數據資產化管理研究及體系架構設計

崔吉峰，楊棟樞，王維佳，董媛媛

?

數據資產化管理研究及體系架構設計

崔吉峰，楊棟樞，王維佳，董媛媛

摘 要：由于數據具有資產的屬性，為實現企業數據的資產化管理，在數據資產化管理理論的的基礎上，提出了數據資產化管理管理體系框架，并設計了數據資產化管理的體系范圍、業務規劃，以及演進路線。由此實現了數據資產化管理的信息化、標準化和科學化。

關鍵詞：數據；數據資產；大數據；管理體系； 業務規劃；演進路線

0 引言

信息時代，萬物數化。未來企業的核心競爭力取決于其占有數據的規模、活性以及對數據管理、應用的能力。對數據的掌控，就是對市場的支配，這意味著巨大的投資回報，大數據將推動各個行業的信息技術應用產生兩大重要的趨勢：

一是數據資產化。在大數據時代，數據滲透各個行業，逐漸成為企業戰略資產，數據價值隨著應用深化不斷呈現，信息部門將從成本中心轉向利潤中心。數據資產化管理也是本文重點闡述的內容。

二是決策智能化。智能化決策是企業未來發展的方向。通過挖掘大量內部、外部數據中蘊含的信息，可以預測管理及市場需求，從而驅動智能化決策分析，適時調整行之有效的戰略，企業戰略將從業務驅動轉向數據驅動。

大數據為新財富，價值堪比石油。大數據之父維克托則樂觀預測：雖然數據還沒有被列入企業的數據資產負債表，但這只是一個時間問題[1]。

1 數據資產概述

什么樣的數據能夠成為資產，或者說什么樣的數據有資格成為資產？財務意義層面的理解，資產可認為是企業擁有和控制的，能夠用貨幣計量，并能夠給企業帶來利益的經濟資源。那么，數據真的可以與資產劃上等號嗎？在數據已獲得高度重視的今天，很多企業對數據資產的看法仍存有誤區。事實上，數據有可能成為資產，但不是所有數據都能具備資產的屬性[2]。

從擁有和可控的角度來看，數據可以分為第一方數據、第二方數據和第三方數據[3]。站在互聯網企業視角，第一方數據也可以稱為甲方數據，主要來自于數據的生產者。百度或京東這樣的公司在為個人客戶提供搜索服務或銷售商品的同時，采集和整理了大量的用戶行為數據。借助于支付、配送等后續服務，電商網站還能收集到諸如用戶真實姓名、電話號碼、家庭住址等隱私信息。這些一手數據毫無疑義的被其生產者擁有和控制，并借助于數據挖掘或出售等方式不斷給數據擁有者帶來經濟收益。第二方數據也可稱為乙方數據。隨著互聯網行業的高速發展，各行業巨頭著力構建圍繞核心業務的生態體系，專業分工愈發細致。一批像億瑪、百分點這樣專業公司脫穎而出。作為效果營銷領域的領導者，億瑪通過為電商提供流量入口服務，間接積累了大量的網購用戶的行為數據、廣告投放數據和訂單數據；為了給用戶提供精準推薦，百分點則整理了完善的商品數據庫和用戶站內行為數據。從擁有和控制角度看，第二方數據的所有者的確擁有數據掌控權，但這部分數據受制于獲取路徑（為甲方服務獲取），在使用、交換或交易的過程中會有一些限制，需要采取匿名化以及整體化等脫敏處理處理后，才能實現有效控制和使用。與第一方、第二方數據相比，第三方數據的產權問題比較復雜。出于對敏感數據泄露的擔心和數據資產定價困難方面的考慮，第一方和第二方數據的擁有者很少直接進行數據交易或授權。與之相反倒是常有從這些公司流出的內部數據放在網上供人付費下載，這也正是數據當前階段還不能和資產劃等號的一個生動體現。由于無法通過交易授權渠道獲得，目前很多第三方數據提供商是通過網絡爬蟲、甚至是黑客手段獲取數據。從法律層面看這些數據的所有權存在瑕疵的數據即使暫時擁有，也不能構成資產要素，只有在建立起有效的數據交換、交易機制后，第三方數據才能被真正的擁有和控制。

