導語：
隨著越來越多的企業認識到數據作為生產要素的價值，加快了企業數字化轉型，把完善企業級的數據治理體系作為企業數字化轉型的一個目標。長亮科技在大數據領域始終保持足夠的技術敏銳度，并積累了豐富的經驗與資產。為此，我們組織了一個系列專文，分期發表，與您一起探索更適合當下行業發展的數據觀，歡迎大家持續關注。
作者｜長亮科技大數據研究院
內容｜本篇共4013字，預計閱讀時間15分鐘
許多企業積累了海量數據，在支持日常業務運營與管理中發揮了作用。但數據資產快速膨脹，導致存儲和計算資源以及維護成本急劇增加，管理者感受到了壓力，漸漸意識到數據資產的擴張是盲目無序的，認識到消耗了大量資源加工的很多數據資產是不可靠的，存在大量冗余與僵尸數據，沒有任何使用價值的資產應該被核銷做減值處理。
一些銀行盤點了數百套業務系統，數百萬數據項，形成了包含數十萬數據項的數據字典，企業級數據模型包含了數萬數據項，作為歷年來業務與數據系統建設的成績。清醒的專業人員可能會認識到如此龐大的數據字典不便使用，難以發揮價值，正是過去數據管理工作中的問題產生了如此龐大的、難以管理的數據字典與數據資產。
DAMA-DMBOK2.0數據管理的定義是：在數據和信息資產生命周期內，對交付、控制、保護和提高數據和信息資產的價值的規劃、政策、項目和實踐的開發、執行和監督。DAMA認為數據管理與信息管理、企業信息管理、企業數據管理、數據資源管理、信息資源管理、信息資產管理是同義詞。傳統數據管理以數據為中心，專注于技術數據管理，以便數據能夠更好地支持業務，現在環境下，外延已大大擴展。
數據問題是業務問題的癥狀表現，數據資產管理能達到的目標由所處的生態系統條件決定，數據質量的狀況往往比大多數管理者意識到的要糟糕得多。數據資產的特征決定了其管理更復雜，企業需要主動將數據作為資產進行專業化、精細化、精準化管理，并持續監控，從中獲得持續的價值。
01
與管理其他類型資產（如庫存、信貸資產、現金和設備等）一樣，需要建立通用的數據資產管理原則，以安全、一致和有效的方式管理數據，確保實現數據管理的目標，包括：了解并支持企業及其利益相關者（包括客戶、員工和業務合作伙伴）的信息需求，獲取、存儲、保護并確保數據資產的完整性，確保數據和信息的質量。
對所有數據實行全生命周期管理。不僅要管理既有數據，還要管理未來產生的數據，不能重復過去先污染后治理的老路，從數據的產生源頭開始管理，在數據的需求與設計階段盡早介入，及時發現問題，把問題消滅在萌芽狀態，避免問題的產生與發散，降低風險，減少未來的預期糾錯費用。通過治理優化，降低數據資產管理運營的短期成本，同時著眼于長期投資回報。
管理數據資產的內在質量屬性。信貸資產等傳統資產的質量管理有成熟通行的標準（如風險等級）、方法與管理考核制度，數據資產的質量內涵要復雜得多，雖有成熟的評價與管理方法、流程，但沒有得到系統的執行與監控，沒有形成解決根本原因的閉環。應集成與整合散落的各種數據，提升數據內在固有價值，確保為用戶提供可靠、準確和最新的高質量數據資產，同時要防止錯誤數據整合與加工產生不良資產，減少可能造成的影響。
管理數據資產相關的風險。銀行風險部門管理財務資產的質量，數據資產的質量與風險是兩個維度。低質量數據代表風險，數據風險還包括數據丟失、被盜、誤解、誤用、濫用等。企業應識別和分類敏感數據資產，定位敏感數據，評估外部威脅和內部風險，采取主動風險預防與緩解措施，防止未經授權或不當訪問、操縱或使用數據資產，避免監管合規的風險和處罰，防止因資產市場化變現可能產生的風險。
數據只有被使用才會發揮價值。在財務方面衡量資金使用效率的主要指標是周轉率，有形資產的價值通常會隨著使用的增加而下降或貶值折舊。數據的價值隨著使用的增加而遞增，應挖掘數據資產的用途，使其價值最大化。數據如果沒有被使用，預期的費用持續存在（管理維護需要投入），沉沒成本在增加。
數據資產管理需要跨職能專業知識與技能。數據資產管理是專業人力資源密集型工作，數據在企業內甚至企業間流動，數據的創建和使用方式以及數據使用者都在發展與變化中，有效管理數據資產涉及一系列復雜的過程，需要跨部門（業務部門、科技部門、數據部門等）、跨企業協作，需要廣泛的跨崗位職能的一系列專業知識和技能。數據密集型企業，應該全員參與數據資產管理，除了承擔領導責任的管理人員應具備基本的數據素養外，每個數據管理干系人應具備必要的專業技能，從企業全局多視角出發，實現對企業數據資產管理的承諾。
02
歷史上各種遺留系統的技術復雜性和管理不善造成了混亂，數據量太大以及數據復雜性，迫使管理者必須首先關注最重要的問題。不同數據資產并不同等重要，存在不同用途、質量與價值差異，管理要求不一樣，價值提升方法也不一樣。管理數據資產首先從對所管理的對象進行分類開始，精細化管理數據資產，許多數據管理工具大都集中在分類和控制方面。
