中电金信-通信行业：金融数据资产运营白皮书往下扎根向上结果释放数据价值

中电金信金融数据资产运营白皮书序言应用层面的蓬勃发展和政策层面的持续完善，倒逼企业加速数据资产运营把数据融入到业务全流程中，实现数据资产和进业务发展和商业模式创新，是数据管理部门从成本中心变为利润中心促进价值释放。数据应用和数据流通是数据价值释放的显性表现，借助数据资产运营是数字经济背景下数据管理工作的自然延展，是大模型时代数据治理和数据价值实现的助力器，是数据生产者和消费者的高效衔接平台，也能为数据入表提供更扎实的数据基础和审计依据。中电金信希望能通过这本白皮书，总结并沉淀金融行业在数据资产领域的实践与思考，与行业同仁共同探讨数据资产运营策略和路径，为数据资产化、数据要素化、数据价值化发展贡献自己的绵薄力量。中电金信研究院数据研发委员会主席核心观点101数据资产运营是数据要素市场化的必由之路202审时度势：数据资产运营基本概述503提纲挈领：数据资产运营建设方案03提纲挈领：数据资产运营建设方案1104保驾护航：数据资产运营保障措施2805知行合一：数据资产运营最佳实践3206厚积薄发：中电金信产品特色介绍3607见微知著:数据资产运营未来趋势07见微知著:数据资产运营未来趋势4508中电金信数据能力简介50I核心观点核心观点发展到庞大的石化行业，如何充分发挥数据价值，实现数据资产营的首要问题。数据资产运营是企业数据资产管理体系中(四)数据资产运营平台是数据资产运营体系的技术支撑，支持资产运营闭环流程地进数据生态繁荣所需的关键能力，能够显著提升资产运营效率及资产活性。(五)数据资产运营必然会促进数据产品化的进程，数据产品是数据资产的主要载体。(六)数据交易流通、数据入表不是资产运营的必要条件，但会提升企业整合数据资中电金信《金融数据资产运营白皮书》,是数据资产管理体系下针对数据资产运营的数据资产运营是数据要素市场化的必由之路▶1.1数据要素是数字经济深化发展的核心引擎心引擎作用。近年来，国家密集出台数据相关制度和立法，推动数据要素化发展。2020年更好发挥数据要素作用的意见》明确提出建立数据产权制度，建立数据资源持有权、数据的《数字中国建设整体布局规划》明确将数字基础设施和数据资源体系作为数字中国建设通过数据要素化发展，数据资产价值得以充分彰显，有助于在实动实现企业数字化转型，即是通过以数据资源化推动业务数据化充分的数据资源化，提高业务数据化效率。从业务的数据需求端出发，数据资产运营通过拉通企业内部和外部数据，推动数据与业务深度融合，丰富数据资产化推动数据赋能业务数字化转型，提升企业数字化能力，创新业务模数据资产运营即是合理配置和有效利用此类数据资产，从而提高数据资产带来的经据广泛交易流通和参与分配的必然前提。通过界定数据权属、评格，承认数据的价值创造贡献，激励数据资产的高质量供给和数据要素的流动转化，从而为数据资产的流通交易和价值变现培育环境和基础，形成从数据供给端到消费端的良性反馈闭环。因此，良好的数据资产运营是推动数据要素市场发展在数字经济和数据要素市场的蓬勃发展下，近年来企业积极开展数据资产运营的创新探索。在金融行业，头部银行在数据治理体系建设过程中，将数要求融入数据治理，以资产的视角和运营理念来推动数据治理的全面建设和数据价值的院联合发布了《商业银行数据资产管理体系建设实践报告》,在业内率先提出了以价值创造为导向的数据资产管理新模式。光大银行从数据盘点、数据要素行业之外，南方电网公司发布了能源电力行业首个数据资产管理体系白皮书《南方电网数据资产管理体系白皮书》,提出以数据作为核心生产要素，以数据流引领优化能量流及业务流，创新构建了具有数据要素化、资产化特征的数据资产管理体系。这些企业的先行先审时度势：数据资产运营理念概述金融数据资产运营白皮书数据资产运营是在数据要素化时代持续释放数据资产价值的重要驱动力，是通过数资产化能力的动态过程。据使用者的视角出发，全面评价数据应用效果，建立科学的正向反馈和闭环管理机制，促进数据资产的迭代和完善，不断适应和满足数据资产的应用和创新需求。书中也将数据资产运营纳入数据资产管理的范畴，是其十大活动职能中的最后一环。是：数据资产运营即合理配置并有效利用数据资产，从而提高企业内部数据资产带来的经济效益，保障和促进各业务稳健发展。根，是因为数据资产运营作为数据资产管理的重要环节，其需要以良好的数据治理作为保没有数据治理体系作为保障，数据不但不能转变为企业资产，还很容易让企业陷入“数据沼泽”的陷阱。