企业数据资产盘点方法研究

企业数据资产盘点方法研究摘要：在当前的大数据背景下，数据作为数字经济的关键要素已经得到广泛认可。企业需要为广泛的数据消费需求提供优质数据供给，而数据资产盘点是实现这一需求的基础性工作。本文回顾了信息资产、数字资产、数据资产等概念的发展，提出企业数据资产盘点的目标和价值，分析了盘点工作中的数据资产范围，给出过程安全稳定、结果准确可靠的盘点原则，并详细阐述了数据资产盘点工作的具体实施方法。背景随着生产力水平的提高、社会关系的进步、经济活动的发展和技术的广泛应用，各类数据资源呈现出爆炸性增长的趋势。全球数据量在2019年约达到41ZB，预计到2025年将比2016年增加十倍，达到163ZB。数据量增长和数据应用场景的全面化将为企业的数据资产使用带来推动作用。数据资产概念的理论研究经历了从信息资产、数字资产到数据资产的发展。上世纪90年代开始，“数字资产”开始成为研究热点。2006年AlbertVanNiekerk给了数据资产定义。数据被认为是一项重要资产。数据资产盘点的目标和价值在这样的背景下，企业需要为广泛的数据消费需求提供优质数据供给，而数据资产盘点是实现这一需求的基础性工作。数据资产盘点的目标是全面了解企业数据资产的现状和潜力，为企业决策提供数据支持和保障。数据资产盘点的价值在于提高数据的利用效率，降低数据管理成本，增强企业的核心竞争力。盘点工作中的数据资产范围数据资产范围包括结构化数据、半结构化数据和非结构化数据。结构化数据是指基于固定模式或格式进行组织的数据，如关系型数据库中的数据。半结构化数据是指数据具有一定的结构，但不像结构化数据那样严格，如XML文档和JSON数据。非结构化数据是指没有固定格式或模式的数据，如文本、图像和音频等。盘点原则数据资产盘点需要遵循过程安全稳定、结果准确可靠的原则。过程安全稳定要求在盘点过程中保障数据的安全性和稳定性，避免数据泄露和丢失。结果准确可靠则要求盘点结果真实可信，能够为企业决策提供有效的数据支持。数据资产盘点的具体实施方法数据资产盘点的具体实施方法包括确定盘点目标和范围、制定盘点方案、收集数据资产信息、分析数据资产信息、评估数据资产价值和编制数据资产清单等步骤。在实施过程中，需要注意数据资产的分类、标准化和分类管理等问题，确保盘点工作的顺利进行。数据资产的概念最早于1974年由学者RichardPeters提出。他认为数据资产包括政府债券、公司债券和实物债券等资产。随着时间的推移，人们对数据资产的认识不断深入，其重要性也愈发显著。2009年，TonyFisher指出数据是一种资产，企业应该将其视为企业资产来对待。2011年，世界经济论坛发布的《个人数据：一种新资产类别的出现》报告中指出个人数据正成为一种新的经济“资产类别”。2018年4月，中国信息通信研究院云计算与大数据研究所发布的《数据资产管理实践白皮书（2.0版）》中将数据资产定义为“由企业拥有或控制的、能够为企业带来未来经济利益的、以物理或电子方式记录的数据资源，如文件资料、电子数据等”。近年来，数据资产与新技术如区块链、云计算相结合，并在电力企业数据资产管理、图书管理等领域取得了一定的研究成果。现阶段的数据资产发展已经进入智能数据基础阶段，企业将数据供应链上的各个环节通过智能化、自动化方式进行改造，实现程式化的数据采集与数据应用，规范管理的数据湖，智能化的数据接入、数据管理和数据供给，广泛的自助分析，并为数据消费提供智能数据供给服务。为实现数据供给的要求，一项重要的基础性工作便是数据资产盘点。只有通过全面梳理企业中作为资产的数据，才能使数据从业者了解数据资产全貌、绘制数据资产地图、有机串联数据的技术面与业务面，以便让企业中的数据能看清、可理解、相关联，进而为制定更好的数据策略、搭建更强的数据信任、实现更智能的数据应用打下坚实基础。