首页  思维导图  详情

数据资产入表全流程

2024-07-02 17:57:43   6  举报





AI智能生成

数据资产入表的流程

数据资产入表

数据资产评估

数据资产盘点

作者其他创作

大纲/内容

数据资产识别与清单

目标

全面了解企业拥有的数据资源，并确定哪些数据可以被视为资产。

流程

定义数据资产范围

数据资产是指企业拥有或控制的、能够产生经济价值的数据集合。

定义考虑的因素

数据的经济价值

数据的独特性

数据的可重复使用性

数据的完整性和质量

制定识别标准

识别标准内容包括

数据规模

数据更新频率

数据覆盖范围

数据独特性

数据使用频率

数据对业务的影响

盘点现有数据资产

盘点步骤

组建盘点团队

成立一个跨部门的盘点团队，包括IT、业务、数据分析等相关部门的代表。

有助于全面了解企业各个部门的数据情况。

制定盘点计划

明确盘点的范围、时间表和责任人。

可按照业务部门或数据系统来划分盘点范围，确保覆盖所有可能的数据源。

收集数据信息

通过系统调查、部门访谈等方式收集数据信息。

需要了解的信息包括数据的来源、格式、存储位置、更新频率、使用情况等。

初步筛选

根据之前制定的识别标准，对收集到的数据信息进行初步筛选，识别出潜在的数据资产。

详细评估

对初步筛选出的数据资产进行更详细的评估，包括数据质量、价值、风险等方面。

建立数据资产清单

数据资产清单通常包括以下内容

资产名称：给每个数据资产一个明确、易懂的名称。

资产描述：简要描述数据资产的内容、用途和特点。

数据类型：如结构化数据、非结构化数据、半结构化数据等。

数据来源：数据的产生或获取渠道。

存储位置：数据的物理或逻辑存储位置。

数据量：数据的规模，如记录数、文件大小等。

更新频率：数据的更新周期。

使用情况：数据的主要使用部门和用途。

负责人：数据资产的管理负责人。

安全等级：数据的敏感程度和安全要求。

质量评估：对数据质量的初步评估结果。

潜在价值：对数据潜在商业价值的初步判断。

数据资产清单（举例）

客户主数据

客户交易数据

数据资产评估

数据质量评估

评估因素

准确性：数据是否准确反映了实际情况？例如，客户地址是否为最新地址。

完整性：数据是否完整无缺？是否存在大量缺失值？

一致性：不同系统或数据集中的同一数据是否一致？

时效性：数据是否及时更新？是否反映了最新状态？

有效性：数据是否符合预定的业务规则和约束？

评估流程

确定评估指标

制定评估标准

进行数据抽样

使用数据质量工具

人工验证

汇总评估结果

制定改进计划

数据价值评估

评估考虑

业务价值

数据对业务决策和运营的支持程度

战略价值

数据对企业长期发展和竞争优势的贡献

创新价值

数据在推动新产品、新服务开发方面的潜力。

市场价值

如果将数据作为商品出售，可能获得的市场价格。

评估流程

确定评估方法

成本法

基于数据的获取、存储和处理成本来估算价值。

市场法

参考类似数据在市场上的交易价格。

收益法

基于数据未来可能产生的经济效益来估算价值。

识别价值驱动因素

分析数据价值的主要来源和影响因素。例如，对于客户数据，价值驱动因素可能包括客户数量、客户质量、数据的独特性等。

构建评估模型

定量的

如：基于预期收益的现金流折现模型

定性的

如：基于专家评分的多维度评估模型。

收集相关信息

收集评估所需的各项信息，如数据的使用情况、产生的效益、市场价格参考等。

进行评估计算

应用评估模型，计算数据资产的价值。

复杂的数据资产，可能需要综合运用多种评估方法，并进行情景分析。

验证评估结果

与业务部门和管理层讨论评估结果，确保结果合理且符合实际情况

记录评估过程

详细记录评估的方法、假设和结果，为后续的复核和更新提供依据。

数据成本评估

成本包括

获取成本：购买数据、收集数据的直接成本。

存储成本：数据存储设备、云存储费用等。

处理成本：数据清洗、转换、加工等过程的成本。

维护成本：数据更新、质量控制、安全保护等日常维护成本。

人力成本：与数据管理和使用相关的人员成本。

评估流程

明确成本范围

收集成本数据

分配共享成本

计算总成本

分析成本结构

进行成本效益分析

制定成本优化策略

数据合规性评估

包括内容

数据隐私：评估数据是否包含个人隐私信息，以及对这些信息的处理是否符合隐私保护法规。

数据安全：评估数据的存储和传输是否采取了足够的安全措施。

数据使用权限：评估数据的使用是否超出了授权范围。

