数据资产管理的四大挑战及解决方案

目 录

01 背景和目标

02 解决方案概述

03 实施方法论‍‍‍‍‍‍

04 实施效果‍‍

05 未来展望‍‍‍‍‍

01

背景和目标‍‍‍

1.1整体背景

21世纪初以来，随着大数据、云计算、移动互联网、物联网、人工智能、5G等技术的不断发展，一方面数据量呈爆发式增长，一方面数据的处理和利用能力空前提高。数据要素和数字技术的结合，带来了生产方式、商业模式、管理模式和思维模式的变革。在数据要素和数字技术的驱动下，数字化产业飞速发展，同时也促进了传统生产要素的数字化变革，推动了产业数字化转型发展。人类社会逐步进入数字经济时代。

从2015年党的十八届五中全会提出“实施国家大数据战略”，到2017年党的十九大提出“推动大数据与实体经济深度融合”，再到2019年《中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定》中将数据列为新型生产要素，国家对数据的重视程度不断提升，如何激发数据要素潜能逐步成核心议题。

良好的数据资产管理是释放数据要素价值的基础。如何进行数据资产管理，成为企业在数字经济时代激发数据要素活力、加速数据价值释放、进行业务转型的关键。

为此多部委接连发布行业指导文件，工信部组织国家信标委研发《数据管理能力成熟度评估模型》（GB/T 36073-2018，DCMM），指导行业数据管理工作，通过提升数据资产管理能力激发数据要素价值。

1.2挑战

但从各行业的数据资产管理实践看，数据资产管理面临着一系列的挑战，影响着数据资产管理的成效。主要挑战如下：

挑战1：数据质量不足

数据资产管理的核心目标之一是提升数据质量，以提高数据决策的准确性。但是，目前多数企业面临数据质量不达预期、质量提升缓慢的问题。究其原因，主要包括以下三个方面：一是未进行源头数据质量治理，“垃圾”数据流入数据中心；二是数据资产管理人员未与数据使用者之间形成协同，数据质量规则并未得到数据生产者或数据使用者的确认；三是缺乏统一的质量检核和问题处理机制，数据质量问题发现并反馈后整改不及时。

挑战2：数据共享壁垒

数据在组织内部顺畅流动和快捷共享是有效利用的必要条件，目前很多企业内部信息化建设缺乏统一规划，业务系统分别建设，数据分散存储，数据标准不一，缺乏统一共享渠道，共享效率低，阻碍了数据要素在组织内部流动和共享应用。

挑战3：数据应用效率低

企业积累了大量数据，需要通过各样的数据应用，以不断挖掘数据价值，推动数据利用。目前很多企业意识到数据要素的巨大价值，但数据应用手段匮乏、应用路径不清，面临掌握大量数据确无法有效流动和应用的困境。

挑战4：数据资产管理与业务发展割裂

数据来源于业务，并回馈于业务，业务资产化和资产业务化是数据资产管理的两个重要方面，二者缺一不可。现阶段很多企业的数据资产管理停留在数据的集成和存储上，数据来源业务场景不明确，数据业务化应用少，数据资产管理和业务发展存在割裂，导致数据价值不显、活力不足。

1.3解决思路

针对数据资产管理中遇到的数据质量不足、数据共享壁垒、数据应用效率低、与业务发展割裂四项挑战，普元建议从管理组织和规程、管理平台和持续数据资产运营三个维度建设企业数据资产管理体系，其中管理组织和规程保障整体体系统一指导、有序推进，管理工具为数据资产建设中的各项活动提供快捷的工具支撑，数据资产运营通过建立持续的运营机制推动运营效果的长效化。

02‍

方案概述‍‍

2.1整体方案

普元多年来在各行各业积累了丰富的数据项目建设经验，在数据治理、元数据、主数据、数据资产管理方面有着深入的理解和洞察。致力于协助企业建立以管理组织和管理规程为保障，以数据资产管理平台为基础，以数据资产运营为重点的数据资产管理体系，实现对全域数据、全生命周期数据活动的统一、持续管控，不断提升企业数据管理能力，激发数据要素活力，挖掘数据要素价值，赋能业务创新，对企业进行精细化运营，推动企业的数智化转型。

• 管理组织和规程体系：从数据资产活动保障角度，建设统一的、纵贯各层级的数据资产管理组织体系，建设覆盖各类数据活动的数据资产管理规程体系，为数据资产管理各类活动提供强有力的组织支持和明确的规范流程指引。
• 运营体系：从数据资产业务运营角度，通过调研数据资产、进行数据探查、梳理数据模型、检核数据质量、编制资产目录、调研应用需求、评估管理能力，进行全面的数据资产落地实施和持续运营。
• 工具体系：从数据资产基础设施角度，建设由元数据、数据模型、资产目录、数据质量、数据标准和数据服务构成的数据资产管理平台，提供高效的数据管理工具支持。

