数据资产管理实践白皮书4.0

企业拥有或控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源。

并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。

规划、控制和提供数据及信息资产的一组业务职能，从而控制、保护、交付和提高数据资产的价值。

数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。

对上，支持以价值创造为导向的数据应用开发

对下，依托大数据平台实现数据全生命周期的管理

技术

标准

管理

根据数据质量专家Larry English的统计，不良的数据质量使企业额外花费15%-25%的成本

数据能作为资产，并发挥越来越大的价值，前提是数据质量不断提升

缺乏有效的价值评估、成本管理

数据服务和数据应用缺乏合规性指导，没有释放数据价值的“最优路径”

数据资产管理的切入点是全面盘点数据家当，构建数据地图，为业务应用和数据获取夯实基础

数据地图作为数据资产盘点的输出物之一，本身不承载具体数据内容

切实可行的数据质量监控体系

设计数据质量稽核规则

加强从数据源头控制数据质量

形成覆盖数据全生命周期的数据质量管理

实现数据向优质资产的转变

制定统一的数据标准

建立数据共享制度

完善数据登记、申请、审批、传输、使用的流程规范

搭建数据流通开放平台

存储和管理数据的最终目的，是实现数据的价值

从企业高管到业务人员、技术人员，全员都要以持续释放数据价值为理念来重视数据资源管理工作

参考数据和主数据标准

逻辑数据模型标准

物理数据模型标准

元数据标准

公共代码和编码标准

基础指标标准

计算指标（又称组合指标）标准

标准分类

标准信息项（标准内容）

相关公共代码和编码（如国标、行标等）

理解数据标准化需求

构建数据标准体系和规范

规划制定数据标准化的实施路线和方案

制定数据标准管理办法和实施流程要求

建设数据标准管理工具，推动数据标准的执行落地

评估数据标准化工作的开展情况

实现数据的完整性、有效性、一致性、规范性

静态特征

动态行为

约束条件

概念数据模型

逻辑数据模型

物理数据模型

定义和分析企业数据需求

定义标准化的业务用语、单词、域、编码等

设计标准化数据模型，遵循数据设计规范

制定数据模型管理办法和实施流程要求

建设数据模型管理工具，统一管控企业数据模型

技术元数据

业务元数据

管理元数据

向前看

向后看

看历史

看本体

向上看

向下看

理解企业元数据管理需求

开发和维护元数据标准

建设元数据管理工具

创建、采集、整合元数据

管理元数据存储库

分发和使用元数据

元数据分析（血缘分析、影响分析、数据地图等）

主数据(Master Data)是指用来描述企业核心业务实体的数据，是企业核心业务对象、交易业务的执行主体。
是在整个价值链上被重复、共享应用于多个业务流程的、跨越各个业务部门和系统的、高价值的基础数据，
是各业务应用和各系统之间进行数据交互的基础。
从业务角度，主数据是相对“固定”的，变化缓慢。
主数据是企业信息系统的神经中枢，是业务运行和决策分析的基础。

常见主数据

理解主数据的整合需求

识别主数据的来源

定义和维护数据整合架构

实施主数据解决方案

定义和维护数据匹配规则

根据业务规则和数据质量标准对收集到的主数据进行加工清理

建立主数据创建、变更的流程审批机制

实现各个关联系统与主数据存储库数据同步

方便修改、监控、更新关联系统主数据变化

主数据管理通过对主数据值进行控制，使得企业可以跨系统的使用一致和共享的主数据，
提供来自权威数据源的协调一致的高质量主数据，降低成本和复杂度，从而支撑跨部门、跨系统数据融合应用。

