导语：
随着越来越多的企业认识到数据作为生产要素的价值 ，加快了企业数字化转型 ，把完善企业级的数据治理体系作为企业数字化转型的一个目标。Z6官网人生就是博科技在大数据领域始终保持足够的技术敏锐度 ，并积累了丰富的经验与资产。为此 ，我们组织了一个系列专文 ，分期发表 ，与您一起探索更适合当下行业发展的数据观 ，欢迎大家持续关注。
作者｜Z6官网人生就是博科技大数据研究院
内容｜本篇共4013字 ，预计阅读时间15分钟
许多企业积累了海量数据 ，在支持日常业务运营与管理中发挥了作用。但数据资产快速膨胀 ，导致存储和计算资源以及维护成本急剧增加 ，管理者感受到了压力 ，渐渐意识到数据资产的扩张是盲目无序的 ，认识到消耗了大量资源加工的很多数据资产是不可靠的 ，存在大量冗余与僵尸数据 ，没有任何使用价值的资产应该被核销做减值处理。
一些银行盘点了数百套业务系统 ，数百万数据项 ，形成了包含数十万数据项的数据字典 ，企业级数据模型包含了数万数据项 ，作为历年来业务与数据系统建设的成绩。清醒的专业人员可能会认识到如此庞大的数据字典不便使用 ，难以发挥价值 ，正是过去数据管理工作中的问题产生了如此庞大的、难以管理的数据字典与数据资产。
DAMA-DMBOK2.0数据管理的定义是：在数据和信息资产生命周期内 ，对交付、控制、；ず吞岣呤莺托畔⒆什募壑档墓婊⒄策、项目和实践的开发、执行和监督。DAMA认为数据管理与信息管理、企业信息管理、企业数据管理、数据资源管理、信息资源管理、信息资产管理是同义词。传统数据管理以数据为中心 ，专注于技术数据管理 ，以便数据能够更好地支持业务 ，现在环境下 ，外延已大大扩展。
数据问题是业务问题的症状表现 ，数据资产管理能达到的目标由所处的生态系统条件决定 ，数据质量的状况往往比大多数管理者意识到的要糟糕得多。数据资产的特征决定了其管理更复杂 ，企业需要主动将数据作为资产进行专业化、精细化、精准化管理 ，并持续监控 ，从中获得持续的价值。
01
与管理其他类型资产（如库存、信贷资产、现金和设备等）一样 ，需要建立通用的数据资产管理原则 ，以安全、一致和有效的方式管理数据 ，确保实现数据管理的目标 ，包括：了解并支持企业及其利益相关者（包括客户、员工和业务合作伙伴）的信息需求 ，获取、存储、；げ⑷繁Ｊ葑什耐暾 ，确保数据和信息的质量。
对所有数据实行全生命周期管理。不仅要管理既有数据 ，还要管理未来产生的数据 ，不能重复过去先污染后治理的老路 ，从数据的产生源头开始管理 ，在数据的需求与设计阶段尽早介入 ，及时发现问题 ，把问题消灭在萌芽状态 ，避免问题的产生与发散 ，降低风险 ，减少未来的预期纠错费用。通过治理优化 ，降低数据资产管理运营的短期成本 ，同时着眼于长期投资回报。
管理数据资产的内在质量属性。信贷资产等传统资产的质量管理有成熟通行的标准（如风险等级）、方法与管理考核制度 ，数据资产的质量内涵要复杂得多 ，虽有成熟的评价与管理方法、流程 ，但没有得到系统的执行与监控 ，没有形成解决根本原因的闭环。应集成与整合散落的各种数据 ，提升数据内在固有价值 ，确保为用户提供可靠、准确和最新的高质量数据资产 ，同时要防止错误数据整合与加工产生不良资产 ，减少可能造成的影响。
