数据资产管理建设思考（三）

前面我们一起沟通了关于数据资产管理体系的建设背景及驱动、数据资产及相关概念、数据资产管理体系总体介绍及各功能模块的详细设计。

在这里我们通过一两个具体的数据资产管理体系建设中的落地实践，再进一步将思路打开，以数据资产化的实践过程这个角度来说明如何进行数据资产管理。

首先，我们需要搞清楚在数据资产化实践过程中，数据的全命周期活动及活动相关数据干系人的关系，以及数据干系人在活动中的主要作用及职责。

从上面的图示例子中我们可以将数据生命周期活动分为数据定义、数据产生、数据存储、数据交换、数据加工、数据归档和数据应用等活动。分别参与活动的干系人角色有数据的录入者、使用者、业务责任者、管理者、系统归口角色、系统开发维护角色。需要重点说明这些都是各部门中的与数据相关的角色定义，我们需要具体的数据管理要求及组织架构内容来分别为目前或将来的组织及人员进行角色及职责定义。不同企业及企业的不同现状决定了他们的具体分配内容。

我们明确了各数据干系人在数据生命周期活动中的位置及职责，我们就可以制定相对应的数据资产化流程规范，将数据资产管理体系的落地执行。

我们现在来观察一下如何进行数据资产梳理：

如上图所示，一般情况下，我们在实际工作中都是从元数据采集开始来进行数据资产的梳理，但是我们不能一下子所有企业的各系统的元数据全部采集后，以全量的方式进行数据资产盘点，这一点在大多数的数据实践中已被证明不是高效的方式。特别是针对大中型企业的数据资产梳理。大家发现花了大量的时间用于脏数据的分辨和处理中，而且各业务部门对于完善元数据的信息这件事上无法做到快速的、持续的资源投入。

从上面的图示中只是说明是我们常用的梳理过程，没有更进一步地说明如何增效，如何更有利于数据资产的盘点。

在体系建设中也一直提到关于高质量的高价值的话题，所以我们在这里提出一个观点，我们需要以价值驱动来进行数据资产的梳理（盘点）。这一块也是多次在实践得到有效的认证：

整个数据资产梳理（盘点）过程分为6个步骤，理想的状态下是我们组织已有相关数据标准文档，如果还没有或者完整性较差，那么我们需要在梳理的过程逐步形成，当然这是另一个流程的内容。上图展示了当我们不能保障数据标准的建设足于支撑数据资产的盘点时，我们是如何来实现关键的后5个步骤的。

首先从组织设计上将职责明确，职责到岗到人，管理规范及流程可以后期逐步质量提升，但是首先要有。

从流程设计上将相关的工作事项负责到人，并向相关干系人进行宣讲。

除了我们需要以点带面来进行数据资产盘点的方案外（以点带面的含义就是我们需要制定数据资产的盘点目标及盘点内容实施规划并在规划中先做小范围、进度可控、配合高的数据资产盘点），我们在实施中，需要按照从系统可信、数据源可信、数据表可信逐层确认的方式来整理出我们需要梳理的元数据内容，而不是将盘点范围内的业务系统的元数据全部都采集，直接进行盘点。

数据资产管理中我们需要充分考虑数据资产的安全性，数据安全这个话题近两年也很热，我们在这里不会讨论如何数据安全建设，我们从数据资产的安全管理落地的角度来看下关于数据资产数据安全实施的内容。

与上面讲述的方式相似，我们同样从数据全生命周期管理中来分析数据的安全管理需在考虑的方面。

上面展示了关于如何在数据资源转化为数据资产过程中，将数据安全的管理落到数据资产上。我们需要在数据资产的元数据上制定或确认它们的数据安全等级，利用数据安全等级开始数据安全管理的相关管理活动，如数据脱敏、数据加密、数据权限、数据共享、黑白名单定义等活动。因为现在数据量的激增，如果只采用人工为元数据增加数据安全等级的方式，极大地增加了相关人员的工作量，我们可以通过目前如自然语言识别、机器学习等高科技技术手段，来实现数据的自动打标。工作人员在平台上进行最终确认。有效地提高数据管理工作的效率，减少了人力资源投入。

最后我们来看一下数据资产管理体系中，从成果展示及数据资产应用中必备的数据资产目录建设的实践内容。

来源：转型数据治理

作者：lishan