從邏輯上把數據分為主數據、參考數據、交易數據以及衍生匯總數據。主數據與參考數據通常是構成業務數據的基礎，主數據包括跨業務領域、流程和系統穿透企業各類數據的公共主數據以及業務領域主數據，要確保主數據每個實例只有唯一的識別編號。不良的架構以及業務系統設計常常埋下許多陷阱，導致系統之間的數據結構和數據值不一致，他們甚至可能為現實中的實體制造不同的概念，給識別主數據及其之間關系帶來困難，許多企業維護了多套客戶、機構、員工、產品主數據，增加了成本和風險。
數據還分為結構化數據與非結構化數據，一般來說，傳統結構化數據的價值密度遠比非結構化數據高，沒有上下文背景的日志類數據以及非結構化數據的價值來源于能否與企業現有的主數據建立關系，許多企業尚沒有對結構化數據進行有效管理，如果追求熱點投入大量資源于非結構化數據，試圖從中挖掘出價值，往往得不償失。
客戶數據是核心戰略資產。客戶數據是企業敏感數據資產，在確保客戶數據的隱私性和機密性前提下，可以用于直接（被法律允許的交易或收購兼并）或間接（對客戶屬性數據與行為數據加工，結合其他公開的或專有的數據，創建新的數據產品或服務以銷售）產生貨幣價值。低質量的客戶信息影響業務運營，增加了數據使用的成本與風險。企業應建立客戶統一視圖，向客戶提供個性化的產品或服務來提升戰略資產價值。
企業不同業務系統的重要性以及質量差異懸殊。銀行信貸系統、核心系統、信用卡系統、ECIF系統中都有客戶信息，信貸系統中的客戶數據比核心系統在某些屬性值方面更完整、更新鮮。信貸系統貸款借據的質量遠比核心貸款賬戶差，如果業務需求基于信貸借據統計分析余額、利息、費用，顯然是選擇了錯誤的數據源。一般來說關鍵的應用系統，數據質量相對更高。應及早識別關鍵應用、關鍵數據，梳理出權威數據的分布，推動使用權威數據資產，阻止不良數據資產的使用以及影響的蔓延。
企業不應該投入均等的資源于不同的數據資產上，需要對企業數據進行價值分類，分配估值，關注重要數據，提升產出投入比，精細化管理。
03
數據資產管理強調把數據當作資產來管理，使企業能夠從數據資產中獲取價值，就像對財務和實物資產的有效管理使企業能夠從這些資產中獲取價值一樣。數據資產是有助于生產未來現金流入或減少未來現金流出的經濟資源，增加收益的方法，除了開源外，還有節流，精準的數據資產管理活動可以減少未來大量預期費用支出。數據相關的成本與具體企業相關，每個企業的數據都是其自身唯一的，不同企業的人力資源成本、設備成本、軟件成本等，沒有一個統一的衡量標準，可以根據企業自身的歷史數據與現狀做客觀的粗略評估，對數據管理活動的評估從建立企業內部一致的常規成本和收益類別開始。
數據生命周期相關的成本包括：
l 數據從方案規劃、需求分析、設計開發、創建、采集、存儲、處理、使用、維護、歸檔等全生命周期成本；
l 數據質量問題造成的不良影響及修正、改進成本，失去的業務機會等；
l 風險防范的成本包括丟失數據時替換或重建數據的成本，敏感數據泄密等對企業的影響（包括商譽、社會影響等），提升系統可靠性，加強信息安全與隱私防范的成本等。
與之相對應，對數據與數據活動進行有效管理，得到的收益包括：
l 因數據架構、應用架構和技術架構等優化帶來的準確性、一致性、時效性等提升的收益，滿足更多的需求、支持數據創新使用的預期價值，以及系統、設備、人員、管理等投入成本的減少；
l 高數據質量帶來的收益，不但更可靠、更廣泛的支持業務應用，提升了數據內在價值，使數據資產出售有了可能，而且減少了垃圾數據的存儲與管理等成本；
l 因監管合規等風險降低帶來的收益，如減少了監管部門的罰款，增加了社會信任等。
因管理與優化帶來的成本減少可以與優化之前的成本比較，雖然因優化工作會階段性增加成本，但是減少未來投入而獲得的收益是長期的。
04
數據資產管理是將數據作為有價值的業務資產進行管理、組織和優化的過程，數據管理專業人員應了解自己工作的財務含義，衡量數據和數據管理活動的貨幣化價值，并一致地嵌入應用到日常數據管理中。雖然數據設計、生產人員沒有生產垃圾數據的主觀意圖，但他們應該認識到數據管理生命周期中的每一步工作都涉及成本，或多或少影響資產負債表，可能因為自己的技能缺陷或粗心產生的數據質量差，不能滿足業務需求，沒有相應的價值產出，不能轉換為數據產品的資產價值，需要繼續更多的投入來糾錯，這些投入都被轉換為沉沒成本。如，我們常見到某些業務系統設計缺乏對業務主鍵的管理，設計師甚至沒有業務主鍵概念，也就是說沒有業務邏輯設計，產生了大量數據質量問題，導致下游加工、維護成本指數級增長，解決問題的時間越晚，沉沒成本越高。
熱力學第二定律告訴我們，不可能把熱量從低溫物體傳遞到高溫物體而不產生其他影響，所有封閉系統從一定的價值與結構開始，最終都不可挽回趨向混亂度最大的狀態，除非外部注入能量。數據管理也是如此，如果置之不理，它會不斷惡化到無序狀態，直到推倒重建。數據資產管理是一項沒有終點的工作，企業應該以最具成本效益的方式（包括所有成本、風險和性能屬性）開發、運營、維護、升級和處置資產，需要持續注入能量，持久化管理數據資產，持續監控執行情況，帶來整體資產價值的長期提升。
