数据资产为王，如何解析企业数字化转型与数据资产管理的关系（）大数据

原文链接：数据资产为王，解析企业数字化转型与数据资产管理的关系
视频回顾：点击这里
课件获取：点击这里
一、数据资产背景介绍随着企业数字化转型的深入，数据体量爆炸式增长，如何控制数据生产成本、发现有价值的数据，提高数据ROI，成了企业数字化转型中后期的关键任务，这也是数据资产管理的终极目标。

文章图片

而在数字化转型过程中并不是一帆风顺，往往会遇到很多问题。如何控制生产成本、发现恶性成本因素、量化生产成本？如何发现价值数据、梳理数据分布、分析数据价值？这都是企业是实现企业数字化转型路上需要思考的问题。

文章图片

如何解决上述问题，关键点在于利用方法论+工具思路构建数据资产管理平台。

文章图片

二、数据资产管理方法论那么如何给予方法论进行数据资产管理呢？我们可以从以下几个方面入手：
1、如何梳理数据：元数据管理
在梳理数据之前，我们首先要明确三个目标：

目标一：明确有哪些数据
目标二：理解这些数据的作用
目标三：便捷统一的查询入口

文章图片

明确完目标后，根据元数据管理五步法，我们来进行数据梳理：

第一步：采集元数据
第二步：定义元模型
第三步：维护元数据
第四步：元数据质量
第五步：元数据查询

文章图片

2、如何提升数据规范性：数据标准+数据模型
元数据采集上来之后，要做的第二个事情就是数据标准和数据模型，这个步骤和元数据管理并没有非常明确的切分，但在一般企业做数据资产管理时一般会先做元数据管理，因为见效比较快。
传统的数据开发方式会出现许多问题，例如：表名缺乏约束规范，无法直观的从表名判断出输出层级、数据含义；字段缺乏注释；字段名不严谨，status等于状态，不等于订单状态；没有定义数据生命周期lifecycle等。
而规范方式在底层对数仓分层、主题域等进行规范设计，建立数据标准然后统一进行模型设计，之后进行模型审核然后模型发布，提升整体的数据规范性。

文章图片

3、如何提升数据治理
技术部门与业务部门共同确定数据质量提升场景，从业务场景出发，从上至下建设，不能由开发人员想到什么临时校验什么，包括：

从业务场景出发，解决实际的业务数据问题，明确建设目标，保障执行策略无偏差
线下调研、收集、整理数据问题，按业务目标进行分类管理
根据业务分类进行规则集管理，根据数据质量反馈不断优化、沉淀规则集

文章图片

4、如何量化数据价值
量化数据价值从两个方向入手，一个是数据成本，一个是数据价值。
数据成本包括建设成本及资源成本两块，建设成本无法单算，只能根据项目成本（中台建设、交付实施等项目）、人力成本进行估算；而资源成本则可以量化，也是我们需要重点关注的部分，包括存储单价、计算单价等。
数据价值直接收益和间接收益，直接收益是指对于部分跨集团数据共享、数据封装对外销售的场景，可直接量化收入；间接收益是指大部分数据是服务企业内的业务开展，无法直接进行量化收益，只能间接从这两个维度分析价值：数据使用热度、数据上下游依赖。
通过数据成本和数据价值的合理测算，我们就能量化数据价值。

文章图片

三、数据资产产品介绍上面我们为大家讲了很多方法论的内容，那么有没有一款产品能够切实解决企业问题，帮助企业搭建数据资产管理平台呢？在这里我们为大家介绍袋鼠云数栈的数据资产产品——湖仓数据资产（DataAssets）。
湖仓数据资产管理平台（DataAssets），通过元数据管理、数据标准规范设计、数据质量提升、数据热度和成本计算，优化数据生产成本、量化数据收益价值，广泛应用于湖仓建设的中后期阶段。