如何“盘活”你的数据资产？

如何“盘活”你的数据资产？

从某种意义上说，数据资产仍是一种隐秘的财富。

数据尽管已经被公认为资产，但很多数据拥有者对此仍持有疑虑，比如：我们企业的这些数据能算作资产吗？如果算作资产，它的价值应该如何实现？要回答第一个问题，我们首先就得搞清楚，到底什么是数据资产？

通俗来讲，一大串无序的数字与代码，那是原始数据，不能算作资产；无序的原始数据按逻辑组织成有序，那就是数据资源；再将数据资源进一步加工、量化，梳理为能带来经济效益的数据，那便是数据资产了。

所以，数据要实现资产化，是需要一个“盘活”的过程的，这个过程我们可以分为三步来进行：

①心中有数：对自身资产进行一个盘点与洞察；

② *** 之有度：在摸清了自身的资产家底后，对它进行一个系统的整合与规划；

③行之有方：在盘点后形成的数据资产目录的指导下，去激活实现数据资产的价值。

—  01  —

第一步：心中有数

前期对于数据的规划与洞察，能让后续的数据资产盘点与应用工作事半功倍。并不是所有的数据都是资产，作为资产的数据必须是要能给企业带来价值的。对于数据的盘点也不能只是为了盘点而盘点，其最终目的还是要能有效支撑业务、产生效益。

我们需要事先通过盘点范围以及内容的确定，并在统一标准的规划指导下进行数据发现和解析，摸清自身数据家底，对于自身数据资产做到“心中有数”。

1.确定盘点范围和内容

（1）确定盘点范围

业务范围：要盘点哪些业务，比如盘点梳理人力资源业务、营销业务等。

系统范围：是确定盘点梳理的系统范围，比如梳理财务系统、核算系统等。

组织范围：是确定需要哪些机构或者部门参与本次梳理内容的整理、审核以及确认工作。

（2）明确盘点内容

由于数据资产内容较多，需要明确盘点内容是哪些，例如盘点业务对象、数据项、指标、CRUD矩阵、概念模型、逻辑模型等内容。

2.制定统一标准

在进行数据资产的盘点前，我们需要一个统一的标准和模板，来厘清来自各个业务线、各个口径的数据。

首先要根据企业所在行业的相关标准，结合企业自身的业务情况构建数据标准，形成全局统一的数据定义和数据价值体系，方便对数据进行一个整合和全局管理。然后再制定一个统一的模板，我们可以参考所在行业的业务模板，对照标准对各行业数据字典进行数据，从而统一数据口径，更好地进行梳理与盘点。

3.数据发现和解析

数据的非实体性和多样性，使得数据可能散布在数据库、云、大数据平台、服务器、电脑等各个终端，尤其是在企业的业务不断发展后，数据量的增长是指数级的。我们应该怎样去找到数据，避免遗漏，这需要一个系统地数据发现的过程。

 

数据发现是从全局出发，系统性的扫描企业内的数据资产，确定数据存储的位置和数据量，形成数据的存储分布地图。数据发现的核心在于全面、系统的扫描，以避免出现数据遗漏的情况。

发现了数据，我们还需要对数据进行解析，从而更好地了解、标记以及定义这些数据。我们需要基于数据内容以及存储方式，来明确数据的组织结构，形成库-表-字段的数据框架，通过表格分类和关联关系的分析，来使数据内部关系透明化。

对于多样且复杂的数据类型，我们可以借助合适的平台，比如亿信华辰的数据资产管理平台EsDataAssets来提高数据解析的效率。平台不仅支持多种数据库、文件等结构化和非结构化物理资源的定义、盘点和规划，还能够将富含业务知识的分析模型、报表应用、主题文件集合、接口等逻辑资源封装为数据产品，全方位的盘点企业的各类数据生产要素。

     

—  02  —

第二步： *** 之有度

摸清了家底，心中有数后，我们还需要对这些家底进行一个规范化的管理，对它进行分类分级、明确归属，形成目录，从而更好地完成对数据的维护和扩充，更好地支撑数据价值的发挥。

1.分门别类

在我们前期构建的数据标准的指导下，我们可以对数据进行一个分类分级。

对于数据的分类，可以参考业务维度。我们需要采用与行业相适配的规范的数据分类方案来对数据进行分类管理。比如政务资源里把数据按照人口、法人、宏观经济、空间地理等角度进行分类；法院体系里把人、案件、车辆、办公进行业务主题分类。

对于数据的分级，则是基于数据的价值。数据的价值维度有很多，比如：

①业务权重：数据是否属于企业核心业务运营范畴，越接近核心则越重要，其作为数据资产的必要性越高。

②决策权重：对高层决策的重要程度，决定了数据能否作为数据资产的一项重要指标。

③使用频次：数据被使用的频次越高，说明其重要性越高。

④分布范围：数据如果分布在多个业务域或者系统中，被很多不同的人员使用和共享，说明其支撑的业务越多，也越重要。

⑤ 技术承载与可控性：通过技术手段，对数据进行获取、维护、管控，其难易程度、成本、可控性等方面都可作为辅助性的衡量标准。

⑥数据敏感程度：针对自身性质以及业务情况，区分数据敏感程度，保障数据安全。

⑦数据可变现性：针对数据的内部应用和外部应用，根据市场情况评估数据的可变现性。

这些维度并不是固定的，企业可以根据自身情况进行调整扩充，来对自己的数据进行一个标记分级，从而为数据使用、价值挖掘、数据保护提供价值依据。

2.明确归属

很多时候，数据资产盘点后仍旧会出现这样的情况：相关人员需要使用数据的时候，不知道数据怎么调用，需要修改数据时，也无法明确数据的管理者和消费者是谁，这个时候我们需要明确数据的权属。通过调研、业务关联、存储对象关联等方式，确定数据资产的业务归属和责任人，帮助掌握数据的来源和去向、明确相关责任归属，为跨业务的数据使用、数据关联分析、数据分类保护等提供目标和责任指向。