從價值的層面來說，數據資產在狹義層面的理解是通過貨幣化計量為企業帶來直接經濟利益。然而，事實上除了極少數以數據交易為主營業務的企業，絕大多數企業還沒有為數據的貨幣計量做相應的賬務處理。對于數據的貨幣計量，可以參照無形資產的計量規則[4-5]。比如：外購的無形資產按實際支付的價款作為入賬價值。對于通過服務、交換等方式獲取的數據，則可以根據數據的用途，參照內部開發項目資本化的方式[6-8]，將與獲取數據相關的費用支出予以資本化而非直接計入當期損益。考慮到研發因素，很多高新技術企業都具有較長的投資回報期，通過對遞延資產的攤銷可以為企業形成有效稅盾，降低企業實際稅負。廣義層面的理解，數據資產為企業經營管理帶來的價值可以包含但不等同于帶來直接經濟收益。通過數據資產化管理，面向統一數據調度方式，形成良性數據共享機制，提高數據置信度、優化模型合理性、數據流轉更清晰，管理權責更明確，在以成效為導向的價值標準下，數據資產化管理無疑將成為大數據時代企業經營管理效能提升的核心支點。

基于上述觀點，數據資產可以被認為是企業在運營活動中形成的，由企業擁有，在數據的產生、獲取、處理、存儲、傳輸和應用全過程可控的，并能夠為企業帶來價值的數據資源。

2 數據資產化管理體系框架

如圖1所示：

圖1　數據資產管理體系框架示意圖

數據資產化管理體系總體框架是以數據資產為管理對象，以組織、制度、流程為核心，以企業數據全景視圖為支撐，并及與之配套的一系列管理活動的有機結合。通過一個常態化的管理組織，建立數據集中管理的長效機制，使企業能夠將數據作為核心資產來管理和應用，充分體現數據資產價值，從而提高企業運營效率和管理水平，增強企業競爭力

[9]。

企業數據全景視圖是以企業數據標準為基礎、以各應用系統數據為來源，依據企業業務規劃，梳理產生的企業數據的物理、業務、管理、資產屬性信息，以及相應的信息化描述，通過多視角的可視化展現，是支撐企業級數據資產管理的重要工具。企業數據全景視圖的定位：一是面向企業各級技術、業務、管理人員提供統一視圖，支撐日常運維工作；二是面向數據資源，為數據資產保值、增值提供支撐，并為企業級數據未來狀況的推演提供重要的支撐手段。同時，通過構建企業數據全景視圖，完善數據標準，描述數據資產，管理數據質量，實現業務共享和增值應用，最終形成較為完備的數據資產化管理體系[8]。

3 數據資產化管理體系設計

3.1 體系范圍

數據資產化管理體系的構建圍繞組織、制度和流程三大要素展開，緊扣數據資產“擁有、可控、可增值”的核心理念，通過建立長效數據資產化管理機制，規范數據從產生到應用的各個環節，促進業務融合與管理創新，如圖2所示：

圖2　數據資產化管理業務架構圖

1）流程優化：規范標準、管理閉環原則

數據資產創建、流轉、變更、停用的過程，體現了全生命周期管理的特征[10-12]。數據資產化管理的核心作用之一是在企業內建立跨專業、跨職能，集約、有序的數據共享機制。流程體現事件環節秩序，從工作時序和崗位責任兩個層面予以準確界定，有助于提升管理過程的規范性，同時也為制度建設提供了依據，并可能帶來組織機構的創新。

2）制度建設：試點先行、迭代跟進原則

流程是制度的靈魂，制度是流程得以執行的保證。數據資產化管理是面向企業級數據資產的全生命周期管理活動，制度的強約束性有助于打破專業壁壘，形成集約統一的管理格局。按照制度的分類，設定為面向組織內人員的崗位性制度以及面向組織內活動的法規性制度。

3）組織保障：協同分工、權責明確原則

組織保障主要包括兩方面：一是數據資產化管理機構的保障；二是數據資產化管理人員的保障。在IT部門的數據管理專業人員需向一個或多個數據管理服務（DMS）組織匯報工作[13]。在許多企業中，可能存在一個集中的DMS組織；而在另外一些企業中，可能存在多個分散的小組承擔DMS組織的工作。有的企業既有本地DMS組織，也有一個集中的組織。集中式的DMS組織有時也被稱之為數據管理卓越中心（Center of Excellence ，COE）[14]。

在DMS組織中的數據管理專業人員包括數據架構師、數據分析師、數據建模師、數據質量分析師、數據庫管理員、數據安全管理員、元數據管理員、數據模型管理員、數據倉庫架構師、數據整合架構師和商業情報分析師[13]。這些組織也包括數據整合人員和分析報表開發人員，但他們通常和其它開發人員一起在應用程序開發組織中。分散管理的組織可能只包括部分的角色。所有組織中的數據管理專業人員組成一個數據資產化管理專業團隊，他們與數據管理專員一起，組成了數據管理利益共同體（Community of Interest，COI）。

3.2 業務規劃

數據資產化管理業務內容是圍繞運行和管理的要求，覆蓋數據資產從形成、運維到應用全部環節，以及與之相適用的標準、問題和應用管理等。

1）數據資產形成管理

數據資產形成管理是將數據轉化為數據資產的過程，主要是參照數據資產全景視圖，依據數據資產化管理細則，通過一系列的數據核查、資產識別、資產加工等手段使數據具備資產屬性，具備可評估的價值，并通過資產化率評價，持續改進完善的過程[15]。

