數據資產盤點方法與實踐研究

摘要：隨著數字化轉型的深入推進，數據已成為重要資產。該文將對中國運載火箭技術研究院科研管理業務域數據資產盤點的理念、重要性以及實施方法進行深入探討，旨在全面了解自身數據資產狀況，為數字化轉型提供有力支撐。

關鍵詞：數據治理；規范；流程；制度；數據質量；數據生命周

doi：10.3969/J.ISSN.1672-7274.2024.11.062

中圖分類號：F 406.7；TP 3" " " " " " " " "文獻標志碼：A" " " " " " 文章編碼：1672-7274（2024）11-0-03

Research on the Method and Practice of Data Asset Inventory

ZHAO Peng， ZHANG Qing， SONG Heteng， SHI Yuling， SUN Peiquan

（China Academy of Launch Vehicle Technology， Beijing 100076， China）

Abstract： With the deepening of digital transformation， data has become an important asset. The article will deeply explore the concept， importance， and implementation methods of data asset inventory in the research management business domain of China Academy of Launch Vehicle Technology， aiming to comprehensively understand the status of its own data assets and provide strong support for digital transformation.

Keywords： data governance; standard; technological process; system; data quality; data lifecycle

在數字經濟時代，數據已成為核心要素。如何有效管理和利用大量數據資產，實現數據驅動的業務創新，是目前面臨的挑戰。數據資產盤點作為數字化轉型的關鍵一步，能夠幫助中國運載火箭技術研究院在科研管理領域的數字化建設方面全面梳理自身數據資產，提升數據價值，為決策和運營提供有力支持。

數據資產盤點是指對數據資產進行全面梳理、分類、評估和管理的過程。可對數據資產進行進行盤點，可以清晰了解自身數據資產的類型、來源、規模、質量以及價值等信息，為數據治理和數據分析提供基礎。

1" "數據資產盤點的重要性

結合中國運載火箭技術研究院目前的數據現狀來看，在大數據能力及體系建設的背景下，數據資產盤點工作不僅能夠為后續的建設內容提供基礎依據，本身也是大數據建設中重要的一環，其具體體現在：

（1）提升數據價值。發現隱藏在海量數據中的有價值信息，挖掘數據的潛在價值，為決策和運營提供有力支持。

（2）優化數據管理。有助于建立統一的數據管理標準和規范，提高數據質量和安全性，降低數據管理成本。

（3）推動業務創新。通過了解自身數據資產狀況，可以更好地把握業務形態的發展趨勢，推動科研管理業務創新和升級。

2" "數據資產盤點實施

以頂層規劃、分步實施為指導思想，有序開展數據資產盤點的相關工作。在進行數據資產盤點之前，首先，明確盤點目標，包括盤點的內容、范圍、重點關注的數據類型以及期望達到的效果等。這有助于有針對性地開展盤點工作，提高盤點效率。其后，結合科研管理業務域的核心業務內容，將市場管理、項目管理、采購供應管理、質量管理作為重點資產盤點對象。

2.1 數據資產盤點的內容

數據資產包括數據類型、數據質量、數據標準和其他；數據類型分為主數據、參考數據、元數據和業務數據。

（1）主數據定義需要集成共享的核心基礎數據，如人員、組織等。

（2）元數據是“關于數據的數據”，定義了數據業務語義，以及數據的數據結構、數據分布、數據關系等技術語義。

（3）數據質量指在特定的業務環境下，數據滿足業務運行、管理與決策的程度，是保證數據應用效果的基礎。

（4）數據標準分為數據指標標準和數據標準等。數據標準管理是指數據標準的制定和實施的一系列活動。

（5）其他包括關聯關系（血緣分析等）、系統功能及交互現狀和業務流程數據映射等。

2.2 數據資產標識的范圍

（1）數據資產的范圍和形式包含各類數據，如表、視圖、接口、程序等。

（2）數據資產標識是一個有業務含義、分段式、全局唯一的字符串，用來區分識別數據資產的標簽。

（3）資產標識規范為五段式結構，每段以點分隔[1]。

2.3 數據資產盤點的主要路徑

數據資產盤點主要路徑分為以下兩種模式。

（1）自下而上：以數據架構為重點展開數據資產盤點。

（2）自上而下：以明確的數據應用為重點展開數據資產盤點。

2.4 數據資產盤點的流程

數據資產盤點流程，包括以下4大步驟。

（1）自動獲取大部分結構化數據。

（2）進行數據內容補錄及確權。

（3）進行權限范圍確認。

（4）形成基于系統的體系。

2.5 數據資產盤點的具體實施

數據資產的盤點步驟：調研診斷、數據盤點、數據對標校正、分類分級、權責劃分、數據資產目錄建立。

2.5.1 調研診斷

2.5.1.1 調研內容

業務需求、數據調研，基于路徑及目的調整范圍。

2.5.1.2 明確目標

初步框定盤點范圍，對數據問題初步摸底，確定目標。

2.5.1.3 調研方法

（1）整體調研：調研業務現狀、組織現狀、系統建設現狀、數據資產現狀。

（2）業務系統調研：調研系統功能、業務流程與交互、數據調研、大數據及相關內容調研。

2.5.2 數據盤點

數據資產現狀盤點：分為數據資產盤點對象、數據資產盤點范圍和數據資產盤點內容。數據資產盤點對象包括元數據、參考數據、主數據、業務數據、分析型數據；數據資產盤點范圍包括全數據渠道（業務系統、數據加工系統、BI-外部展示系統、接口）。

