《数据资产管理机制V4.0Word版》由会员分享，可在线阅读，更多相关《数据资产管理机制V4.0Word版（9页珍藏版）》请在金锄头文库上搜索。
1、数据资产管理机制论企业数据管理体系建设数据是企业在持续经营活动中积累下来的宝贵资产，数据本身以及围绕数据所进行的活动必须得到管控，以确保在合理的成本范围内数据价值充分发挥并进一步增值，实现投资回报最大化。本文分析企业数据管理存在的突出问题和挑战，对数据管理体系构成、建设原则、建设关键点、演进策略提出一些建议，力图为企业建立或完善本企业的数据管理体系提供一些参考。背景和问题信息技术进步使信息化成为企业发展和快速扩张的有效支撑手段，多年来，国内外各行各业分别建设了适合本企业的信息系统，如生产支撑型、业务支撑型、管理支撑型，以及分析决策型系统等；与此同时，随着全球经济发展、市场竞争加剧、新技术的推陈
2、出新和逐渐商用，信息系统所承载的业务内涵、系统规模和数量和复杂性也在不断攀升。林林总总的这些信息系统，在长期使用中积累、沉淀了大量的核心业务数据，如客户资料、营销策划内容、产品资料、合作伙伴、合同契约、企业资源、进销存、生产、工程建设、财务数据等，这些既是企业的关键信息，也是企业的核心资产，如果不对数据生命周期全过程加以管治，将可能带来多方面问题，例如：数据安全问题：数据的不恰当使用可能泄漏企业机密，导致企业在竞争中失利，危及企业生存和发展；另外国内外对上市企业也有相关法律要求，例如美国Sarbanes-Oxley法案和我国企业内部控制基本规范，均提出上市公司的内控管理必须切实做到保护财务数据
3、、维护系统安全、保护客户数据免遭盗窃与破坏，以提高公司披露的准确性和可靠性等。价值发挥问题：面对众多信息系统，如果缺乏完整、一致的企业数据视图，业务部门将不知道企业内哪些系统拥有自己所需的数据；用户在不知道数据质量状况或明知数据不可靠的情况下，不可能放心使用数据，无从根据数据作出正确判断、决策和快速响应。这些都将遏制数据价值的完整释放。数据升值问题：在数据质量有保障的前提下，对企业的大量历史数据采用商业智能、数据挖掘、预测能技术手段，能从数据中发现事物发展的深层次规律，例如客户偏好、收入预测、客户流失倾向预测等，为企业提供经验总结和预见性的业务支撑；另一方面，良好的数据管理机制将在企业内形成良
4、好的知识共享和传承体系，促进企业的人才培养和组织进步，实现数据增值。反之，数据的零散分布、数据歧义、低劣的数据质量，以及制度和平台的缺乏，将严重遏制数据价值的进一步发挥和增值。成本效率问题：如果缺乏对数据的一致理解，将影响跨系统、跨部门、跨专业的需求沟通和信息共享，提高企业的沟通成本和建设成本；如果对贯穿企业的错综复杂的数据流缺乏直观、完整认识，那么系统故障、数据问题的快定位难以实现；数据权责的不明确，将导致问题解决中系统之间、部门之间的相互推诿和扯皮。所有这些，都最终体现为信息系统对业务的支撑不力，业务部门将越来越质疑企业对信息化的投入综上所述，企业数据从产生、加工、传递到使用、销毁的全过程
5、，应得到专门管控，获得组织和制度保障，明确数据生命周期过程的相关权责，实施体系化、制度化、流程化、规范化、标准化管理，确保数据生产、使用的全过程受控。而这些，都是企业数据管理体系的范畴，其目的是最终实现数据对企业的投资回报最大化。企业数据管理面临的挑战我国各行各业（特别是大型企业）近年来逐渐意识数据管理的重要性和意义，开始或正在建设企业数据管理体系，不约而同都面临一些重大挑战，如：管理方面：缺乏覆盖全企业、跨业务线条、跨部门、跨系统的统一数据管控体系，信息在创建、传输、加工、使用过程中的角色、职权分工不清晰，需要建立明确的信息责任人制度、有效的措施及配套的考核办法；流程方面：对于需求响应、问题