2）數據資產需求管理

數據需求管理是在數據資產中心運行維護過程中，對業務提出新的需求，通過全景視圖的優化設計，細化業務數據整改要求的系列管理活動，實現以數據驅動業務[16]。“數據驅動業務”通常包括以下幾方面內容：

構建業務指標體系。業務指標體系是指“數據”和“業務”的橋梁。基于業務目標將業務活動指標化，并標注業務活動之間的直接、間接關系。

筑建數據資源體系。數據資源體系是“用數據驅動業務”的基石。統合各業務單位的數據，依據業務指標體系組織形成面向服務的數據資源。

創建監測評價體系。監測評價體系是“用數據驅動業務”的途徑。通過各項業務活動的監測點、評價項，發現異常情況并及時調整業務工作。

新建決策服務體系。決策服務體系是“用數據驅動業務”的目標。依據數據資源和監測評價結果，制定組織決策并貫徹落實到具體業務工作。

3）數據資產溯源管理

數據資產溯源作業對每一個按照數據管理要求選定的數據資產，由業務部門負責召集業務專家討論，確定該數據資產形成的全過程業務模型，并在遵循數據資產過程規范化原則下，由信息系統建設廠商進行節點標準化描述工作，整理每一個標準化節點的初始數據輸入、處理過程、存儲過程和傳輸過程等信息，并使用溯源支撐工具將溯源信息進行維護，為溯源圖查詢和后續的數據核查服務，如圖3所示：

圖3　數據資產溯源示意圖

4）數據資產全生命周期管理

數據資產生命周期管理是在業務數據需求管理的引導下，圍繞各個業務管理主題，針對數據生命周期的各個環節，提出相應的管理策略和原則，用于保證業務數據需求落實情況的持續與穩定。關鍵環節如下：

策略的制定：應用系統建設大多以單一業務視角展開，為避免重復建設，需要從數據和系統方面更廣泛的角度開展全局視角數據資產規劃，統一制定數據全生命周期策略。

環節的劃分：數據生命周期規劃通常包括數據的創建、流轉、變更、停用等階段；

過程的監督：是對系統建設相關的需求管理、系統建設、運維、改造等活動進行指導，保證數據標準在各階段能遵守和落實；

資產化管理的遵從：在整個生命周期過程中，都需要考慮數據問題、數據標準和數據安全3個方面的影響和需求，并要求在整個周期過程中得到落實。

5）數據資產標準管理

數據標準管理包括數據標準制定、數據標準執行和數據標準管理考評。

數據標準的制定和維護：定義并制定數據實體標準、數據項標準、參考數據標準和指標標準等各類數據標準，并隨著數據需求的變化進行持續維護修訂；定義數據標準與數據源的映射關系；定義數據標準的認責。

數據標準執行：數據標準在數據創建、傳輸、存儲和使用過程中的應用，以及在系統生命周期內的應用，是根據數據標準進行信息化建設的實用化過程。

數據標準管理的考評：對數據標準的建立、執行和維護過程的考評，建立考評制度，評價各系統對數據標準的遵從情況。

6）數據資產問題管理

數據問題管理是依據數據在數據生命周期的各個階段的特性，建立數據問題控制機制，及時發現數據問題，不斷改善數據質量，從而提升數據的可用性，實現數據更大的商業價值。

數據問題發現機制設計：根據業務要求制定和明確數據問題發現機制，主要包括制定數據質量標準、業務規則設計及常態化稽核機制設計；

開展數據問題分析：開展數據問題的日常監控，以及不定期的數據問題稽核工作，發現數據問題，定位并分析問題，形成數據問題分析報告，指導數據問題整改；

數據問題整改 ：根據數據問題考評和日常工作中發現的數據問題，制定數據問題解決方案，實施相應措施；

數據問題回歸驗證 ：對完成整改的數據問題進行結果驗證。

7）數據資產應用管理

數據資產應用管理是數據資產價值體現的過程，主要包括資產估值、業務共享管理、業務監督管理、分析應用管理等，支撐大數據應用，催生新業務。

3.3 演進路線

數據資產化管理體系建設需要理論結合實際，通過循序漸進的方式管理數據資產對象，有序拓寬數據資產化管理外延，深入挖掘數據資產化管理縱深，結合管理實踐，增量式完善數據資產化管理體系，如圖4所示：

圖4　數據資產化管理體系演進路線

4 總結

數據資產化管理體系建設是一項復雜的系統工程，需要企業在高層達成充分共識的基礎上，周全計劃、穩步推進，建立企業級的數據資產化管理及信息共享平臺，完善數據資產化管理標準和規范，打破專業壁壘，逐步實現跨部門信息交換和無縫連接，消除信息孤島，有序共享利用，逐步提升價值，實現數據資產化管理的信息化、標準化和科學化。

參考文獻

[1] Viktor Mayer-Sch?nberger.盛揚燕,周濤,譯.大數據時代[M].杭州:浙江人民出版社,2013.