完整性

规范性

一致性

准确性

唯一性

时效性

提升数据质量意识

定义数据质量需求

剖析、分析、评估数据质量

定义数据质量测量指标

定义数据质量业务规则

测试和验证数据质量需求

确定与评估数据质量服务水平

持续测量和监控数据质量

管理数据质量问题

分析产生数据质量问题的根本原因

制定数据质量改善方案

清洗和纠正数据质量缺陷

设计并实施数据质量管理工具

监控数据质量管理操作程序和绩效

理解数据安全需求及监管要求

定义数据安全策略

定义数据安全标准

定义数据安全控制及措施

管理用户、密码和用户组成员

管理数据访问视图与权限

监控用户身份认证和访问行为

定义数据安全强度，划分信息等级

部署数据安全防控系统或工具

审计数据安全

建立完善的体系化的安全策略措施，全方位进行安全管控，通过多种手段确保数据资产在“存、管、用”等各个环节中的安全，
做到“事前可管，事中可控，事后可查”。

确定企业数据集成度水平

确定企业数据的应用场景

确定数据存储、计算和运维的成本预算

明确数据成本和收益的具体计量指标

计算数据在不同应用场景下的成本和收益

计算企业数据资产的总体成本和收益

制定数据成本优化方案和提升数据增值方案

审核、改进方案

数据内部共享

外部流通（企业间的数据交换）

对外开放

数据提供者

数据消费者

数据服务者

数据运营者

定义数据资产内部共享和运营流通监控指标

设计数据资产内部共享和运营流通管理方案

制定数据资产内部共享和运营流通管理办法和实施流程要求

监控数据资产内部共享和运营实施

监督落实数据内部共享与外部流通等合规性管理要求

分析内部共享与运营流通指标，评价运营效果并改进

元数据管理规范

数据生命周期管理规范

数据质量管理规范

数据安全管理规范

制定数据资产管理战略规划

明确数据资产管理目标

建立数据资产管理组织和制度作为保障措施

盘点数据资产

制定数据资产标准规范

1. 建立组织责任体系，制定数据资产管理制度规范

2.结合业务盘点数据资产，评估数据管理能力

3. 制定数据资产管理相关的标准规范

定义、规划、梳理

对第一阶段成果的落地实施

为企业打造核心的管理数据资产的能力，同时为企业内部数据资产管理部门形成数据管理的工作环境
概括起来，就是企业数据资产可管理、可落地

《数据资产管理办法》

《数据资产管理实施细则》

数据标准执行情况检查的常态化

数据质量稽核的常态化

灵活配置数据存储策略的常态化

数据资产安全检查的常态化

《数据资产管理稽核办法》

《数据资产管理问题管理办法》

数据资产价值评估

数据资产运营、流通

《数据资产价值评估方法》

《数据资产成本管理方法》

《数据资产共享流通管理办法》

自上而下的顶层设计模式

自下而上的各个击破模式

生产系统优先

数据系统优先

调研数据资产分布现状

评估数据资产管理水平

建设数据资产管理体系

以元数据管理、数据质量管理两项核心数据资产管理任务为切入点

逐步扩展至数据模型管理、数据标准管理、数据安全管理等

大型生产系统开发建设模式

企业数据模型建设模式

主数据建设模式

统一数据平台模式

数据集市模式

根据业务领域、主题、信息分类、信息项生成标准细则

标准与实际数据的关联映射，实现数据标准的落地执行

元数据与数据标准映射

元数据与数据质量映射

数据标准与数据质量映射

可以在线手工配置映射

映射结果的页面展示

发布、废止的标准的变更轨迹

标准项与元数据之间的落地情况查询及下载

增删改、审核、定版、发布、废止等

发布标准的版本管理

发布的标准，选定版本导出

标准说明文档和手册的管理

新建系统的正向工程

旧有系统的逆向工程

数据模型与应用系统库之间的差异自动检测

避免设计与实现不一致的“两张皮”现象

设计、提交、评审、发布、实施、消亡

版本化管理

支持任意时间点回溯

结构化数据

从本身不包含元数据信息的数据（如非结构化数据）中提取特征，识别元数据

技术元数据

业务元数据

管理元数据

分布

血缘

数据地图

数据血缘分析

影响分析

全链分析

热度分析

数据源库

基于类型搜索

校验结果的质量问题记录

形成问题知识库

生成报告

申请

审批

动态脱敏

静态脱敏

安全策略

用户组

认证

访问行为

异地登录

多IP登录

多次重复登录

可视化

数据超市的形式