【德勤数据治理2.0】

前言

随着大数据时代来临，党中央、国务院围绕数字经济、数据要素市场等作出一系列战略部署，明确将大数据战略上升为国家战略重点。2020年《关于构建更加完善的要素市场化配置体制机制的意见》出台，将“数据”与土地等传统要素列为核心生产要素，并要求加快培育要素市场，强调重点提升社会数据资产价值、政府数据开放共享、数据资源整合安全。在《【德勤数据治理2.0系列】第七期：迈向高可信数据资产 构建企业高可信、高质量数据资产管理方法体系》 中，我们已经详细介绍了何为数据资产。本文将详细介绍作为能为企业持续带来经济价值的生产要素，如何通过运营体系的构建推动资产内容建设，促进资产价值释放，让数据带来收益。

数据资产运营的意义

随着各行业数字化程度的日益深化，绝大多数企业已逐渐意识到了数据的重要性，并积极获取数据，开展应用，积累了大量的数据资源，而数据资源需要依赖业务对充分使用产生价值。如何组织好数据、使用好数据，成为企业数据管理和应用的主要挑战。传统数据管理活动是从管理者视角出发，强调数据标准和规范管理，是“努力做到最好”，而数据资产运营是从运营视角出发，强调优化效率，提升价值，是“努力做到更好”。通过构建数据资产运营体系，实现：

• 提升资产服务效率，规范资产定义，加强共享与流通
• 优化资产使用体验，监测资产使用，便捷资产查找
• 激发资产用户积极性，提供多样化的服务场景，引导用户主动参与资产运营

图1：数据管理vs 数据资产运营

数据资产运营体系需要解决数据价值过程中面临的诸多问题，需要以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，让数据价值持续释放。数据资产运营总体上会分为数据资产识别、数据资产维护、数据资产服务、数据资产监测和数据资产评价，覆盖了数据资产运营的主体工作和持续优化工作。

如何开展数据资产运营

为了更好地促进数据价值的释放，以体系化的方式实现数据的可得、可用、好用，亟须构建一套完整的资产运营体系。通常将企业数据资产运营过程分为三大环节：

• 数据资产识别：面向全公司数据的资产化登记，通过厘清资产范围，规范属性，对存量数据资产集中式盘点，对增量数据资产自动化注册，实现数据资产的准确、有效识别。
• 数据资产维护：建立对数据资产属性框架、数据资产目录、数据资产内容以及数据资产访问权限的规范化维护流程，实现数据资产的动态更新。
• 数据资产服务：针对资产检索，资产分析，资产大屏展示等应用场景，构建智能化、可视化、个性化的资产服务体系，提升资产使用效率。

1. 数据资产识别

针对企业海量数据，首先需要厘清数据资产范围。数据资产是企业所拥有或控制的，可为带来经济收益的，在数据采集、加工、应用和管理过程中产生的一切数据资源。企业通常将基础数据、指标数据、标签数据、挖掘模型等纳入数据资产的范围。

明确资产范围之后，需要对数据资产制定属性描述框架。根据资产类型的不同，其描述框架的内容也有所差异，但原则上需要明确每项资产的业务定义，技术规范和管理对象。以基础数据资产的属性描述框架为例：

图2：基础数据资产属性框架示例

在描述框架中，分别对资产项的业务属性、技术属性和管理属性分别进行了定义。通过描述框架，为每项数据资产统一了中英文命名规则，制定了存储字段类型的和格式要求，定义了数据资产业务描述，明确了管理责任部门和使用权限，为后续的有效使用奠定了基础。

在明确数据资产范围和属性框架之后，需要对企业全量数据进行梳理，以实现企业内数据资源的资产化记录。按照梳理方式的不同，可以分为存量数据资产盘点和增量数据资产注册。

存量数据资产盘点：特点是工程量大，技能要求高，因此，一方面建议采用分阶段集中性的盘点形式，按照“急用先行，先易后难”的原则，对存量数据进行盘点。另一方面，建议借鉴业内成熟的

增量数据资产注册：特点是涉及面广，流程相对固定。因此，需要在数据采集、数据入湖，数据加工等产生数据资产的各个环节设置注册节点，并通过系统接口完成自动注册动作。以某银行为例，在数据入湖流程中部署相应资产注册节点，通过在入湖接口的开发部署时自动捕捉元数据信息，完成数据资产的自动注册。

2. 数据资产维护

针对已经形成的数据资产，需要构建一套完整的资产维护机制，对数据资产的定义，数据资产的内容以及数据资产权属进行持续更新，以保证资产信息的完整可信。

数据资产的对数据资产及时地更新和自动维护，提升查找及使用数据的效率，为开展高效数据资产运营提供基础支撑。根据资产属性，主要分为对资产内容的维护，对资产结构的维护和对资产权限的维护。借助数据资产管理平台，实现自动化，实时化的资产属性更新：

