浅议数据资产的数据特性

　　进入到大数据行业发展的“下半场”，数据的价值无疑是各方关注的焦点。一夜之间，数据资产成为企业管理者必须了解的关键概念，没有数据资产管理项目的信息化战略规划可能是一份假的战略规划。在这一“新兴”的领域，业界不乏相关探讨，但对于数据资产和数据资产管理的概念还没有比较清晰通透的解读。笔者理解，数据资产管理就是“以资产管理的方法结合数据的特有特征管理好数据从产生与流转，存储与整合，分析与价值发现，直至归档与消亡的全生命周期的每个环节。”

　　再简而言之，数据资产管理工作的关键就是两项内容，其中资产管理方法相对成熟，但是数据由于不同于传统的企业资产，理解其特征就成为关键中的关键。事实上，由于企业业务的多样性和复杂性，企业管理者、甚至是数据工作者对于数据特征的认知大多是模糊和不完整的，再加入资产管理的概念就变得更加懵懂和困惑，要想真正搞定数据资产管理，理解”数据特征“成为第一要务。由于这一领域可循的理论与案例并不多，笔者试着从自己的实践中梳理一些思路与读者分享。

　　首先，从数据产生的角度看，数据的第一性是数据的业务附着性。按照TOGAF的企业架构理论，数据源自于业务，是业务原始发生经过信息化实现后的数字化沉淀，因此数据本身代表了特定的业务含义。这也是为什么每每在提及大数据的行业本质时我们都会说，数据的价值首先在于还原业务现状，甚至即使是所谓“不正确“的数据有时候也能从侧面反映出业务流程规范性的问题。那么数据的业务附着性在数据资产管理中如何反应出来呢？笔者总结至少有以下四方面：

　　（1）数据标准化定义源自于业务。数据标准不是闭门造出的，按照真实的业务诉求描述出来的数据应有的样子才是数据标准。

　　（2）数据资产盘点以业务为准绳。正确的数据资产盘点方法不是从系统中提炼表结构，而应还原业务流程和业务规则，以业务为牵引进行数据盘点，以业务分类为目标进行盘点后的数据编目。

　　（3）数据资产管理可能需要先回到业务管理本身。部分数据问题的治理，源自于业务流程自身的规范化梳理。

　　（4）数据资产的衍变离不开业务定义。即使是数据的衍生过程也应该有清晰的业务规则，这就是我们说的指标统计口径。

　　其次，从数据流转的角度，数据的特性特别的表现为数据的可复制性。可复制性本身似乎是很稀松平常的一件事，但实际上对安全管控、价值变现的稀缺性等数据资产的重要环节都有关键影响。就安全管控而言，数据在企业内部按照业务需求的复制和流转是正常的，但数据在复制过程中如果要跨越不同的安全网段，就要设置基于安全的控制；如果数据有从内部流向企业外部的需求，就更要注意安全泄密的问题，需要预先安排更为严密的管控手段。数据一旦变为可交易的产品，数据价值不可避免的与数据稀缺性相关联。不通过正常交易渠道的流转复制会损害数据的稀缺性，降低数据的价值，而在流转和复制过程中的对内容恶意篡改的后果则更为严重，不但会改变数据资产的原有价值量，甚至会导致不可预料的损失。大致的看，数据在非交易状态下的流转复制关注的的首要是数据安全，而在价值变现过程中的流转复制除了数据安全，数据防篡改可能是同样需要优先关注的问题。

　　第三，从数据的整合而言，由于数据之间的归并或者替代，这个过程中最应该关注的数据特性就是数据的真实性。笔者在数据领域耕耘10多年，目睹不按业务规则指导进行数据整合而造成企业信息衰减的案例比比皆是。在数据资产管理的实践中，过分强调数据整合带来的价值，会因为盲目整合而导致牺牲数据的真实性，这对未来深度决策造成的影响是不可估量的。

　　第四，在数据的加工和价值发现的过程中，最典型的数据特性是价值不确定性。数据的价值不因为加工而一定增值，也同时随着访问用户角色不同和应用场景不同有大的差异。基于这一原因，在很多当前探讨的数据交易和数据价值变现过程中，由卖方进行定价的策略不一定合适。笔者认为在约束数据产品进一步流转的情况下，按照业务场景的个案定价策略比较合适，虽然这样比较繁琐，但在没有大量交易事件的情况下还是切实可行的；并且在这些探索性场景下形成的定价机制会对未来的同类型定价有指导意义，为大规模的市场化做好准备。然而，即使是基于业务场景的单独定价策略，数据在改业务场景下能够发挥的价值本身也是很难量化的，完全取决于卖方数据的垄断性和稀缺性，以及买方对于业务场景的价值判断和实现的紧迫性。因此数据价值的不确定性最终将会对数据的交易定价和数据交易的产业发展起决定性的影响。

　　以上是对数据比较重要特征的浅析，以及这些特征对数据这类特殊资产管理策略造成的困惑和影响。笔者相信，只有牢牢地把握好数据的特性才能更好的驾驭数据资产、驾驭数据资产管理，从而最终驾驭数据的价值，在大数据产业和企业数字化时代脱颖而出。