| 编辑推荐: |
本文使用漫画的方式介绍数据资产管理新特征，
数据资产管理内涵概述
，希望对您的学习有所帮助。
本文来自于公众号数据学堂，由Alice编辑、推荐。 |
|
01 数据资产管理新特征
随着大数据的迅猛发展， 数据资产管理相对传统的数据管理是正在变革的。 
逐渐呈现一些新特点， 可以从 数据对象 、 处理架构 、 组织职能 、 管理手段 和 应用范围 五个方面来认识。
1、数据对象缤纷复杂
数据作为数据资产管理的对象， 体现出数据 规模海量庞大 、 数据 格式种类繁杂 以及 数据 来源各式各样 等特征。
具有 4V特性 的数据称为大数据
集中储存/集中计算已经无法处理巨大的数据量
仅微博就有近3亿用户，
每天刷上亿条微博。
中型城市每月数十亿智能电表数据
2015年全球移动终端产生的数据量6300PB
文本/图片/视频/文档 等
海量数据的及时有效分析
用户基数庞大/设备数量众多/实时海量/数据指数级别增长
户基数庞大/设备数量众多/实时海量/数据指数级别增长
单条数据并无太多价值， 但庞大的数据量蕴含巨大财富。
2. 处理架构更新换代
处理架构的更新换代体现在两个方面。
一方面是 底层架构 ， 数据处理的底层架构 快速的向分布式系统迁移。
另一方面是 数据的预处理流程正在从 传统的ETL 结构向 ELT 转变 。
而大数据背景下的架构体系是 ELT结构， 其根据上层的应用需求， 随时从数据湖中抽取数据建模分析。
3. 组织职能升级变迁
随着数据分析与业务融合越来越深入， 业务部门逐步成为大数据应用的主角， 因而 数据资产管理 在企业中 扮演越来越重要的角色。
出现了越来越多的企业设置专门的 数据管理职能部门 或 首席数据官（CDO，Chief Data Officer） 岗位。
在这种变迁背景下， 数据管理的组织架构也面临革新的需求。
4. 管理手段自动智能
依靠“手工人力”的电子表格数据治理模式 即将被“自动智能”的“专业工具”取代，
越来越多的数据管理员、业务分析师 和数据领导者采用“平台工具”来梳理 元数据 、 主数据 ， 构建模型 和 管控质量 ， 有效地解放人力，提高效率和精度。
5. 应用范围不断扩大
数据的应用范围在不断扩大， 由传统的支持管理需要的战略决策分析为主， 发展为 支撑业务一线业务场景 的战术性决策。 数据资产的意义价值也从
对内强化能力扩展到了 对外合作开放 上， 从而实现数据资产保值到增值的跨越。
数据应用范围越广， 就越需要智能化的数据资产管理技术及完备的管理制度作为支撑， 从而实现数据精细化管控和数据价值最大化。
相关大数据分析能力 已与银行多个业务场景深度融合， 突破了传统分析的束缚， 实现银行业务创新，产品创新与服务创新。
02 数据资产管理内涵概述
数据资产管理是现阶段
推动大数据与实体经济深度融合、 新旧动能转换、经济转向高质量发展阶段的 重要工作内容。
数据资产管理在大数据体系中 位于应用和底层平台中间。 数据资产管理包括两个重要方面， 一是数据资产管理的 核心管理职能 ， 二是确保这些管理职能落地实施的 保障措施 ， 包括组织架构、制度体系。
数据资产管理包含 8个 管理职能 和 5个 保障措施。 管理职能是指落实数据资产管理的一系列具体行为， 保障措施是为了支持管理职能实现的一些辅助工作
1、管理职能
数据资产管理的管理职能包括 数据标准管理 、 数据模型管理 、 元数据管理 、 主数据管理 、 数据质量管理 、 数据安全管理 、 数据价值管理 以及 数据共享管理 等8个方面 。
前述我们也有专题介绍过， 后续也会深入、持续讨论。
2、保障措施
数据资产管理是体系化非常强的工作，
需要充分考虑企业内部IT系统、数据资源 以及业务应用的开展现状， 同时也要考虑围绕业务开展所设立的人员和组织机构的情况， 在此基础上设计一套有针对性的 数据资产管理组织架构 、 管理流程 、 管理机制 和 考核评估办法 。
通过管理的手段明确“责权利” 以保障数据资产管理工作有序开展。 数据资产管理的保障措施可以从 战略规划 、 组织架构 、 制度体系 、 审计机制 和 培训宣贯 五方面进行展开。
典型的组织架构主要由 数据资产管理委员会 、 数据资产管理中心 和 各业务部门 构成。
为了让组织架构中的各个角色 相互配合，各司其职， 还需要明确他们相应的职责， 让工作职责融入到日常的 数据资产管理和使用工作中。
数据认责
是数据资产管理在服务 各领域、各环节工作落到实处的有效手段， 通过数据角色职责开展数据认责相关工作。 具体认责条例、管理办法及相关制度流程 由数据资产管理委员会进行制定。
|
