本文探讨了企业数据资产管理和数据资产目录的重要性。政策支持、企业需求和技术发展趋势共同推动数据资产管理的发展。数据资产目录作为关键组成部分，通过资产梳理、框架设计、数据标签等步骤实现有效管理。其作用包括数据分类分级、安全管理、服务体系建设和数据价值挖掘。案例展示了金融公司在数据资产管理中的实际操作路径。
企业数据资产的数据管理需要数据资产框架来支撑数据资产的展示、记录、分析，通过数据资产框架可以明晰企业拥有的数据资产、实现数据资产安全分享、提升数据资产质量、实现数据资产变现等数据管理目标。
下面就来谈一谈数据资产框架中重要部分数据资产目录管理，通过数据资产目录的建设，实现对企业数据资产的有效管理。
1. 政策支持：
我们以数据治理较成熟的行业-银行业的相关数据管理政策中可以发现，从国家到银保监会，到中国人民银行，在2020至2021年间就发布相关指导政策，明确数据是生产要素，并给出了数据治理建设指引。
2. 企业需求
从企业层面以及数字化转型路线的思考框架上，企业从行业解析、战略愿景、明确措施、规划方案自上而下，更加明晰企业数据资产是整个数字化转型及数字化运营的坚实基础。
3. 发展趋势：数据资产管理正成为数据管理趋势之一
数据资产管理正成为数据管理工作的转型方向
数据资产化与数据资产管理的理念，进一步促进过去的数据管理工作向数据价值转化
以数据资产为导向的数据管理工作可以串联元数据、数据标准、数据模型、数据质量、数据安全等各项管理工作，引导数据价值在业务端的发挥
以客户为中心，以价值为导向，实现高效的数据资产服务体系与数据挖掘分析
1. 数据资产管理有三个方面表现，分别是管理视角、管理职能、组织体系
2. 数据资产目录体系是针对企业数据资源的分类组织方法
数据资产管理正成为数据管理工作的转型方向
数据资产化与数据资产管理的理念，进一步促进过去的数据管理工作向数据价值转化
以数据资产为导向的数据管理工作可以串联元数据、数据标准、数据模型、数据质量、数据安全等各项管理工作，引导数据价值在业务端的发挥
以客户为中心，以价值为导向，实现高效的数据资产服务体系与数据挖掘分析
1. 问题及建议
2. 建设步骤
第一步：资产梳理（数据资产盘点及补充完善数据资产信息）
第二步：框架设计（业务视角、行业模型、其他行业成功经验、业务标准）
第三步：数据标签设计（数据分类分级、数据共享、数据认责、数据脱敏、数据质量、业务流程、业务实体）
第四步：资产与目录关联
第五步：数据资产标签化（数据资产目录与数据标签形成网状数据检索体系）
第六步：平台管理
1. 数据标签与数据资产的关系
数据标签与数据资产目录形成对数据资产的网状分类功能，我们可以利用目录及标签来为数据资产进行分类分级，并增加管理属性。利用数据管理平台实现快速便捷地检索数据资产及组织数据资产。
2. 数据资产目录如何管理及应用场景
数据资产目录管理包括目录维护及目录安全权限管理，目录应用场景有数据资产的可视化应用、数据资产目录服务、数据分析应用场景等内容。
- 某金融公司数据资产管理案例 -
第一步：建设路径
第二步：目录构建
第三步：平台落地
推荐阅读：
不是你需要中台，而是一名合格的架构师（附各大厂中台建设PPT）
954
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