3.形成目录

在对数据资产进行盘点后，我们的成果就是数据资产目录。数据资产目录能将企业内的所有数据进行汇总，从而从全局层面直观清晰地展现出企业拥有的数据内容、数据量、数据价值、数据存储位置以及数据归属和责任人，帮助企业掌握其拥有的所有数据及数据价值，为企业进行数据使用、数据价值挖掘以及数据保护提供指导依据，同时指导企业进行数据规划和数据体系搭建。

       

—  03  —

第三步：行之有方

数据资产目录是数据资产盘点的成果，但不是最终结果。数据资产目录如果只是放在那里，那么它仍是“沉睡”的资产。那么，我们应该怎样去激活它，充分发挥它的资产价值呢？

首先我们要明确的是，作为资产的数据，与传统资产还是有很大的区别的。参考资产的权属明确、可计量、可交易、这3大核心特征，数据资产化目前还存在两大问题：

①是权属模糊，数据从生产到流转的过程中，可产生衍生数据及衍生数据主体，数据资产主体具有多重性；

②是没有统一、普适性的定价标准和健全的数据资产交易机制，以及数据的隐私与安全问题亟待解决，使得数据资产的定价与估值困难，数据的流通与开放受限。

所以我们这里暂时不从市场流通层面去讨论数据的价值层面，主要来从基于数据盘点的成果——数据资产目录的应用层面，来讨论数据资产的价值实现。

我们有了数据资产目录，就相当于有了一个关于自身数据的指导手册，它能从数据与业务结合的多个维度来促进数据价值的实现。

1.资产可见：指导数据应用

数据资产形成了目录后，首先可以发挥的，就是其作为目录基础视图价值。

就拿EsDataAssets来说，平台盘点的数据资产能够以数据商品的形式在数据资产门户中对业务用户开放，消费者在门户中可以通过资产分类导航、资产标签、评价等级和关键字检索的方式查找需要的数据资产，浏览数据资产详情并发起数据服务的使用申请。

数据资产的开发者可通过数据资产目录将自己开发的数据资产准确发布到所属的分类科目项下。数据资产的管理者借助数据资产目录，可了解整体的资产分布情况、把控数据资产的使用，实现对数据资产的全局把控。数据资产的使用者通过数据资产目录和合理授权，可快速定位和获取所需的资产，并对数据资产进行评估和反馈。

2.资产可信：保障数据安全

我们可以根据分级分类和权属划分的结果，针对性地采取适当、合理的管理措施和安全防护措施。比如在EsDataAssets内，就可以内置可自定义的数据资产服务工作流，依据数据资产目录的权责归属划定服务申请审批对象，并支持行级数据权限的控制。消费者获取的数据可依据数据安全中对资产的分级分类要求做响应的脱敏和加密处理。

3.资产可用：提高数据质量

对于数据资产的规范化管理，有助于针对性地进行数据治理，从而提高整体数据质量。

我们可以根据数据资产质量管理的要求和制度规范，从各维度定义数据质量的衡量标准，并细化流程管理。将对数据质量的把控落实到各环节，包括数据收集过程的准确性、完整性和统一性，处理和加工过程的客观性和延续性，数据资产应用过程的时效性和可获得性，让高质量的数据来更好地助力企业的经营分析和决策制定。

4.资产经营：促进资产增值

随着数据要素化的推进，部分地区和行业的数据资产交易，正在有序开放。2015年4月14日，全国乃至全球第一家大数据交易所——贵阳大数据交易所（简称“贵交所”）正式挂牌运营；2021年3月31日，北京国际大数据交易所成立；2021年11月25日，上海数据交易所挂牌成立；2022年1月21日，《浙江省公共数据条例》通过，对数据交易进行了相关规定，日前的浙江自贸区新闻发布会上也有消息称，在2022年，杭州也或将上线国际数字交易平台，并成立杭州国际数字交易所。

在有活跃合法的交易市场的情形下，我们可以通过数据资产运营和流通，来让数据资产进一步增值。我们可以根据数据资产目录，制定有针对性的数据资产经营机制及估值体系，明确自身数据资产的定位及优势，强化主动管理和营销能力，逐步将数据资产从对内使用向对外营销转化。

我们还可以通过相应技术和系统支撑，来提升数据资产开放输出能力，例如国网上海电力公司通过对企业的用电数据进行脱敏、清晰和深度加工，再经模型与算法形成了“企业电智绘”的数据产品在上海数据交易所与中国工商银行达成交易，助力商业银行依托能源数据创新面向企业的金融产品和服务。

—  04  —

小结

维克托·迈尔·舍恩伯格在《大数据时代》中提到：虽然数据还没有被列入企业的资产负债表，但这只是一个时间问题。尽早地对自身的数据资源进行规划布局，梳理成为资产，让数据更好地助力经营应用，对于企业来说，是一个具有前瞻性的动作。但这项工作并不是静态的，企业在进行数据资产相关的工作中，也应具备长线思维，并与时俱进，来更好地让数据资产发挥价值。