。

另一方面我们做数据治理的同行们从学习吸收国外优秀的数据治理理论#xff0c;进一步在实践中思考如何应用理论#xff0c;并结合我们国家…关于数据资产管理近两年是数据治理行业中一个热点话题当然有我们前面提到的国家的政策支持及方向指引的原因。

另一方面我们做数据治理的同行们从学习吸收国外优秀的数据治理理论进一步在实践中思考如何应用理论并结合我们国家的实际情形来实践数据价值的变现。

通过学习国内外的优秀的案例及相关理论以及近两年行业中优秀的文章及发布的白皮书等内容我在前面也总结了关于数据资产管理体系的架构框架。

希望从这个框架来说明我们如何进行数据资产管理。

下面我按框架分区域来详细表达一些想法当然其中也借鉴近期发布的优秀数据资产管理体系内容。

关于近期发布的《商业银行数据管理建设实践指南》的内容也许我是从银行业开始的数据治理实操个人很是认同其中的观点我在这里将其一些总结性的内容来作为我们阐述“数据资产管理体系”的前言。

首先是关于数据资产管理的五大活动资产处理、隐私保护、资产确权、资产认定、价值评估。

这五个管理活动体现了我们认定什么样数据才是数据资产以及如何将数据资源转化为数据资产的关键活动。

通过这五个关键活动我们才可以将我们组织中的数据按照数据、数据资源、数据资产的路线将数据转化成数据资产也就是我们常说的数据资产化过程。

从另一个角度我们来看企业如何实现数据价值依照企业的数据策略将企业的商业活动数据化业务数据化形成了数据资源通过数据资产化的运营体系将数据从数据资源转化为数据资产数据资产对内挖掘企业组织内的数据潜能对外通过数据产品化等方式实现数据共享将数据价值进行变现这就是资产产品化过程最终通过数据资产走向市场实现数据要素的市场化。

国内刚开始进行数据治理时更多的是考虑数据治理及数据管理相关活动将组织内的数据进行数据标准化提升数据质量等近两年我们更多是考虑通过数据资产管理体系来实现企业组织的数据价值近期数据要素已提升为生产力要素之一我们需要考虑如何进行数据资产经营形成数据资产经营体系来实现数据要素价值化。

那么这几个体系之间是什么关系下面这张图将清晰地表达了他们之间的关系及相互之间的依赖及支撑。

好的我们清楚了数据资产管理体系的定位以及数据资产化的关键活动我们在逐区域说明我们是如何实现面向价值的数据资产管理体系。

1、有组织

上面展示两种数据管理组织架构示例分别是按照数据治理管理角度及数据资产管理组织角度来设计数据管理组织架构。

我们能发现实际上他们的层次框架都是相同分别是决策层、管理层及执行层三层架构来设计。

从这一点我们可以知道数据资产管理实质也是属于数据管理的范畴内。

本质也是组织管理的内容。

从管理学的角度及相关理论来说从组织架构的设计上层次也是相同的。

所以实际上我们在设计数据资产管理组织架构来保障我们进行数据资产管理体系的运营时我们完全可以参考我们以前已成功实现的数据治理组织架构或者直接套用只不过我们需要将相对应层次中的干系人角色及组织部门的明细定义及职责定义上更明确更适合数据资产管理。

对于已经有成熟数据治理组织架构的组织个人建议只需要在相关部门中增设相关干系人或管理部门没有必要重要建立一个新的数据资产管理组织架构。

上图是从另一个角度来建设我们的数据资产管理组织以一种可能会认为是更务实的以数据应用为驱动来设计的数据管理组织建设模式。

2、有制度

关于制度这一方面我想在相关数据治理的文章及理论中都讲了很多大家也认识到需要有相关制度来支撑我们的数据管理活动下面以一张图来表达如果将数据资产管理制度单独进行制定与传统的数据管理制度之间的关系。

实际上我们也可以将数据管理制度包括到数据资产制度体系中。

主要还是看企业现有数据管理制度的现状及数据管理的策略。

3、有规范

一般情况下管理制度更多是有如立法方面的内容也就是说制度是为规范各项数据管理的基本原则及操作范围当然还有组织相关保障要求等方面的内容。

在具体的数据资产管理活动中我们同样需要相关的管理规范及流程来指导并规范我们的数据资产管理活动。

可能从规范上来说不同企业将会是大同小异而关于流程就是可以说是不同企业将会有更大的差异个人建议规范在前期可以尽可能制定清晰而流程需要在实施过程中进行调整。

4、有管控

有制度及规范只是规范了大家是如何做事从管理的角度来说我们还需要通过管控来保障大家正确规范地做事。

制度及规范更多是以如文件方式存在并通过培训及宣讲的方式来提高相关干系人的认识并规范相关干系人的活动。

而数据管控会通过多种手段如评估、评价、监视、绩效等方式而且往往会采用数据管理工具或平台来实现制度及规范的落地执行。

上图表达是数据管理的主要行动步骤示例以及从数据资产化的角度来说明各类数据管控活动是如何最终支撑数据资产化的活动。

5、有服务

只能将数据资产服务给各位干系人才能体现并发挥数据资产的价值。

在数据资产服务过程中挖掘企业组织内部的数据潜能更好地促进数据在企业组织内部的数据分享及数据流通。

也可以通过服务将数据资产对外共享实现数据资产的变现。

关于数据资产的服务我们可以按下面两个方面来说明首先是数据资产的价值评估通过相关定性及定量的指标准确评估数据资产的价值发掘数据资产的潜能促活数据的效能最终实现数据资产的产能变现。

通过数据资产的潜能评估、效能评估和产能评估充分体现企业组织的数据资产的内在价值、成本价值、业务价值、经济价值和市场价值。

其次评估出数据资产的价值需要提供数据资产化成果的数据服务才能将数据资产变现。

我们知道数据资产化可以分为数据资产形成阶段和管理阶段。

下面充分说明了我们如何将数据资产化成果以数据服务的方式提供出来。

6、有运营

前面讲过了组织及制度、规范及流程、数据管控和数据服务我们都是在聊我们如何实现数据资产化的过程及相关需要的保障内容。

但是就算将数据资产化后甚至是服务出去而且得到了价值变现后就如经营一家企业一样我们对于数据资产也需要长期的运营才能保障我们的数据可以稳固数据资产化成果并持续地发挥其价值持续得到变现的收益。

关于数据资产运营就是近一年内大家一直在探讨的内容在这里首先我们看看大型企业的数据资产运营体系示例。

从以上示例我们可以观察这个运营体系从内部数据资产的形成到最终数据资产的定价。

充分体现了充分考虑数据安全及数据资产价值变现的数据资产运营体系框架。

从以上示例我们了解到我们数据资产的运营中需要充分考虑数据资产采集、流通及使用过程的数据安全和合规要求使数据资产在安全合规的前提上流通。

我们除了考虑数据安全合规外还需要从数据资产运营的核心因素——“人”、“货”、“场”来设计并组织我们的运营支撑体系。

7、有工具

数据资产管理工具的重要性我想大家都很清楚我们都知道没有合适的工具支撑以现代数据量级及管理的复杂度是很难保障数据资产管理体系的实际落地。

我们需要通过工具来实现我们的体系的执行、监控、分析等落地操作也需要工具来固化、沉淀我们管理体系的成果。

关于工具市面上百花齐放各有特色在这里我从数据的生成、资源化、资产化的路线上分别可能需要的数据管理工具功能。

为了更好地说明将数据治理平台与数据资产管理平台功能做了分离设计。

当然实际上两者可以合并为一个数据管理平台。