6、处理和日常运行维护工作的推进，缺乏跨部门、跨团队的流程定义，将难以高效整合相关资源形成系统建设的合力；规范方面：缺乏跨部门、跨系统的统一的业务规则、数据标准，不同业务部门之间、业务部门与技术部门之间、技术团队之间，存在沟通和理解的歧义，需求从提出到实现存在前后不一致的风险；技术方面：数据管控工作缺乏有效的平台支撑，事件类型众多、处理复杂，人工处理效率低下，并且难以跟踪和评估。企业数据管理体系建设数据管理体系构成根据国际数据管理组织提出的数据管控框架，数据管控体系由规范、组织职责、流程三大模块组成。通过多年来为客户实施数据管理的项目实践，我们认识到，成熟的信息化技术有能力、有必要为管控工作的高效
7、开展提供能力支撑，我们建议对国际组织提出的数据管控框架进行扩展，将平台支撑作为其中不可缺少的一部分。扩展后的数据管理体系构成如下图：数据管理体系图首先，数据管理体系的框架是稳定的，自上而下由管控目标、管控对象、管控措施、组织/规范/流程和管控平台构成；同时，整个管控体系应适应企业战略和总体业务目标需要，呈螺旋式上升、持续演进，是动态变化的。管控目标：服务于企业战略和业务目标，因此随着战略和业务的发展，数据管控，不同时期的数据管控目标将有变化、关注点不同。通常，管控目标将提出建立统一的企业数据管理中心，明确数据职责和流程，以数据价值最大化为己任。管控对象：随着管控目标演变，各时期关注的管控也相应
8、调整，分阶段纳入不同类型、不同范围的管控对象。例如，在初期重点管理企业数据中心的元数据和基本的数据质量，之后管理业务指标体系、业务需求和完善数据质量，后续将主数据、数据生命周期纳入管理，最后管控范围从企业数据中心扩展至企业其它信息系统。管控措施：对不同管控对象在不同阶段采取进化的管控措施，如与需求流程结合的元数据变更管理、自检与第三方检查结合的数据质量监控、基于数据实时性需求的主数据同步、应用生命周期管理、数据生命周期管理、数据安全保障、数据审计、周期评估、总结报告等。组织/规范/流程/制度：建立可适应管控目标演进、责权明确的组织架构；结合企业实际情况及未来发展需要，制定相关管控制度、规范，如
9、数据保密制度、元数据管理规范、数据质量管理规范、主数据管理规范；以规范为框架，梳理相关流程，如元数据管理流程、数据模型管理流程、数据质量管理流程等。IT支撑：即采用信息技术手段建设数据管控平台，承载数据管理的相关能力，形成企业统一信息视图，承载相关管理流程，对各管控对象进行监控预警，支撑故障处理、知识总结、评估优化等管控工作。IT支撑平台的建设，首先应提高管控效率、降低管控成本，在此基础上帮助数据增值。数据管理体系建设原则企业数据管理体系建设是系统工程，不可能一蹴而就，建设过程需遵循相关原则，以下是一些关键原则：总体规划、分步实施：数据管理工作是长期的，应立足长远做总体规划，同时结合实际分布实
10、施，避免不切实际的一步到位。需求驱动、价值优先：各阶段管控目标应结合本阶段实际需要，合理安排资源，优先满足最迫切需求，体现对企业的实用价值，避免片面求大求全或激进。目标指引、整体带动：应始终围绕管控目标，完善组织、制度、规范、流程和支撑平台，实现目标驱动的整体上升效应；管控体系是演变的。借鉴和定制化：借鉴业界先进经验，采用成熟的实施方法，与本企业实际需求融合，确保先进性和实用性。先固化再优化：各种制度、规范、流程，形成后应先固化有个适应期，在执行过程中积累经验、总结教训后再阶段性优化，避免随意调整。数据管理体系建设关键点企业数据管控涉及大量跨业务、跨部门、跨系统的工作，实施过程需着重保障以下关
11、键点落实到位：高层领导的重视和支持是数据管控体系建设的重要保障从企业高层到基层，需要清晰认识到数据管控工作开展涉及到方方面面，并不仅仅是技术层面的问题；数据管理是长期过程，不可能一步到位，需持续完善。因此，必须将其上升到企业战略管理层面，获得企业高层领导的重视与支持，确保数据管控目标和方向的正确性、相关资源能及时到位、重大冲突或问题能有效协调。职能集中化的数据管控组织是保证数据管控体系正常运转的关键在业界数据管控的最佳实践中，无一例外具有一支专门的、稳定的团队，负责企业内的数据处理与管理工作。该团队一部分分布在业务条线上，实时支持业务线的管理和经营；一部分集中在后台负责管理企业级的数据整合，两
