查看原文
其他

数据资产目录建设方法与案例

谈数据 2022-07-29
本文转载于:数据学堂,原文来源:Datablau


以信息技术为核心的第四次经济革命使得全球经济进入到数字化转型时期,对于今天的企业来说, 数字化转型已经不是可做可不做的自选题, 而是必须付诸行动的必选题。
从数字化转型的实践经验中我们可以得知,企业的数据资产是企业数字化转型的数据底座,必须管理好企业的数据资产,才能有效地进行企业数字化转型。
而对企业数据资产的数据管理需要数据资产框架来支撑数据资产的展示、记录、分析,通过数据资产框架可以明晰企业拥有的数据资产、实现数据资产安全分享、提升数据资产质量、实现数据资产变现等数据管理目标。
下面就来谈一谈数据资产框架中重要部分数据资产目录管理,通过数据资产目录的建设,实现对企业数据资产的有效管理。



1. 政策支持:
我们以数据治理较成熟的行业-银行业的相关数据管理政策中可以发现,从国家到银保监会,到中国人民银行,在2020至2021年间就发布相关指导政策,明确数据是生产要素,并给出了数据治理建设指引。


2. 企业需求
从企业层面以及数字化转型路线的思考框架上,企业从行业解析、战略愿景、明确措施、规划方案自上而下,更加明晰企业数据资产是整个数字化转型及数字化运营的坚实基础。



3. 发展趋势:数据资产管理正成为数据管理趋势之一

  • 数据资产管理正成为数据管理工作的转型方向
  • 数据资产化与数据资产管理的理念,进一步促进过去的数据管理工作向数据价值转化
  • 以数据资产为导向的数据管理工作可以串联元数据、数据标准、数据模型、数据质量、数据安全等各项管理工作,引导数据价值在业务端的发挥
  • 以客户为中心,以价值为导向,实现高效的数据资产服务体系与数据挖掘分析




1. 数据资产管理有三个方面表现,分别是管理视角、管理职能、组织体系



2. 数据资产目录体系是针对企业数据资源的分类组织方法
  • 数据资产管理正成为数据管理工作的转型方向
  • 数据资产化与数据资产管理的理念,进一步促进过去的数据管理工作向数据价值转化
  • 以数据资产为导向的数据管理工作可以串联元数据、数据标准、数据模型、数据质量、数据安全等各项管理工作,引导数据价值在业务端的发挥
  • 以客户为中心,以价值为导向,实现高效的数据资产服务体系与数据挖掘分析




1. 问题及建议



2. 建设步骤 

  • 第一步:资产梳理(数据资产盘点及补充完善数据资产信息)


  • 第二步:框架设计(业务视角、行业模型、其他行业成功经验、业务标准)




  • 第三步:数据标签设计(数据分类分级、数据共享、数据认责、数据脱敏、数据质量、业务流程、业务实体)


  • 第四步:资产与目录关联

     


  • 第五步:数据资产标签化(数据资产目录与数据标签形成网状数据检索体系)


  • 第六步:平台管理






1. 数据标签与数据资产的关系
数据标签与数据资产目录形成对数据资产的网状分类功能,我们可以利用目录及标签来为数据资产进行分类分级,并增加管理属性。利用数据管理平台实现快速便捷地检索数据资产及组织数据资产。



2. 数据资产目录如何管理及应用场景
数据资产目录管理包括目录维护及目录安全权限管理,目录应用场景有数据资产的可视化应用、数据资产目录服务、数据分析应用场景等内容。

















- 某金融公司数据资产管理案例 -

  • 第一步:建设路径



  • 第二步:目录构建


  • 第三步:平台落地

      

据统计,99%的数据大咖都关注了这个公众号
👇
相关荐读:
数据资产管理实践白皮书5.0,附下载
数据资产管理实践白皮书4.0,附下载
数据资产管理实践白皮书3.0,附下载
数据资产管理:多行业实施落地方法论
从数据资源到数据资产的路有多长?

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存