浅谈数据资产管理

随着2021年国务院下发的“十四五”数字经济发展规划的通知后，数字经济近些年持续发酵，现在越来越被大厂、政府所关注。比如说BAT对智慧城市、数字经济有了特定的发展方向，百度更加倾向智慧交通、智能家具；阿里着重发展城市大脑；腾讯则强调“连接”的重要性。

就政府机构而言，我理解的智慧城市应该靠大数据技术来当作城市的数字大脑，技术平台当作城市的心脏，保障措施来做城市的五官，行业应用是城市的四肢。

大数据技术的核心就是数据治理。通过数据采集、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理和数据共享，实现数据治理标准化、流程化，从而有利于数据资产化。

技术平台就是数据智能化资产化。从数据采集、数据存储、数据挖掘到数据分析。在数据中台中对数据资产进行管理。

保障措施则是具备战略规划管理、完善的组织架构、健全的制度体系、完善的审计制度、长效的机制。

行业应用则是数据的运营。主要是做数据确权、价值评估、数据流通、数据服务。比如说智慧交通，公安大数据，应急管理智慧中心等等。

如何进行数据资产管理？

第一阶段：

1、盘点数据资源，评估数据资源的管理能力，梳理数据资源的管理者。

2、制定发布数据战略规划。

3、建立组织责任体系，完善组织架构体系，制定发布数据资产管理制度规范。

第二阶段：

1、制定组织级数据资产标准规范体系，建立各活动职能的实施细则与操作规范。

2、搭建大数据平台，汇聚数据资源。

3、依托统一管理平台，实现数据资产的全流程管理。

4、创新数据应用，丰富数据服务。

第三阶段：

根据既定标准规范，适应业务和数据的变化，通过对数据资产化过程与成果展开常态化检查，优化数据资产管理模式与方法。

第四阶段：

1、构建数据运营中心，充分发挥数据团队对业务部门的辅助作用。

2、建立用户视角下的SLA（Service Level Agreement，服务等级协议），并进行持续评估和改善。

数据资产管理难点？

1、数据资产管理内驱动力不足。--对于多数组织而言,仍面临数据资产管理价值不明显、数据资产管理路径不清晰、数据文化不完善等问题,

2、数据资产管理与业务发展存在割裂。--业务与技术没有融为一体

3、数据质量难以及时满足业务预期。--数据治理模型的不完善

4、数据资产无法持续运营。 --缺少大数据挖掘/分析的支持，数据资产没有达到实时性

5、数据安全风险加剧，安全合规要求日益复杂。--数据安全问题