管理数据资产相关的风险。银行风险部门管理财务资产的质量 ，数据资产的质量与风险是两个维度。低质量数据代表风险 ，数据风险还包括数据丢失、被盗、误解、误用、滥用等。企业应识别和分类敏感数据资产 ，定位敏感数据 ，评估外部威胁和内部风险 ，采取主动风险预防与缓解措施 ，防止未经授权或不当访问、操纵或使用数据资产 ，避免监管合规的风险和处罚 ，防止因资产市场化变现可能产生的风险。
数据只有被使用才会发挥价值。在财务方面衡量资金使用效率的主要指标是周转率 ，有形资产的价值通；崴孀攀褂玫脑黾佣陆祷虮嶂嫡劬。数据的价值随着使用的增加而递增 ，应挖掘数据资产的用途 ，使其价值最大化。数据如果没有被使用 ，预期的费用持续存在（管理维护需要投入） ，沉没成本在增加。
数据资产管理需要跨职能专业知识与技能。数据资产管理是专业人力资源密集型工作 ，数据在企业内甚至企业间流动 ，数据的创建和使用方式以及数据使用者都在发展与变化中 ，有效管理数据资产涉及一系列复杂的过程 ，需要跨部门（业务部门、科技部门、数据部门等）、跨企业协作 ，需要广泛的跨岗位职能的一系列专业知识和技能。数据密集型企业 ，应该全员参与数据资产管理 ，除了承担领导责任的管理人员应具备基本的数据素养外 ，每个数据管理干系人应具备必要的专业技能 ，从企业全局多视角出发 ，实现对企业数据资产管理的承诺。
02
历史上各种遗留系统的技术复杂性和管理不善造成了混乱 ，数据量太大以及数据复杂性 ，迫使管理者必须首先关注最重要的问题。不同数据资产并不同等重要 ，存在不同用途、质量与价值差异 ，管理要求不一样 ，价值提升方法也不一样。管理数据资产首先从对所管理的对象进行分类开始 ，精细化管理数据资产 ，许多数据管理工具大都集中在分类和控制方面。
从逻辑上把数据分为主数据、参考数据、交易数据以及衍生汇总数据。主数据与参考数据通常是构成业务数据的基础 ，主数据包括跨业务领域、流程和系统穿透企业各类数据的公共主数据以及业务领域主数据 ，要确保主数据每个实例只有唯一的识别编号。不良的架构以及业务系统设计常常埋下许多陷阱 ，导致系统之间的数据结构和数据值不一致 ，他们甚至可能为现实中的实体制造不同的概念 ，给识别主数据及其之间关系带来困难 ，许多企业维护了多套客户、机构、员工、产品主数据 ，增加了成本和风险。
数据还分为结构化数据与非结构化数据 ，一般来说 ，传统结构化数据的价值密度远比非结构化数据高 ，没有上下文背景的日志类数据以及非结构化数据的价值来源于能否与企业现有的主数据建立关系 ，许多企业尚没有对结构化数据进行有效管理 ，如果追求热点投入大量资源于非结构化数据 ，试图从中挖掘出价值 ，往往得不偿失。
客户数据是核心战略资产？突菔瞧笠得舾惺葑什 ，在确？突莸囊私性和机密性前提下 ，可以用于直接（被法律允许的交易或收购兼并）或间接（对客户属性数据与行为数据加工 ，结合其他公开的或专有的数据 ，创建新的数据产品或服务以销售）产生货币价值。低质量的客户信息影响业务运营 ，增加了数据使用的成本与风险。企业应建立客户统一视图 ，向客户提供个性化的产品或服务来提升战略资产价值。
企业不同业务系统的重要性以及质量差异悬殊。银行信贷系统、核心系统、信用卡系统、ECIF系统中都有客户信息 ，信贷系统中的客户数据比核心系统在某些属性值方面更完整、更新鲜。信贷系统贷款借据的质量远比核心贷款账户差 ，如果业务需求基于信贷借据统计分析余额、利息、费用 ，显然是选择了错误的数据源。一般来说关键的应用系统 ，数据质量相对更高。应及早识别关键应用、关键数据 ，梳理出权威数据的分布 ，推动使用权威数据资产 ，阻止不良数据资产的使用以及影响的蔓延。