其中重点介绍下工具，数据资产管理平台作为企业数据资产管理落地的载体，是数据资产管理体系长效化的基础设施。通过建设由元数据、数据模型、资产目录、数据质量、数据标准和数据服务共同构成的数据资产管理平台，实现元数据采集和追踪、数据模型管理和检查、数据标准制定和映射、数据质量检核和整改、数据服务开发和监控、资产目录编制和共享等核心数据资产管理活动的工具化、持续化。

2.2整体定位

数据资产是企业业务战略和技术实现的桥梁，是各个业务部门沟通的共同语言。可以迅速地将企业的业务需求转换为数据和应用需求，同时将复杂的数据和信息并传递至整个企业，在数据层面保证业务和技术的一致性，最终为企业改革、转型和提高适应性提供支撑。

2.3方案价值

价值一、涵盖组织规程、工具和运营的可落地的数据资产管理

数据资产管理是系统性工程，组织规程、工具和运营三部分相互配合、缺一不可，其中数据资产管理组织和管理规程是数据资产管理顺利推进的保障，数据资产管理工具是承载各项管理活动的基础设施，数据资产运营是将管理组织、管理规程和管理工具与企业实际相结合，进行整体数据资产管理体系落地，并进一步建立长效机制的重要措施。普元从管理整体出发，基于大量的数据资产管理实践，结合企业实际需求，提供了涵盖组织规程、工具和运营的全面的数据资产管理解决方案，推动企业数字化转型工作的稳步开展，保障企业数据资产管理工作的成功。

价值二、全用户视角的数据资产管理

普元数据资产管理解决方案从客户数据资产管理实际出发，提供管理、业务、运营、技术多种用户视角的数据资产管理。不同用户均可从角色和管理需求出发，依托统一的数据资产管理规程和管理平台，进行相关数据活动，并通过个性化业务流程与其他角色用户进行任务处理、工作配合流转、绩效查看，实现用户活动的规范管理和用户不同需求的及时响应。一方面，实现了对各类型用户的数据活动进行统筹、联动管理，一方面，调动了企业内各类型用户共同推进、积极参与，真正实现了全用户视角的数据资产统筹管控。

价值三、全生命周期的数据资产运营

普元数据资产管理解决方案从建立长效管理机制出发，围绕数据资产产生、识别、规范、优化等全生命周期的活动进行动态化数据资产运营，通过数据资产管理能力评估形成数据资产运营闭环，通过任务工单实现数据资产运营过程中的工作量化和过程追溯，帮助企业形成数据资产管理的自我造血和输出机制，实现围绕数据资产运营的数据资产持续、有序、平稳开展，不断激发数据要素的价值。

2.4方案特点与优势

特点与优势一、全行业、全管理模式数据资产管理

普元数据资产管理解决方案在金融、政务、军工、能源、先进制造等众多行业进行了广泛实践和打磨，并在实践过程中总结出面向大型集团客户的以主数据为核心的数据资产管理模式、面向政务客户的弱关联的数据资产管理模式、面向大型单一客户的严格资源关联关系的数据资产管理模式，有丰富的经验针对各行业客户的各种数据资产管理需求，提供适宜的数据资产管理解决方案。

特点与优势二、全过程方案和实施定制

普元在多年的数据资产管理实践中充分认识到每一个企业都是独立的组织单元，在业务组成、信息系统建设、数据应用需求、数据战略方面都有其独特性。普元在数据资产管理建设中，通过详实的、规范的企业数据资产调研，了解企业数据资产管理现状和需求，规划匹配的数据管理组织和管理规程体系，定制数据资产管理工具，设计符合企业的数据资产运营策略，由资质匹配、经验丰富的实施团队落地实施，为企业量身定制最符合企业实际的、可落地的、循序渐进的数据资产管理解决方案。

特点与优势三、全流程数据产品打通

普元数据资产管理平台基于数据管理全生命周期，实现了技术元数据、业务元数据、管理元数据、数据模型、数据标准、数据质量、资产目录和服务开发产品的全流程打通，并从业务配合的角度，实现了从技术元数据到资产目录、从逻辑模型到资产目录、从数据标准到数据模型、从数据标准到数据质量、从数据模型到数据质量、从资产目录到服务开发等各类管理行为关联下的数据产品打通，为企业全生命周期的数据资产管理活动提供完整的、紧密配合数据产品体系，支撑各类数据活动之间无缝衔接、快速展开。

特点与优势四、全信创国产化产品适配

普元数据资产管理平台在众多行业的数据资产管理实践中，与各类国产化信创软硬件产品，包括操作系统、数据库、中间件、应用产品等进行了广泛的适配和集成，保持了高度的平台开放性。可在国家信创安全要求下，基于企业的信息系统建设现状，与企业已有的、主流信创国产化产品灵活对接，在不改变企业IT架构的基础上实现IT系统架构的融合，并快速搭建数据资产管理体系，形成企业的数据资产管理能力，实现对企业数据资产的敏捷化管理。

03‍

实施方法论

良好的数据资产管理体系需要落地转化为企业的管理实践，普元从业务角度出发，总结了一套数据资产管理业务实施方案，通过“识别-规范-优化-使用-评价”，从业务中识别资产、制定标准、优化质量、共享应用，并通过数据资产管理能力定期评价形成数据资产闭环运营体系。各步骤之间并无严格的先后顺序，组织可结合自身情况在各阶段制定合理的实施方案。