[2] 羅錚.淺析大數據時代的數據挖掘與數據資產運營[J].電子技術與軟件工程,2014,1:212-213.

[3] LI Qian,BAI Xiao-ming,ZHANG Lin, et al. Data Asset Management and Data-Based Operation of Power Suppliers［J］. East China Electric Power. 2013(1).

[4] 中云網. 大數據時代的數據資產管理［G/OL］.( 2013-12-06) [2015-07-02]. http://www.china-cloud.com/dashujuzhongguo/disanqi/20 13/1206/22073.html

[5] 趙亞鵬.論知識經濟時代無形資產會計的完善與創新—計算機軟件、域名的確認與計量[D]. 上海:上海海事大學,2014.

[6] 張穎.淺析無形資產的確認和計量[J].中國經貿,2014,11:163-164.

[7] 朱思敏.研發費用資本化影響因素研究[D].湘潭大學,2013.

[8] 劉瑞.研發費用資本化動因研究[D].合肥:合肥工業大學,2012.

[9] MENG Xiaofeng ,Ci Xiang. Big Data Management: Concepts,Techniques and Challenges[J]. Journal of Computer Research and Development.2013(1):50-59.

[10] 蘇永春,汪曉明.智能變電站全景數據采集方案[J].電力系統保護與控制,2011(2):75-79.

[11] Xiaogang MA,Peter FOX,Eric ROZELL, et al. Ontology Dynamics in a Data Life Cycle: Challenges and Recommendations from a Geoscience Perspective[J]. Journal of Earth Science,2014(2).

[12] Goben A, Raszewski R. The data life cycle applied to our own data[J]. Journal of the Medical Library Association : JMLA .2015, 103(1):40-44.

[13] DAMA International.馬歡,劉晨,譯.DAMA數據管理知識體系指南[M].北京:清華大學出版社,2012.

[14] Devarajan RAMANUJAN,William Z. BERNSTEIN .Prioritizing Design for Environment Strategies Using a Stochastic Analytic Hierarchy Process ［J］. Journal of mechanical design,2014(7):136-143.

[15] 李謙,白曉明,張林,等.供電企業數據資產管理與數據化運營[J].華東電力,2014,3:487-490.

[16] 務根錢,張麗梅.國際組織和外國機構的數據質量保證框架[J].調研世界,2012(8):61-64.

[17] 趙鵬,馬澤君,樂嘉偉.國際組織和外國機構的數據質量保證框架[D].軟科學國際研討會,2012:180-187.

[18] 黃海潮,陳順德.電網企業數據資產全壽命周期管理研究[J].管理觀察. 2015(1):62-66.（收稿日期：2015.09.11）

Research and Architectural Design of Data Capitalization Management

Cui Jifeng1, Yang Dongshu2, Wang WeiJia2,Dong Yuanyuan2
(1.State Grid Corporation of China, Operation Monitoring Center, Beijing 10031, China; 2. State Grid Information and Telecommunication Industry Company Limited, Anhui Jiyuan Software Company Limited, Hefei 230088, China)

Abstract:As data has the property of assets, in order to achieve the capitalization management of the enterprise data, the architectural design of management system is proposed on the basis of the theory of data capitalization management. And it also designs the system scope, business planning and evolution route of the data capitalization management. Thus data capitalization management informatization, standardization and scientization are realized.

Key words:Data; Data Management; Big Data; Management System; Business Planning; Evolution Route

作者簡介：崔吉峰（1966-），男，山西省長治人，國家電網公司，運營監測（控）中心，高級工程師，博士，研究方向：電力信息管理、數據分析與深度挖掘，北京，10031楊棟樞（1970-），男，國網信息通信產業有限公司，安徽繼遠軟件有限公司，高級工程師，學士，研究方向：電力業務建模、數據分析及電力行業信息化建設項目管理工作，合肥，230088王維佳（1983-），男，國網信息通信產業有限公司，安徽繼遠軟件有限公司，工程師,碩士，研究方向：數據挖掘方向，合肥，230088董媛媛（1986-），女，國網信息通信產業有限公司，安徽繼遠軟件有限公司，助理工程師，學士，研究方向：數據挖掘方向，合肥，230088

文章編號：1007-757X(2016)01-0040-04

中圖分類號：TP399

文獻標志碼：A