如何构建企业安全易用的数据资产？
为稳步探索数据确权新路径、新模式，并有序驱动各类数据要素更大规模地互联互通，我们已陆续在各地试点大数据交易所等数据资产市场基础设施，比如贵阳大数据交易所等。
除此以外，还有电网行业也在逐步进行数据开放及交易探索，以期实现数据的多种形态开放应用及对外交易，构造数据对外运营新业务，释放电力能力数据价值。
如今，数据资产通过数据资产目录将标准化的数据对外发布，统一对外提供数据服务，让数据资产方便搜索和浏览，易于理解和解读，方便快捷地使用，最终让数据资产中的价值被显现出来。
今天小亿就来为大家分享下什么是数据资产管理？数据资产管理中存在哪些问题？以及如何构建企业安全易用的数据资产？
一、什么是数据资产？
在理论层面，目前并没有对数据资产的权威定义。我们选取业界较为认可的概念，即：数据资产是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。但在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。
数据资产管理是对存量数据进行系统化梳理，与数据标准匹配，推动数据资源转化为数据资产的过程，即指规划、控制和提供数据及信息的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交互和提高数据资产的价值。数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。
睿治数据治理平台架构图
在数据治理架构中，数据资产管理位于底层数据和数据管理与应用之间，处于承上启下的重要地位。对上支撑数据安全管理等职能建设以价值发掘为导向的数据应用，对下实现底层数据的梳理、对接数据标准，达成企业内部“统一数据标准”的目标。
二 、数据资产管理的重要性
1.让数据资产可视化
企业通过发现、描述和组织数据资产，形成一套企业数据资产的清单目录，提供一套上下文背景信息，为数据分析师、数据架构师、数据管理专员和其他数据用户，根据业务价值目标更好的查找和理解相关的数据资产。最终让数据管理者高效、便捷的了解数据脉络，构建全景图，随时掌握数据资产的运营状态。
2.提升数据管控能力
企业在识别出自身数据资产的基础上，进一步构建数据资产目录，加强数据资产的管控能力，对技术管理、业务运转起到良好的支撑作用，能够让数据在业务流转过程中更规范、更有效率；
3.促进数据应用与共享
通过数据资产盘点和梳理，挖掘数据背后隐藏的价值，在数据资产的应用和共享层面，起到引擎作用，最大化释放数据的核心价值，支持公司经营和决策分析，助力企业快速发展。
4.加强数据安全管理
资产盘点是保证数据安全的基础，通过数据资产盘点完成对数据的分类和敏感等级划分，建立数据与元数据的映射关系，明确数据类型、属性、分布、分类分级等信息。并以此为依据，有针对性地设计数据存储保护、授权管理等策略，平衡数据安全和数据共享两方面。如下图表格所示：
三、如何做好数据资产管理？
1.整体策略
（1）明确驱动力、优先选择业务价值高的应用场景
数据资产管理建设最重要的是要以价值为导向，能够对业务起到有效的支撑作用，并具备良好的运营机制，才能体现价值。
因此，可以结合当前及未来企业对数据管理工作的现状、挑战和需求进行分析，识别对业务支撑力较强的业务领域、数据主题、信息系统等，选择业务价值高的应用场景为建设支撑目标，在此范围内，进行数据目录管理工作目标和路径的设计，从而通过数据目录支撑到企业数据管理战略、产生更为直接的工作效益。
数据治理实施步骤
除此以外，还可从行业发展的角度分析未来应具备的数据资产，构建相对前瞻性的数据资产管理。例如，电信运营商可对未来5G业务进行分析，构建数据资产目录，以迎接即将到来的5G类新业务应用的需求；汽车制造业的厂商可对新能源、车联网等业务进行前瞻性布局，从内外不同渠道获取相关数据资产进行分析、构建目录，支撑业务发展。
（2）配套所需的组织管理、工作机制以及文化氛围
数据资产的建设与管理需要相应的组织和机制支撑，需要企业内部数据文化达到一定氛围后，才能发挥相应的价值。
对于数据资产管理模式、评价模式、认责机制等，都需要业务部门的业务专家、数据专家深度参与其中，持续养护数据、完善数据定义、提升数据质量、分享数据成果。但我们需要在数据管理团队职责和工作机制较为明确的基础之上，能够进一步推动业务部门设置数据管理相关角色、明确职责，并在数据团队与业务团队之间、多业务部门之间，建立专项小组、讨论组等多种沟通机制，促进跨团队的沟通交流、提升数据文化氛围。
2.流程方法
数据资产目录的建设分为四个环节，包含准备阶段、目录盘点与构建、审核发布、应用与运营管理。其中，前三个环节为数据资产目录的构建过程、最后一个环节为数据资产目录的使用和管理过程。如下图：
（1）准备阶段：此阶段主要对建设数据资产的背景、环境、价值点进行分析，明确要支撑的业务场景、以及建设目标；在此基础上，确定需要构建数据资产目录的范围，进一步制定相应的数据采集模板、标准，并收集与之有关的材料。
（2）目录盘点与构建：在第一阶段准备工作完成后，利用数据资产工具，按照模板和标准，对数据资产的有关信息进行初步采集和智能解析，形成数据资产目录初始清单；然后结合人工与工具平台，对初始清单进行筛选优化，补充完善相关属性，对其实施标签分类、形成目录，建成待审核发布的数据资产目录。
（3）审核发布：组织相关业务、技术专家对建成的数据资产目录进行审核，审核通过后，向相关使用者进行发布。
（4）应用与运营管理：此环节是在数据资产目录建成发布后，对其进行使用和管理。
四、数据资产管理需要注意的问题
1.元数据目录并不等同于数据资产目录
数据资产目录是在元数据目录基础上深度应用的体现。
首先元数据目录中包含的元数据是企业全量数据的代表，其中包含了很多无用信息；
其次从元数据管理过程看，很多企业所管理的元数据存在着一些弊端，这些弊端导致了元数据目录难以成为数据资产目录，这些弊端包括：
①元数据中文描述信息普遍缺失
②元数据描述信息不准确；
另外，元数据目录编目方式单一，普遍都是从技术角度进行组织，不能满足数字化时代数据资产广泛使用的人群需求；
最后企业需要在元数据管理的基础上增加一些应用场景定制，才能够将企业元数据目录进一步转化为数据资产目录，这会包含以下几个关键的场景：
①有价值元数据的甄别；
②元数据业务管理内容与责任信息的补充；
③基于数据资产的数据活动协作办公管理；
④定制化形成全局分布视角、业务视角以及应用视角的展现能力；
…...