12、部分人员紧密沟通，统一行动。从数据管控的发展趋势来看，该团队必须进一步转型为固定的权责明确、职能集中的数据管控组织机构，赋予执行各种数据管理活动和数据增值服务的责任和权力，以支撑业务发展战略和运营管理两方面的目标。数据管控工作需与企业的业务流程结合数据管控与企业业务目标的实现密切关联，企业必须建立融合于业务流程的数据管控流程。为了实现业务目标，业务部门、支撑部门都对数据负责，职责清晰，业务方面保证需求质量、指标口径的清晰，支撑部门进行响应需求和申告/投诉、整合数据、监控应用和数据质量。数据管控需要企业文化层面的支持数据质量保证与产品质量保证一样，需要企业文化的支撑；在数据管控的建设初期，可以考
13、虑将数据质量纳入绩效考核的重要内容，以促进数据质量意识和控制文化的培育。数据管理体系演进策略如上文所述，企业数据管理体系在框架稳定的基础上不断迭代完善，下面提供了一个演进路线案例供参考。具体企业的演进阶段划分、演进路线设计，应结合本企业实际需要来制定。数据管理体系演进路线参考图结束语企业数据管理体系的建设是系统化工程，涉及于众多源系统的交互和大量协调工作，必须有数据管控平台来有效支撑这些工作，保障数据管控的可行、高效。同时，平台建设不等同于整个体系就建设好了，企业还需成立相应组织，制定相关流程、制度、规范，并将管控工作落到实处、通过平台运转起来。也就是说，数据管理体系在投入运作前，必须进行需求
14、分析、规划、设计、平台开发。对于这些工作，建议企业引入具有实际实施经验的专业咨询公司，可以通过行业标杆、业界经验的引入开拓视野、确保高度，又能确保所设计的管理体系是切实可行的、能落地执行。（一）目的为遵循数字经济发展规律、顺应科技时代潮流，贯彻落实党委1号文“强力推进数据运营，通过数据揭示低效管理，促进管理提效50%”战略布局，广泛发动工研院各业务人员投身于数据的治理与应用中，强化数据价值挖掘，实现数据驱动发展。为了更好地组织信息的报送，形成治理主体共生、治理制度共融、治理资源共享、治理机制共治生态模式，共同建设拥抱数字经济的现代平台型智慧企业，特制定本机制。（二）具体内容5.激励和管理机制。
15、建设初期，可以通过一定比例的鲜豆奖励数据模型搭建的业务人员，形成激励措施；同时，通过通报每个部门形成的数据模型说明书、数据组件、发布数据报告的数量，形成本部门业务的数据模型，推送本部门业务数据，实现倒逼各部门通过数据揭示企业管理问题，促进工研院管理提效50%。（三）具体内容及工具支撑1.建立信息报送管理的工具和平台。坚持管理与IT部负责“修路”，即提供工具和方法，业务部门来使用、配置的原则。管理与IT部将建立统一管理、分析数据的运营平台，其中BI工具、数据推送管理和看板管理三大模块可支撑信息报送的统一管理。形成以各部门业务人员为业务数据模型说明书编制主体，并经业务部门负责人审批，管理与IT部负
16、责人审核后，数字专班负责数据源对接等工作的共治模式。2. 通过BI工具搭建数据组件，建立数据模型。业务人员在BI工具上可实现无代码、拖拽方式搭建数据组件，原则上每个数据组件对应一个业务数据模型，即形成业务数据模型说明书，在BI工具上可实现看板数据报表展示的统一排版、编制，分析各业务模块的数据。3.经过数据推送平台实现数据推送。在数据推送平台可以设置推送方式、推送范围、推送时间等内容，实现数据的精准推送。实现数据模型说明书编制-数据组件搭建-数据报告推送一线式管理。坚持严格“数据分权推送”原则，各部门将根据数据权限推送规则推送本部门的业务数据。同时，异常数据分等级推送各业务负责人，异常等级1级数据推到部门负责人，异常等级2级推到各分管领导，异
