

4.2 基于数据资产治理模型的数据资产治理的方法

（1）建立数据治理管理体系

建立明确的数据治理组织架构与人员角色定义，并确定不同数据责任人的职责；

明确数据治理流程，定义数据治理各领城的工作方法和步骤以及在数据治理各领域中的分工和协作关系；

建立数据治理制度，明确数据治理各领域的政策、规划和制度，保证数据治理的原则和执行是一致的；

建立数据治理考核机制，明确各项考核指标。

（2）建立数据治理技术体系，实现数据规范化管理

建立数据管理标准体系，制定各类数据标准，包括数据标准的制定和度量标准的制定；

建立企业数据模型，对数据进行统一定义，实现企业数据的标准化、规范化管理。

（3）实现各类数据的集中管控，为数据共享及数据应用奠定基础

开展元数据、主数据、产品定义数据、业务数据、动态感知数据等数据管理活动，实现各类数据的精准管理；

实现各类数据与其它应用系统的集成共享；

为各类数据应用的开展提供高质量的数据。

（4）建立企业数据管理平台，实现数据治理体系及标准落地

搭建数据中心，实现对各类数据的规范化管理；

依托平台实现数据治理体系及各类数据标准的落地；

基于数据管理平台，创建各类决策分析应用，为企业各级管理层的科学、精准决策提供支撑；

基于数据管理平台，创建各类主题分析应用，实现企业运营状态直观掌握，并及时发现和解决企业在经营生产过程中的各类难题；

通过各类应用的创建，实现企业数据价值的最大化。

5.结束语

本文从分析企业数据资产治理与管理面临的挑战出发，根据IBM数据治理能力成熟度模型，提出了“一活动，两体系、一平台”的数据资产治理模型，并基于该模型提出了数据资产治理的方法，对企业数据资产治理与管理具有一定的借鉴意义。

参考：郑悦，数据资产管理的关键点：IT经理世界，2015；张相文，于海波，关梓鹜，基于IT规划的数据资产管理模式研究：软件，2016；刘学霞，曾昭虎，管尊友，构建数据资产管理中心完善企业信息体系：数字化工，2014；朱磊，数据资产管理及展望：金融科技，2016。