企业数据资产入表之数据治理【AMT企源】

题记

在当今数字经济时代，数据治理已成为企业提升核心竞争力、实现数字化转型的关键一环。数据作为国家发展的新动能，数据治理尤为重要，也是释放数据资产价值的基础。政府对此高度重视，近些年陆续发布的一系列文件都对数据治理相关工作提出了明确要求。国务院办公厅公布的《“十四五”数字经济发展规划》提出要加快数据要素市场化流通，鼓励市场主体探索数据资产定价机制，推动形成数据资产目录，逐步完善数据定价体系；不断推动数据资源的开放与共享，致力于构建高效、透明的数据治理体系。这些政策不仅涉及数据开放和共享，还包括数据安全、资产化利用等多个维度，旨在通过数据的有效治理，促进社会经济的全面发展。

AMT多年来为为央企、国企提供专业的数据治理咨询服务，具有强大的数据治理知识体系、方法论和实践经验的积累。在数据治理要求极高的当下，AMT将为更多企业提供专业和高效的数据治理咨询服务。在数据资产入表的大背景下，本次推出数据资产入表系列文章，分为“企业数据资产入表操作知识体系”、“企业数据资产入表之数据资产管理”和“企业数据资产入表之数据治理”三篇，本文为第三篇。

一、 数据溯源概念及方法

数据溯源(Data Provenance)核心思想是追踪数据的历史变化，以便理解数据的来源、演化过程以及可能发生的风险。数据溯源旨在通过追踪数据的路径，还原其历史状态和演变过程，达成对数据历史档案的追溯。其主要方法有标注法、反向查询法和双向指针追踪法。

二、 数据权属概念及影响因素

数据权属，也被称为数据产权，是指对数据的所有权、使用权、收益权等一系列权利的总称。数据权属问题的核心是通过分析不同来源的数据，理清各数据主体之间错综复杂的权利关系，通过法律制度等方式确定数据产权的归属。

影响数据权属的因素包括数据的来源、数据的性质、数据的使用情况、法律法规、数据的非排他性、数据的虚拟性、非稀缺性、易复制性等特性。

为解决数据权属方案，需要明确数据权属利益，构建数据产权制度，建立区块链解决方案，数据分类分级管理，合同约定与授权机制设计。

三、 数据质量管理

GB/T 36073-2018《数据管理能力成熟度评估模型》(Data ManagementCapability Maturity Assessment Model，简称:DCMM)将数据质量定义为数据管理的八大能力域之一。数据质量(DO)是“既指与数据有关的特征，也指用于衡量或改进数据质量的过程。

数据质量管理包括准确性、完整性、一致性、及时性、有效性和唯一性。这些需求是由企业或组织对数据处理和分析的具体要求决定的。

数据质量检查是一种评估和提升数据质量的过程，涉及到对数据的准确性、完整性、一致性、及时性、有效性、唯一性等各个方面的检查，以便于数据的有效利用和决策的准确性。此外，数据质量检查也是数据质量管理的方法和手段，包括数据从获取、计划、共享、存储、应用、维护、消亡生命周期的每个阶段里引发的各类数据质量缺陷，进行识别、度量、监控、预警等一系列管理活动。

数据质量分析是从数据本身、数据约束关系和数据过程等方面评估数据质量，以及从业务需求、数据质量维度和数据质量规则等方面提高数据质量的过程。数据质量分析的目的是找出数据中存在的问题，然后采取相应的措施进行修复，以提高数据的质量。

数据质量存在问题，就需要采取相应的措施进行改进。主要措施包括数据清洗、数据标准化、数据转换等操作，以消除数据中的错误和不一致，提高数据的质量。

图1：数据质量管理

四、 数据治理方案

数据治理旨在提高数据质量、促进数据一致性和集成、加强数据安全和隐私保护、支持合规性和风险管理、提升决策效能以及提升数据资产的价值，实现数据驱动决策和业务创新的目标。

数据治理方案的核心是数据总体架构设计。企业应围绕业务数据化和数据业务化，依据现有各信息系统使用情况和未来新建的功能需求，盘点并梳理企业数据资产现状，分析企业各系统数据分布及系统间集成关系，对核心数据的分类、编码规则进行梳理优化，形成关键数据的数据结构、集成方案和管理体系，从而为数据治理工作的有效实施提供顶层规划保障。

相关的重点工作包括：

• 数据架构规划

• 数据资产盘点

• 主数据标准制

• 分类编码标准

• 数据集成方案

• 数据标准制定

图2：数据治理平台架构

图3：数据治理的过程、方法及工具

五、 数据应用场景

根据最新的行业研究和报告，数据服务趋势主要表现在以下几个方面：人工智能、数据民主化、数据云、数据分析和商业智能、数据中心活动、数据结构等。

数据应用场景包括智慧城市、金融、通讯、教育、交通、医疗、电商、传媒、安防、企业、社交网络、物联网和游戏开发等。

六、 数据全生命周期管理

数据生命周期指数据从生成到最终被销毁的整个过程，涵盖了数据在其存在期间所经历的一系列阶段。具体可以分为5个关键阶段：数据需求、数据设计、数据开发、数据应用和运维、数据归档和退役。

图4：数据生命周期

七、 数据产品

数据产品设计是以数据为主要目标的产品设计，涵盖了数据的收集、处理、分析和展示等多个环节，旨在帮助用户更有效地利用数据进行决策或执行特定任务。

数据产品设计遵循互联网产品设计的基本方法，同时兼具数据挖掘的方法论，从业务目标、数据指标、价值展现三个核心环节不断深入，循环迭代。

图5：数据产品的特征

八、 数据安全管理

1. 标准与策略

数据安全的标准与策略是指对组织内部数据安全等级的划分以及各级数据安全防护、管理原则的定义和标准化。

图6：数据安全标准与策略建设目标

2. 威胁因素

数据安全威胁因素是指可能导致数据泄露、损坏或者未经授权访问的各种因素。

图7：数据威胁因素建设目标

3. 安全制度

数据安全制度是指为了保护组织内部数据安全而建立的一系列规章制度和政策。

图8：数据安全制度建设方针

4. 安全技术

数据安全技术是指为了保护数据在生产、传输、存储、流通等全生命周期中的机密性、完整性而采取的各种技术手段和工具。

图9：数据安全技术建设方针

5. 合法合规检测

数据合法合规检测是指对数据处理和管理过程中是否符合相关法律法规和行业标准的检测和评估。

图10：数据合法合规检测建设指南

6. 安全评估

数据安全评估是指对重要数据、个人信息等数据资产的价值与权益、合规性、威胁、脆弱性、防护等进行分析和判断。

图11：数据安全评估建设指南 图11：数据安全评估建设指南

本文作者：黄馨 陈京雷

陈京雷：AMT企源合伙人，拥有超过二十年管理咨询经验，擅长数字化转型、数据资产管理、数据治理、智慧会展、集团管控、战略管理等咨询服务。

往期回顾

《企业数据资产入表操作知识体系》

《企业数据资产入表之数据资产管理》

参考文献：

1. 北方大数据交易中心联合中审华会计师事务所、天津市软件评测中心、北方亚事资产评估有限责任公司、天津金诺律师事务所、天津农学院、天津大学和河北工业大学8家联合体成员单位，《企业数据资产入表操作指引》（2024）

2. 同道说，《一文概览数据资产入表的价值、建设全流程以及相关案例》，（2024）

您有任何管理提升和数字化转型问题，都可以“私信我们”。我们将即时为您解答，或预约专家进行一对一沟通。