2.数据资产目录不存在数据质量问题
数据资产目录也是存在数据质量问题的，表现形式包括：
①中文描述缺失：从业务系统、大数据等渠道获取的数据资产信息业务描述普遍缺乏；
②描述不准确：业务描述信息缺少业务部门参与，描述不准确、不完整；
③资产信息维度缺失：数据资产目录关联的资产信息维度不全，数据资产的质量信息、安全信息、认责信息、评价信息等；
④无价值资产：未进行有效的数据资产价值识别，导致一些僵尸资产、重复、测试备份、中间临时表等信息混杂其间；
⑤不合理编目：不合理的数据资产编目分类，导致数据资产检索准确性降低；
……
数据资产目录的质量问题导致数据资产知识获取效率低下，缺少维护和关联关系的数据资产不可理解，同时对基于数据资产开展的智能分析产生负面影响，如智能资产分类、智能检索、异常资产智能识别等，使得分析结论可信度下降等。数据资产目录质量问题属于数据资产治理的一部分，需要从制度、技术手段上予以保障，开展常态化的监控和维护。
3.数据资产目录需要全部做好后再开放使用
数据资产目录的建设是一个动态的、长期的过程，会随着企业数字资产管理水平的提升、数据资产应用场景的扩展，在数据资产目录覆盖范围、资产信息关联维度、资产目录质量、资产目录智能分析等方面进行扩展建设。
企业对数据资产目录服务的需求具有常态化、层次化特征，可选择重点业务域、数据资产关键信息进行盘点梳理，优先满足对数据资产信息依赖程度最高的数据分析师、数据应用开发工程师等角色的基本需求。通过有计划的迭代开发维护，不断丰富数据资产信息维度、关联关系等，覆盖更多角色的应用场景，使数据资产目录价值得以持续释放。
五、EsDataAssets助力数据资产管理价值最大化
亿信华辰旗下的数据资产管理平台（EsDataAssets）通过元数据对信息资产特征进行描述，并以目录形式分类管理，形成统一的目录内容和数据资产服务，丰富的服务接口的拓展，支撑数据资产的多渠道应用，如数据共享服务、分析决策支持等，最终实现数据资产价值最大化。
1.数据资产编目
简洁可视化的目录构建流程，无缝适配接入各类元数据，并自动挂载资源，实现通过类目分类管理数据资产。目录带有自动活化功能，根据元数据内容自动更新目录信息，保证目录和实际资源的一致性。
2.数据资产标签
支持标签设计管理，批量和自动为资产打标签，标签会以业务能够理解的方式为数据进行重新的组织和定义，能够让数据变得可阅读和易理解。
3.数据资产服务
提升企业数据共享能力，在资产目录中管理的资源可以自动生成各类数据服务功能，包括：数据查看、数据下载和数据接口，也可以自定义数据交换任务，并根据数据资产对象权属信息，提供统一的数据共享服务。
4.数据资产运营
编目好的资产在赋权发布后，资产服务才能被对应的角色或用户使用，其中：API服务提供了多个参数保证了数据的权属；数据交换服务需要归属用户审批通过后方可使用。
六、小结
如今，数据从辅助角色正式转变为核心要素被产业、市场、社会所认可。越来越多的企业及组织在布局数据要素，并至少已在组织内部使用起来。
当前，大数据平台储存需求已基本满足，数据要素全生命周期管理成为主要需求点，百分之七八十的企业在做的是数据管理和应用。企业所拥有的数据通过数据资产盘点，可以帮助企业厘清所拥有的数据资产现状，为发掘和释放数据中蕴含的经济价值夯实基础。
但数据资产管理是一项重要的工作，其建设过程不会是一蹴而就的，效果也不是立竿见影的，它本质属于“地基”类工作，因此需要且值得投入精力去认真构建，一旦建成并夯实，在其上面的数据管理和应用工作将得到良好的支撑和保障，数据应用价值也会得到极大的释放。