企业不应该投入均等的资源于不同的数据资产上 ，需要对企业数据进行价值分类 ，分配估值 ，关注重要数据 ，提升产出投入比 ，精细化管理。
03
数据资产管理强调把数据当作资产来管理 ，使企业能够从数据资产中获取价值 ，就像对财务和实物资产的有效管理使企业能够从这些资产中获取价值一样。数据资产是有助于生产未来现金流入或减少未来现金流出的经济资源 ，增加收益的方法 ，除了开源外 ，还有节流 ，精准的数据资产管理活动可以减少未来大量预期费用支出。数据相关的成本与具体企业相关 ，每个企业的数据都是其自身唯一的 ，不同企业的人力资源成本、设备成本、软件成本等 ，没有一个统一的衡量标准 ，可以根据企业自身的历史数据与现状做客观的粗略评估 ，对数据管理活动的评估从建立企业内部一致的常规成本和收益类别开始。
数据生命周期相关的成本包括：
l 数据从方案规划、需求分析、设计开发、创建、采集、存储、处理、使用、维护、归档等全生命周期成本；
l 数据质量问题造成的不良影响及修正、改进成本 ，失去的业务机会等；
l 风险防范的成本包括丢失数据时替换或重建数据的成本 ，敏感数据泄密等对企业的影响（包括商誉、社会影响等） ，提升系统可靠性 ，加强信息安全与隐私防范的成本等。
与之相对应 ，对数据与数据活动进行有效管理 ，得到的收益包括：
l 因数据架构、应用架构和技术架构等优化带来的准确性、一致性、时效性等提升的收益 ，满足更多的需求、支持数据创新使用的预期价值 ，以及系统、设备、人员、管理等投入成本的减少；
l 高数据质量带来的收益 ，不但更可靠、更广泛的支持业务应用 ，提升了数据内在价值 ，使数据资产出售有了可能 ，而且减少了垃圾数据的存储与管理等成本；
l 因监管合规等风险降低带来的收益 ，如减少了监管部门的？ ，增加了社会信任等。
因管理与优化带来的成本减少可以与优化之前的成本比较 ，虽然因优化工作会阶段性增加成本 ，但是减少未来投入而获得的收益是长期的。
04
数据资产管理是将数据作为有价值的业务资产进行管理、组织和优化的过程 ，数据管理专业人员应了解自己工作的财务含义 ，衡量数据和数据管理活动的货币化价值 ，并一致地嵌入应用到日常数据管理中。虽然数据设计、生产人员没有生产垃圾数据的主观意图 ，但他们应该认识到数据管理生命周期中的每一步工作都涉及成本 ，或多或少影响资产负债表 ，可能因为自己的技能缺陷或粗心产生的数据质量差 ，不能满足业务需求 ，没有相应的价值产出 ，不能转换为数据产品的资产价值 ，需要继续更多的投入来纠错 ，这些投入都被转换为沉没成本。如 ，我们常见到某些业务系统设计缺乏对业务主键的管理 ，设计师甚至没有业务主键概念 ，也就是说没有业务逻辑设计 ，产生了大量数据质量问题 ，导致下游加工、维护成本指数级增长 ，解决问题的时间越晚 ，沉没成本越高。
热力学第二定律告诉我们 ，不可能把热量从低温物体传递到高温物体而不产生其他影响 ，所有封闭系统从一定的价值与结构开始 ，最终都不可挽回趋向混乱度最大的状态 ，除非外部注入能量。数据管理也是如此 ，如果置之不理 ，它会不断恶化到无序状态 ，直到推倒重建。数据资产管理是一项没有终点的工作 ，企业应该以最具成本效益的方式（包括所有成本、风险和性能属性）开发、运营、维护、升级和处置资产 ，需要持续注入能量 ，持久化管理数据资产 ，持续监控执行情况 ，带来整体资产价值的长期提升。