數據資產管理現狀盤點：分為數據資產管理對象盤點、數據資產管理范圍盤點和數據資產管理內容盤點。數據資產管理對象盤點包括各數據資產管理主要職能活動；數據資產管理范圍盤點包括數據標準、數據管理制度、數據管理規范、數據平臺工具、數據模型。數據資產管理內容盤點包括數據權限、管理制度、平臺工具、數據標準和數據模型盤點。

數據盤點問題總結：基于盤點的內容及目標，梳理發現的數據問題并整理歸類。

2.5.3 數據對標校正

（1）數據對標：如果有與數據標準不一致的地方，進行對標處理。

（2）數據校正：針對元數據校正有數據質量問題的數據，確定是否修正。

2.5.4 分級分類

2.5.4.1 數據分類

資產盤點分類主要指的是對各種數據資產進行盤點并且分門別類。

2.5.4.2 數據分級

基于等級保護的數據分級分為五級，具體如表1所示。

2.5.5 權責劃分

數據責任按照業務關聯、存儲對象關聯等方式劃分，確定數據資產的業務歸屬和責任人，進行數據owner、消費、維護等管理角色確認。

2.5.6 數據資產目錄建立

依據數據盤點的成果，編制數據資產目錄，展現數據內容、數據量、數據價值、數據存儲位置以及數據歸屬和責任人等。

本次科研管理業務域的數據資產編目，通過確立數據的生產者、維護者、消費者實現三種視角的編目設計，結合中國運載火箭技術研究院在數據安全、保密制度上的要求，針對本次數據數據資產的編目實現權限管理。

3" "數據資產盤點挑戰與對策

在針對科研管理業務域數據盤點的過程中，目前發現的主要挑戰來自以下三點[2]。

3.1 數據質量參差不齊

在進行數據資產盤點時，可能會面臨數據質量參差不齊的問題。可建立嚴格的數據質量標準和校驗機制，對數據進行清洗和整合，確保數據的準確性和完整性。

3.2 數據安全風險隱患

數據資產盤點涉及大量敏感數據的處理和管理，需要高度關注數據安全風險隱患。為此應建立完善的數據安全保障體系，包括數據加密、訪問控制以及安全審計等措施，確保數據的安全性和隱私性。

3.3 組織協調難度較大

數據資產盤點需要跨部門、跨領域的協同合作，組織協調難度較大。為確保盤點工作的順利進行，應建立有效的溝通機制和協作平臺，明確各方的職責和權利，形成工作合力。

4" "盤點數據資產，構建資產管理體系

通過進行數據資產盤點，建立數據資產目錄，進一步構建完善的數據資產管理體系，以中國運載火箭信息技術研究院信息中心為主體，牽動業務部門數據產生者及消費者實現數據資產管理的閉環管理，以大數據基礎平臺數據資產模塊為主要工具，實現包含以下重要內容的體系化資產管理。

4.1 元數據處理

元數據的提取和采集是進行整個管理活動的起點。通過各種方式來獲取用戶所需的各類元數據，并對所收集到元數據進行統計、檢查等以保證所獲取的元數據質量，為接下來的一系列管理活動奠定基礎。

4.2 資產盤點分類

資產盤點分類主要指的是對各種數據資產進行盤點并且分門別類，以方便管理、效率優先為原則，對數據資產進行標簽分類。

4.3 資產評估

對資產成本產出進行評估和分析，具體可以從數據資產的構成、使用情況、價值等各個方面對數據資產進行評估。在方法的選擇上，可以通過賦予各種評價指標以不同的權重來設立數據資產評估模型，也可以考慮調整各類別數據資產的差異性使評估體系更合理[3]。

4.4 資產治理

資產治理是數據資產管理的核心工作，旨在通過建立數據倉庫來提供高檔次數據環境。具體可分為數據資產標準化和數據資產模型化兩個步驟。數據資產標準化的目的在于口徑統一，提高可比性。在數據資產標準化后可進一步對數據進行建模，通過模型可使數據資產管理整個流程系統化。最后在整個資產治理中對各個階段進行識別、度量和監測，通過反饋來提高資產治理的效率，從而提高數據資產的質量[4]。

4.5 資產應用

通過對數據資產進行應用可以更加了解數據資產的情況。數據資產的應用情況主要包括數據資產的使用次數、客戶以及使用的效果等。

5" "結束語

本文對數據資產盤點的概念、重要性以及實施方法進行了深入探討，分析了中國運載火箭技術研究院本次在科研管理業務域數據資產盤點過程中可能面臨的挑戰并提出了相應的對策。對數據資產進行盤點，能夠全面透析自身數據資產狀況，提升數據價值和管理水平，為數字化轉型提供有力支撐。

展望未來，隨著大數據、人工智能等技術的不斷發展與應用，數據資產盤點將變得更加智能化和自動化。中國運載火箭技術研究院將緊跟技術發展趨勢，不斷完善和優化數據資產盤點方法，提升數據治理和利用能力，以更好地應對數字化轉型帶來的挑戰和機遇。

參考文獻

[1] SOAＲES S．大數據治理[M]．匡斌 譯．北京：清華大學出版社，2014．

[2] 程永新．大數據時代的數據資產管理方法論與實踐[J]．計算機應用與軟件，2018，35（11）：326-329．

[3] 吳超．從原材料到資產——數據資產化的挑戰和思考[J]．中國科學院院刊，2018，33（8）：173-174.

[4] 程永新，梁銘圖，楊志洪．數據資產管理“AIGOV五星模型”[J]．電子技術與軟件工程，2018（16）：186.