所以数据资产运营的基础是企业需要具备一个良好的数据治理体系，为数据资产运营工作的开展打下坚实的基础。向上结果，是指数据资产运营要始终以数据价值内外部利益相关方各类数据资产需求，使数据资产成为企业发展的核心竞争力。▶2.2金融行业数据资产运营的发展历程数据资产运营的出现是随着数据资产化、要素化的管理诉求逐步显性化发展而来的。最初，数据资产的管理是伴随数据库技术发展和数据存储访问需求而出现的。随着人们对数据价值认知的不断深化，数据资产管理的内容边界持续延伸，其先后经历了数据资产数字化阶段、数据资产治理化阶段、数据资产运营化阶段三个时期。●数据资产数字化阶段：此阶段企业主要的关注点仍是信息化系统的建设，数据的应用价值大多局限于内部的业务统计以及监管报送的时效性和准确性，尚未建立统一的数据资产管理部门，数据资产管理职责归于IT建设管理部门。此阶段开始建立初步的元数据管理，主要是形成IT系统的数据字典。●数据资产治理化阶段：随着金融机构信息化建设的深入与专业化分工的推进，企业从单纯关注数字化建设转变为关注数据内容本身。数据的重要性和价值逐步显现，特别是在客户营销、风险管理等领域，借助数据的深度分析与挖掘，可以有效提升其段对数据资产的标准化程度、数据资产的质量好坏持续关注。数据资产管理工作的开展也逐步从零散的、独立的转变成协同的、一体化的工作，金融机构也相应成立数据资产管理部门牵头开展数据治理工作。部转变为探索数据的交易流通。此阶段的关键活动是做好数据资产运营，即从运营视角出发，强调提升数据资产服务效率，并促进数据的共享与流通，在达到数据供需平衡中不断迭代优化，推动数据价值持续释放。此阶段可以继续细化为三个小的阶段，数起步期，以数据资产盘点为基础，构建企业级数据资产目录，初步形成逻辑一致可复用的数据服务。数据资产运营成长期，随着数据资产使用的场景越来越求越来越多，需要构建企业级的数据资产运营组织、数据资产运费者的需求。数据资产运营成熟期，企业构建完整的数据人才培养和评价体系以及梳理企业数据内部和外部应用场景库，并逐步建立良好的数据资产运营文▶2.3数据资产运营解决的数据管理问题数据可以辅助商业决策制定，推动企业数字化转型和发展。裂、数据共享不畅、数据应用不足严重制约了企业数字化发展。数据资产运营旨在破除数企业希望数据能有效赋能业务的经营管理及决策。现阶段许多企业存在数据管理与业务发展脱节的情况，数据口径不一致，数据分析时效不匹配、业务数据信息模糊且存在不同程度的缺失。业务无法复用现有数据及分析成果，数据分析的广度和深度大大受限。通过数据资产运营，将业务与数据进行深度融合，以数据支持和推动业降本增效是企业发展过程中亘古不变的话题，数据资产运营是在IT系统建设和数据开发领域实现降本增效的重要抓手。许多企业内部存在数据堆积、无效数据淹没有效数据供给过剩、供给服务浪费严重，又推高了服务和维护成本。同时企业在数据开发过程中会方面企业数据应用场景不丰富，分析方法不足，沟通反馈机制存在缺陷，相关问题难以得▶2.4数据要素视角下的数据资产运营重点随着数据价值诉求的不断提升和数据要素市场的发展，国内金融机构已经陆续开展数据资产运营相关的活动，我们认为数据运营工作的重点主要集中在以下四个方面：随着数据的不断积累，数据消费者呈现多元化，数运营让数据生产者与消费者得到最佳匹配，数据生产者探索和挖掘业务人员对数据资产怎么用。通过持续的运营将合适的数据资产推送给合适的数据消费者，让更多的业务人员深度参与到数据的组装和设计中，实现个性化业务需求，实现人人都是数据分析师，让数保证高质量数据资产供给，提高数据资产可用性和有效性是企业数据资产运营的重要内容。企业要改变以往事后管控的数据治理模式，构建应用驱动、需理，优化数据供给。同时数据在使用过程中所发现的问题可以及时进数据要素市场下，企业不仅关注如何构建有价值的数据资产塑数据的加工，准确识别并及时清理冗余的数据，有效优化数据加工链路，控制数据的存责权利对等是数据资产流通、共享、健康运行的重要应打破确权即担责的固有印象，在相关法律法规的指引下，对所关系界定和划分。依据权责相依的原则在企业范围内明确数据资产运营过程中各部门所提纲挈领：数据资产运营建设方案金融数据资产运营白皮书数据资产管理应以促进数据流通和实现价值创造为主线，以数据的生产要素特性为视角，以优化数据的供需匹配为原则②。