数据内容维护：通过定期同步元数据信息实现资产内容技术属性的自动更新，数据资产的业务属性和管理属性信息定期收集，经过业务属主确认后，同步至数据资产管理平台。由数据资产管理人员对已下线的数据资产在平台内进行失效处理。

数据资产目录与属性框架维护：由数据资产管理人员新增和更改目录结构，维护资产属性框架和公共标签。

数据访问权限维护：由数据资产管理人员和数据属主共同负责进行数据资产底层数据预览权限管理，权限类型包括全公司公开、条线公开、私密。

3. 数据资产服务

数据资产服务是数据资产价值实现的主要载体，通过梳理常用的资产应用场景，完善资产服务体系，借助数据中台提供服务，帮助业务提升数字生产效率。常见的数据资产服务包括：

• 数据资产检索类服务: 通过建设多视角的数据资产标签以及资产内容预览等功能，引导用户全面检索、理解、获取想要的高价值数据。
• 数据资产分析类服务：从业务视角自动生成取数脚本，灵活筛选提取的数据资产，跳转BI平台进行联动分析。
• 数据资产展示类服务：通过数据大屏、血缘分析等可视化工具，展示全量数据资产规模，分布以及关联关系等信息。
• 数据资产估值类服务：构建数据资产量化评价体系，从成本，收益，市场价值等维度对不同类型数据资产价值的量化评估。
• 数据资产互动类服务：对数据进行点赞、点踩、评论、星级打分和自定义分组收藏，建立数据资产共享共用生态。

以某银行数据资产管理平台为例，用户在浏览查询的数据资产时，可以对其进行点评，包括提出问题、建议、使用经验、心得和评价等，同时还可查阅历史所有的数据资产点评内容。通过此类数据资产互动服务，既增加资产用户的参与积极性，又通过用户点评结果不断改进优化资产内容。

如何通过数据资产运营持续优化

建立全面的数据资产运营评价指标体系，并通过对评价结果的实时监测和反馈结果，驱动资产的持续优化。

首先需要结合数据资产管理流程与数据资产价值评估维度，考虑从数据资产自身、数据资产供给流程和数据资产使用成效等三种视角进行评价，包括：

• 数据资产自身评价：评价数据资产自身内容建设，通常从数据资产的规模和数据资产质量角度开展评价，常用的评价指标包括：数据记录总数量、新增数据记录数量、重要字段完整度、完整记录数量占比、记录差异度等。
• 数据资产供给流程：评价数据供给的响应度，通常从运营响应时效、运营效应有效性、运营稳定性等角度开展评价，常用的评价指标包括供给过程中的数据质量、数据供给的响应时间、响应有效程度等。
• 数据资产应用成效：考评数据的使用和影响性价值，主要从运营成效性角度开展评价，常用的评价指标包括数据的调用次数、关注次数、数据热度等。近期领先企业已逐步探索建立企业数据资产估值体系，实现数据资产价值的量化评估，可以从数据价值角度更直观的驱动资产运营工作。

基于数据资产评价反馈结果，建立监测考评体系，通过自动化方式获取数据资产运营指标，对数据资产运营主体进行定级评估，从而推动数据资产核心目标的达成，促进数据资产的持续优化和有效，提升数据资产价值。

以某金融企业数据资产运营实践为例，基于数据资产多维分析指标，建立数据资产重要等级评价，在营销、运营、服务、风险等环节中向不同业务用户推荐优质数据资产，从而促进资产的有效使用。同时基于数据资产价值的量化评估结果，构建了面向高级管理人员数据资产展示大屏，展示了企业全域数据资产的价值等维度分布，以衡量数据发挥的作用，启发和引导重要数据资产的跨部门流通。

结语

企业在大规模的开展数据应用，驱动数字化转型的过程中，需要构建全面、一致、准确的数据资产体系，更需要构建一套完整规范，价值驱动的资产运营体系，推动数据资产价值的充分释放，从而提升企业业务智能化水平，实现企业可持续发展。

下期文章我们将介绍《金融数据模型对数据资产管理的作用》，敬请关注！

文章作者：德勤管理咨询中国分析与认知服务领导合伙人尤忠彬、德勤管理咨询中国合伙人王朝辉、德勤管理咨询中国高级经理魏翌；德勤中国风险咨询副总监何向飞。

如果您对数据治理2.0系列文章有任何问题或意见，敬请联系：

德勤中国          

北京
电话：+86 10 8520 7788

上海
电话：+86 21 6141 8888

重庆
电话：+86 23 8823 1888

香港
电话：+852 2852 1200

德勤管理咨询邮箱：cndcmarketing@deloitte.com.cn
德勤风险咨询邮箱：RAMN@deloitte.com.cn