3.1识别数据资产

企业数据资产来源于业务，多由业务系统承载，通过数据调研，了解企业业务概况和系统概况，梳理数据分布和数据流向，探查核心数据特征和数据问题，梳理企业的数据模型，包括概念模型、逻辑模型和物理模型，是识别并形成企业数据资产的重要基础活动。

3.2规范数据资产

数据资产初步识别后，建立统一的数据资产管理组织和管理规程体系，为数据资产管理提供保障。一方面，通过建设涵盖决策层、管理层、执行层的数据资产管理组织体系，进行明确的权责划分和岗位设置，实现对所有数据活动的专职管理，保证所有数据活动全流程的指引和推进。通过建设包含管理办法、管理规范、技术指南的三级数据资产管理规程体系；一方面，从整体管理、分项管理、技术执行角度对数据资产管理相关活动进行全方位保障，使各项活动有法可依、有序可行。

3.3优化数据资产

数据资产经过识别、规范后，借鉴国家标准、行业标准、地方标准、企业标准，形成一致的业务术语标准、数据元标准、字典代码标准、指标标准，并基于业务要求、数据标准、模型规范进行数据质量检核，整改数据问题，规范数据质量，形成满足业务需求的、规范的数据资产，进一步按照统一的编目规范编制成数据资产目录，形成企业业务、技术统一的管理视图，为数据应用奠定基础。

3.4使用数据资产

数据资产目录编制完成后，企业通过数据资产目录可对数据资产进行统一视图管理，并根据业务需求配置数据流程，通过数据资产目录定位、申请数据资产，推动数据资产的共享和使用，并根据共享需求，开发数据服务，实现数据资产的服务化和价值化。

3.5评价数据资产

基于数据资产管理能力评估理论，结合企业现状，形成企业数据资产管理能力评估模型，并对企业数据资产管理能力进行全面评估定级，明确管理现状和面临的问题，形成闭环数据资产运营体系，推动数据资产长效管控，持续激发数据要素活力。

04

实施效果

4.1某特大型汽车集团数据资产管理体系

设计了集团统一的数据资产管理规划体系，从各个维度对集团的数据管理工作进行指导，推动集团在此基础上建设统一的数据管理规程体系、数据管理组织体系、数据人才管理体系、数据共享交换体系、数据质量管理体系、数据标准管理体系等，逐步建成较为完善的数据管理体系，以数据管理推动集团业务数字化转型，为业务赋能。

通过全集团数据资产管理平台建设，实现了全集团核心数据资产的统一管理和展示，并基于数据资产目录，实现对数据质量、数据标准、元数据的标准化、统一化管理，为集团业务提供高质量、标准化的数据，通过数据管理驱动业务数字化转型。

4.2某直辖市数据资产管理平台

实现了数据流的整体监控以及数据的资产化和资产的服务化。

• 创新建设目录三清单管理体系：基于公共数据资源目录，结合委办实际，创新性建设了公共数据资源目录需求清单、责任清单和负面清单体系，实现了通过三清单权责推进数据的规范共享和使用；
• 基于目录的资源共享交换门户：基于公共数据资源目录，建设资源共享交换门户，实现从目录查找、申请到审核、授权的全流程管理；
• 运营、开发过程全管控的数据资产运营：围绕数据资产目录，以服务工单贯穿数据资产全生命周期的资产编目、归集协调、打标签、共享跟进等运营活动，以及归集开发、服务开发、融合开发等开发活动，建立了闭环的数据资产运营体系；
• 快捷特色的数据服务化管理：实现了公共数据目录中数据的服务化，将数据目录中的数据以文件服务、Web接口服务、数据库服务、流数据服务等方式对外提供。 ‍ ‍

05‍

未来展望

4.1管理专业化：

随着企业对数据资产价值的认识不断深入，未来的数据资产管理组织会越来越专职，权责会越来越集中，人员会越来越专业。未来的数据资产管理会逐步演变为像财务管理、生产管理一样，成为企业内部由专业的人员、按照专业的知识和流程进行的专业化管理领域。

4.2管理场景化：

随着数据资产在企业应用不断增多、对业务的支持越来越深，未来的数据资产管理会逐步趋于围绕某一具体的应用场景，组建涵盖管理人员、运营人员、技术人员的快速反应团队，按场景定制个性化的管理流程，灵活组合管理工具提供服务支持，逐步变为围绕具体场景的数据资产管理。

4.3管理敏捷化：

随着企业数据的急速扩展，数据的及时性越来越强，数据的需求周期越来越短，未来的数据资产管理会紧密围绕业务需求，从组织、规程、团队、工具、活动等方面全面趋向敏捷反应和快速服务。‍

关于作者：庆峰，普元资深咨询顾问，10年数据从业经验，擅长数据治理规划、数据资产运营设计、标准规范编制、数据调研设计、业务流程梳理。