在数据供给侧，持续深化数据治理工作，不断优化数据资源和数据管控能力。在数据需求侧，基于数据价值的视角，以数据应用场景为驱动，以数据消费者为中心，提供满足业务需求的数据产品和服务，并对数据资产进行合理的评估与评价。这就需要建立规范性的数据资产识别、盘点，丰富资产使用场景，并关注资产的保鲜和流通，以运营的方式实现供需闭环反馈和迭代优化，变数据“囤起来”为“用起来”,持续释放业务价值。中电金信建议的数据资产运营建设方案如下：资产价值化数据资产化主动增强数据资产治理数据疏“治”数据资产运营产品数据资源化精准全面数据资产运营“活”用数据体系规范数据资产梳理数据模型管理灵活求新数据资产评估数据“评”价丰富高效数据资产服务数据标准管理元数据管理数据安全管理②戎珂，陆志鹏.数据要素论[M].人民出版社，2022.将数据治理体系集成于数据资产运营中，为数据资产运营奠定坚实基础；另一方面，通过数据资产运营发现的改善机会来驱动数据治理，以用促治，也有利于破解以往为了治理而治理的困境。数据产品服务数据资产盘点目标：促进数据流通，助力数字转型，发挥数据价值数据资产运营数据资产编目数据资产定价数据资产保鲜数据治理成熟数据治理保障数据标准管理数据质量管理数据模型管理机制主数据管理数据生命周期数据治理产品工具元数据数据标准数据模型数据安全主数据生命周期数据开发数据资源化向数据资产化的转化路径中，在数据供给侧，数据的需和验证各环节，都需要不断丰富数据资源、规范数据内容、提升数据可用性、保证数据可管控。这就需要持续深化数据治理工作，搭建产品工具，建立持续的数据供给基础和能力，从而更好地实现数据资源化，保障数据资产化。因此数据治理体系中设立了数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理列职能活动，明确数据全链路职责，持续提升数据质量，保障数据安全。使数据可看、可信、可用，推动数据资产化转换，为数据资产运营打下坚实的基础。例如，将数据标准的内容嵌业务系统数拓数据打准业务系统数拓数据打准数据资产的识别是数据资产盘点的前提，需要从茫茫的数据海洋中，将最具价值的数据资产识别出来。中国信通院认为，只有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才是数据资产，如文件资料、电子数据等。同时数据资产类型多样，包括结构化数据、非结构化数据，又有内部数据和外部数据，同时还有企业经过梳理和开发的数据模型、数据标准等规范、以及标签、指标、数据集、数据挖掘模型等衍生资产。不同的资产类型具有不同的资产描述属性，因此需要识别数据资产形态，厘清企业数据资产类型。中电金信建议将数据资产划分为基础类、规范类、集成类、服务类这四类，以便能更体系化、科学化的盘点、管理和使用数据资产。规范类口规范类口企业梳理和制定的数据类规范文件，包含数据标准(指标数据标准、基础数据标准)、数据模型(概念模型、逻辑模型、物理模型、逻辑模型与物理模型映射)、业务术语、政策逻辑模型、物理模型、逻辑模型与物理模型映射)、业务术语、政策与规则、数据安全分级信息、数据质量规则、数据字典、关键数据项据，包含结构化数据(内部数据、外部数据)和非结构化数据(图片、音频、视频、文本、邮件、网页)。验会集成类集成类要是数据整合与储存(数据湖数据、数据仓库数据、数据中台数据)、数据集市数据(如财务、风险、监管报送、审计等集市)。口从应用场景出发，按照业务需求进行加工和建模后的数据，包含指标数据、标签、特征工程、也包含数据集、固定报表、主题分析以及之间的映射关系，还包括经过挖掘或算法建模的数据模型应用、规则库、知识图定的盘点范围，组织盘点人员确定规范并启动盘点，将整理的数据资产清单与设计的数据数据资产目录设计是盘清资产的核心，数据资产目录将企业以及数据归属和责任人。数据资产目录设计可以业务视角为核心，目录分类主题便于业务产管理的要求越来越高，数据资产盘点将更加精细化，对每一种类型的数据资产都要有不同的管理策略和方法，除了描述资产的内容还对资产的敏感性、分级分类和数据安全策略数据资产运营的本质是通过整合内外部数据资产、拉通各类提供多样化数据资产服务，使数据资产成为撬动新财富的重要支点，继而推动数据资产的随着金融机构数据资产积累和数据应用环境成熟，数据资产不再单一的以数据库形态进行交互使用，而是依托数据资产管理平台和数据中台，将数资产运营，帮助业务和分析人员快速的找到数，理解数，使用数，让数据需求更明确、数据应用更简单，降低数据应用难度和门槛，促进数据普惠。