《数据资产管理实践白皮书(1.0版)》发布(解读 完整版)

2017-12-05 09:23 来源:数据中心联盟
浏览量: 收藏:0 分享

12月1日,数据中心联盟大数据发展促进委员会正式发布《数据资产管理实践白皮书(1.0版)》。该白皮书分为四大部分,第一部分介绍了数据资产管理的内涵及大数据背景下的新特征,第二部分从实践的角度出发阐述了数据资产管理的主要内容。第三部分重点介绍了数据资产管理的实施步骤、工具平台和成功要素。最后结合实践经验,介绍了电信、金融、政务、医疗和工业等相关领域的数据资产管理案例。以下为白皮书的简要解读内容。

blob.png

  在数据驱动的背景下,我们已经进入了所谓数字经济时代。据统计,2016年中国数字经济总量已占据全国GDP总量的30.61%,数据之于本世纪就像石油之于上世纪,它是发展和改变的动力。如果将数据比作土壤,再加上标准管理、元数据管理、主数据管理等各种营养成分,可以培养滋润出非常丰富多彩的上层数据应用。

blob.png

  所以,利用数据培育应用之花最重要的就是找到一个非常万能的花盆,将数据资产化,并且进行有效管理。

blob.png

  数据资产管理的重要性不言而喻。基于这样一个前提,中国信息通信研究院组织了20多位专家,历经半年时间,编写除了《数据资产管理实践白皮书》。该本白皮书主要有5个看点,数据管理2.0,在大数据的背景下呈现了五大新特征,9+2体系架构,与此同时我们还梳理了四个阶段的实施策略和九大案例。

blob.png

  在国外已经有很多类似机构梳理了相关理论,但是国外是在有丰富的IT化基础上去梳理数据的,在中国开展数据资产管理的过程中,国外的理论还是出现了水土不服的现象,我们希望具有中国特色的符合中国国情的数字资产理论体系,能够帮助业界的企业去实现弯道超车。数据资产管理在大数据的应用体系中位于中间位置,类似于三明治架构,处于承上启下的重要地位。对上支持以价值挖掘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。数据资产管理的范畴贯穿了数据的整个生命周期。

blob.png

  在大数据的背景下,数据资产管理有五大新特征,从底到上依次讲解。首先是数据对象由传统各结构化数据的数据仓库单一类型转化成文本、图像、语音、视频等等半结构化和非结构化文件数据以及大数据平台类数据等多源数据,形成了“数据湖”的概念。数据处理的底层架构快速的向分布式系统迁移。从传统的获取、转化、加载的ETL逐渐向获取,加载,然后再根据需求转化的ELT架构转变,处理架构演变成“计算与存储混搭架构”,针对不同的数据库,采用不同的存储方式和计算引擎。传统的组织过程由IT部门主导,业务部门配合,逐步扩展为业务部门为主角,IT部门执行,并衍生出来兼具业务与技术能力的首席数据官即CDO(Chief Data Officer)岗位。管理手段也趋于自动化和智能化,例如,在进行主数据管理过程中,可以运用时下流行的技术,比如自然语言处理、深度学习、机器学习等等,去进行自动文本归类。大数据背景下,数据资产管理最重要的特征是应用目标从传统的内部应用转化成内部应用和外部运营双核驱动的情形。数据使用群体也发生了变化,传统的数据管理只服务领导,而当前,数据的应用对象不仅包括企业决策人员、运维用户、业务管理人员、数据分析人员等内部用户,还包括数据科学家、数据应用专业企业等外部用户。总而言之,五个层次的特点可以概括为:数据对象纷繁复杂,处理架构更新换代,组织职能升级边界,应用范围不断扩大。

blob.png

  数据资产管理“9+2”架构中,9指的是数据标准管理、数据模型管理等职能,2指的是组织架构、制度体系。

blob.png

  如何制造这个“花盆”,我们梳理了四个阶段的实施策略,分别是统筹规划、管理实施、稽核检查、资产运营,每一个步骤外面我们都对应了相应的活动职能和保障措施。与此同时,我们还列举了对应活动职能的平台工具,并总结了几点数据资产管理的成功要素。

  数据资产管理最重要的成功要素之一就是重视组织管理的作用,将责权利清晰化,逐步建立健全包括管理型人才和技术性人才的适应数据发展的人才结构,减少工作推进阻碍。并注重数据标准化环节以保障信息体系不发生混乱,确保数据规范一致性。在实现数据资产管理的过程中,应根据自身实际情况,避免盲从,合理引进创新技术以提高数据挖掘准确性和挖掘效率,节省人力成本。数据资产管理人员不能只陷于数据资产管理工作,还应紧密联系业务,只有明确了前端业务需求,才能做到数据资产管理过程中的有的放矢,张弛有度。

blob.png

  为了促进经验交流,本白皮书还征集了数据中心联盟成员内相关专家企业主导或参与的应用案例供业界参考。涉及五大行业,七类数据共九个案例。数据类型分别是电信数据、保险数据、证券数据以及政务、物价、钢铁、医药数据等。

blob.png

  在数据资产管理这块,我们也诚邀业内学者参与,以不断迭代更新的方式促进大数据与实际经济融合,并且做出积极贡献。在此基础上,我们要推进数据资产管理相关的产品的标准化,也希望能够帮助各类企业完成从项目到产品的转化,并在此基础上扩展服务类型的内容。接下来我们也通过密集开会,来完善具体工具的基础功能和性能的技术要求和测试用例,从而推动测评评估工作。希望能过通过各类活动和座谈,搭建一个沟通的平台,促进企业去交流成长,完善供需对接。

blob.png

  最后鸣谢参与该版本白皮书编纂的编写组单位及相关专家成员。再次诚邀业内贤达能够参与进来,共同更新迭代完善中国的数据资产管理理论体系。

blob.png

标签:

责任编辑:zhangxiuqin
在线客服