目前，国内各大企业经过多年的信息化建设，已积累了种类繁多、体量庞大的数据。随着业务的持续发展，业务范围、资产规模、客户规模均不断扩大，产生的数据规模也在快速增长。数据规模的快速增长为企业带来了数字化转变、智能化变革的机遇，同时也对数据资产的掌控能力提出更高要求。因此，全面推进数据资产盘点工作是摸清数据资产家底、明确数据资产存量、识别数据资产范围、搭建数据资产地图的重要手段，也是准确识别出有价值的数据资产，并对数据资产开展统一规范管理，进而实现数据资产价值最大化和良性循环的重要基础性工作。开展数据资产盘点工作正当其时。企业开展数据资产盘点的目的是为了明确企业数据资产全貌，统一管控数据资产全生命周期，促进数据价值变现。同时，盘点工作也为数据资产的增值利用提供了良好基础。在盘点范围方面，企业应结合所盘点的系统情况，划定需要进行盘点的数据表范围。原则上，只针对在业务环节源端产生的基础表和终端产生直接应用结果的数据表进行盘点。具体来说，可以结合数据资产的概念圈定盘点范围，即对“企业在运营活动中形成的，由企业拥有、全过程可控，并能给企业带来价值的数据”进行盘点。企业数据资产可分为基础表、代码表和报表、指标三种类型。需要注意的是，仅对该系统拥有的数据表进行盘点，调用其他系统的数据不进行盘点。在盘点原则与方法方面，企业应遵循前瞻性、全面性、基础性和系统性等原则进行具体工作。盘点过程应该充分考虑数据资产规范、搜索获取、分析应用、绩效评估和可视化展示等需求，同时要全面覆盖企业的所有数据资产。选择数据资产最稳定的本质属性或特征作为盘点内容，确保盘点内容不因环境因素而发生变化。此外，需要将需要盘点的数据资产的属性或特征按一定排列顺序予以系统化，并形成一个合理的分类体系。确定性是数据资产分类体系中的一个重要原则，每个数据资产都应该有唯一确定的基本单元与之相应。目录框架应该具有可拓展性，以适应数据资产不断发展和变化的需求。这样可以允许在目录框架中增加新的盘点内容而不影响原有内容，为使用者进行延拓细化创造条件。安全性是数据盘点工作中必须考虑的因素。必须减少数据盘点工作对于业务活动和系统运行的影响，避免出现数据丢失或泄露等失误，给企业带来损失。在数据资产盘点过程中，保密性是非常重要的。数据是企业重要资产，盘点人员必须严格遵守保密要求，避免触及敏感信息。数据资产盘点工作包括准备阶段、盘点阶段和汇总阶段三个流程。盘点阶段根据所盘点系统的不同类型和特征，包含4个子流程，分别针对套装软件、自开发系统、分析系统、数据仓库开展盘点工作。在准备阶段，需要对获取或生成的业务及技术文档准备情况进行核查，确认文档可供盘点使用。同时，向各盘点系统运维支持人员申请各系统查询权限并确认。准备阶段的主要工作包括确认操作权限、形成数据字典、形成功能操作清单、进行业务分类和确认盘点文档完整。在盘点阶段，需要圈定需要盘点的数据资产范围，明确盘点对象清单，为后续进行数据资产盘点打下基础。定位数据资产需要对照文档及系统，判断文档与系统一致性，定位业务流程涉及的数据资产和其它在套装软件中自开发数据资产的盘点范围。在数据资产盘点过程中，需要进行自动生成盘点表格、填写盘点表格、沟通及补充完善和汇总整理四个阶段的工作。在自动生成盘点表格阶段，以数据资产名称为基础，自动生成盘点表格，供后续盘点使用。在填写盘点表格阶段，需要明确业务分类、查询数据量和根据数据字典填写盘点表格。在沟通及补充完善阶段，需要与相关业务部门和技术支持组进行集中沟通或现场讨论，对数据资产盘点表格进行补充完善。在汇总整理阶段，需要将所有盘点系统的盘点结果合并，形成统一的数据资产目录，并完善关联资产名称和数据资产编码。本文介绍了信息资产、数字资产和数据资产概念的形成和发展过程，并强调了企业进行数据资产盘点的重要性和必要性。在此基础上，