行业特定规定：评估是否符合特定行业的数据管理规定，如金融、医疗行业的特殊要求。

评估流程

识别适用的法规和标准

梳理与数据资产相关的法律法规和行业标准。这可能包括《网络安全法》、《数据安全法》、《个人信息保护法》等国家法律，以及GDPR等国际法规（如涉及跨境数据）。

制定评估清单

根据相关法规和标准，制定详细的合规性评估清单。清单应涵盖数据收集、存储、使用、共享等各个环节的合规要求。

收集相关信息

通过文档审查、系统检查、人员访谈等方式收集合规性相关信息。

进行差距分析

将现有的数据管理实践与法规要求进行对比，识别潜在的合规性差距。

评估风险

对识别出的合规性差距进行风险评估，考虑违规的可能性和潜在影响。

制定改进计划

针对发现的合规性问题，制定详细的改进计划。计划应包括具体的改进措施、责任人和时间表。

建立持续监控机制

合规性不是一次性的工作，需要建立持续的监控和评估机制，以应对不断变化的法规环境和数据使用场景。

数据资产分类与计量

建立分类体系

确定分类维度

数据来源（如内部生成、外部获取）

数据类型（如结构化、非结构化）

业务领域（如财务数据、客户数据、产品数据）

数据敏感度（如公开数据、内部数据、机密数据）

制定分类标准

对于每个分类维度，需要制定清晰的分类标准。例如，对于数据敏感度，可以定义不同级别的标准，如"公开级"、"内部级"、"保密级"等，并明确每个级别的判断标准。

建立分类层级

在每个分类维度下建立适当的层级结构。

例如，业务领域可以分为一级类目（如销售、生产、人力资源）和二级类目（如销售预测数据、生产计划数据、员工绩效数据）。

制定分类规则

明确如何判断一个数据资产属于哪个类别

可能涉及到一些决策树或判断矩阵的设计。

进行试点分类

选取一部分典型的数据资产进行试点分类，检验分类体系的可操作性和有效性。

修订和完善

根据试点结果，对分类体系进行必要的调整和完善。

全面实施

在全企业范围内推广实施分类体系，对所有已识别的数据资产进行分类。

建立更新机制

随着业务的发展和数据资产的变化，分类体系也需要定期审视和更新。

选择适当的计量单位

计量单位

数量单位：如数据条数、字节大小等。适用于衡量数据的规模。

时间单位：如数据的年限、更新频率等。适用于衡量数据的时效性。

质量指标：如准确率、完整率等。适用于衡量数据的质量水平。

使用指标：如访问次数、使用部门数等。适用于衡量数据的使用情况。

货币单位：如估算的市场价值、产生的经济效益等。适用于衡量数据的经济价值

步骤

分析数据特性

根据数据资产的类型和特点，分析哪些方面需要进行计量。

确定关键维度

选择能够最好地反映数据资产价值和重要性的计量维度。这可能需要考虑多个维度的组合。

选择具体单位

对于每个计量维度，选择适当的计量单位。例如，对于客户数据，可以选择"活跃客户数"作为数量单位，"客户生命周期价值"作为价值单位。

制定计量标准

明确每个计量单位的具体定义和计算方法。例如，如何定义"活跃客户"，如何计算"客户生命周期价值"。

验证可行性

评估选择的计量单位是否可以在实际操作中准确获取和计算。

建立计量体系

将选定的计量单位整合成一个完整的计量体系，确保不同类型的数据资产都有适当的计量方法。

制定计量标准和方法

明确计量目的

定义计量指标

确定数据来源

制定计量流程

建立计量标准

开发计量工具

进行试点计量

培训相关人员

建立质量控制机制

制定更新机制

数据资产入账

设置会计科目

分析现有科目体系

确定是否有适合记录数据资产的科目。

通常，数据资产可以考虑在"无形资产"类科目下设置。

设计新增科目

可以考虑在"无形资产"科目下设置"数据资产"二级科目，并根据数据资产的分类进一步设置三级或四级科目。

数据资产

客户数据

交易数据

市场数据

制定科目使用说明

包括科目的核算范围、记账规则、余额方向等。这有助于确保会计处理的一致性。

更新会计制度

将新增的科目及其使用说明纳入企业的会计制度文件中，并对相关人员进行培训。

系统配置

在财务系统中配置新增的会计科目，确保系统能够支持数据资产的记账和报表生成。

确定初始计量金额

识别获取方式

如自行开发、外部购买、免费获取等

获取方式可能导致不同的初始计量方法

确定计量基础

外购的数据资产：以购买成本作为初始计量金额。

自行开发的数据资产：以开发过程中发生的直接归属于该资产的支出作为初始计量金额。

免费获取的数据资产：可能需要参考公允价值进行计量。

汇总相关成本

数据采集成本

数据处理和清洗成本