数据数据交易共享1.数据资产浏览2.数据资可查、可用、可编辑1.数据资产订阅2.数据资产共享扩展应用场景学习目录、资产预览、资产图谱等多种多样的方式呈现在用户面前，这将有助于从用户视角统一其对数据资产的认识和感知，拉齐不同用户在数据资产上的工作交互界面，明晰各类数据资产的转化链路以及完整关系网。●数据资产探索：基于统一的数据资产门户和智能化搜索引擎来构建企业数据大百科，谱等方式来精确/模糊匹配不同类型数据资产查询结果和关联资产血缘关系(包括基本信录信息、数据预览、所属表信息等),真正做到随用户所想，所搜即所角色对数据资产探索的各种可能。●数据资产服务：数据资产在用户使用过程中可被封装成丰富多样的服务形式，即可以开发等方式进行场景化应用。推荐方式来获取自己权属范围内的数据资产结果和资产动态变化信息，用户对订阅结果的有效手段。企业通过开展数据资产的内部循环与外部流通，运用数据分析与挖掘应用来引来实现数据资产服务和数据开发作业的快速组装。同时依托于核心抓手运营指标运营内容运营数据资产的内容生运营价值化资产流通，通过日常运营监控、保障和维持资产供需平衡。 核心抓手运营指标运营内容运营数据资产的内容生运营价值化资产流通，通过日常运营监控、保障和维持资产供需平衡。 驱动生产运营“资产货架”的“货”需要一套内容标准，能指导数据资产的生产、“资产货架”的“货”需要一套内容标准，能指导数据资产的生产、包含了什么数据，分布使用资产目录的时用户不再关心“我需要的数据在哪里”,只需要清楚自身需求，便可快速消费数据资产。数据价值化过程中，关心提供资产和资产流通“渠道”的健康度，保持数据资产产量稳定，数据资产化过程中，匹配“人”(数据资产用户)和“货”(数据资产内容),提高数据资在哪里、被谁用过。在哪里、被谁用过。产流转的效率。资产健康度资产健康度服务稳定性运营资产化活动，通过提运营资产化活动，通过提数据资产的保鲜往往需要依靠一套敏捷、持续的运营机制。通过对数据资产的业务、管理和技术用户，数据资产从采集、更新、应用到评价的全生命周期，承载数据资产的平台和提供数据资产的渠道进行监控和分析，建立数据供给端、运营端、消费端对于数据资产效能的反馈交互闭环，持续推进数据资产的迭代完善和动态更新。在运营过程中，理解用户需求并提供个性化的服务是至关重要的。通过深入了解用户的行为模式、兴趣偏好等信息，从而为用户量身定制产品和服务。关键指标包括用户增长率、用户留存率、用户活跃度、用户满意度等。这些指标可以帮助了解用户群体的使用习惯，持续优化用户查数、用数的体验，与用户保持互动提高数据资产建设的活跃度，持续增加用户满意度、留存率和忠诚度。1用户日角色/部门/时间程度等方。2用户日留存率用户数的比例角色/部门/时间3申请量在资产平台发起用角色/部门/时间据资产的使用活跃度。4满意的用户数角色/部门/时间程度，有助于提升用户体验。5注册用户与访问用角色/部门/时间产的关注程度。通过持续运营数据资产，扩大数据资产范围，提升数据资产完整度，形成数据资产全景视图并持续提升数据资产应用效率、确保数据资产在整个企业中得到充分利用。在资产分确保数据资产价值可见可量化，构建可视化的全局数据资产流动视图，帮助管理层掌握资产分布和流动情况。这一举措可快速捕捉资产活力动态，有的放矢地提升资产活跃度。关键1已在资产平台中发别/安全等级/时间2资产详情页被访问的资产数别/安全等级/时间3已发布资产中不为空的属性占所有属性的比例别/安全等级/时间续提升数据资产的完整性。4已发布资产中被用别/时间键意义。5的比例别/安全等级/时间供给情况。构建统一的数据接口和标准，实现不同系统之间的数据互通和共享，对数据供给的全流程1衡量平台流程数，可反映平台使用活跃度。2资产平台的上/下游系型/时间3型/时间量趋势，用以定位平台运营中存在的问题。4到审批完成所用时间的平均值的审批效率，这对优化平台体验具有重要意5建立有效的数据资产监控运营体系，可以为资产保鲜进一步保金融数据资产运营白皮书1别//时间况，保障数据质量和可靠性。2据资产健康程度别/时间产量。3台的安全性，及时检测和应对潜在的安全威胁，确保数据的保密性、完整性和可用性。4记录数据资产平台中出和瓶颈，并采取相应的措施来改进流程效率5级/时间台的健康状况，及时发现并处理异常情况，保障数据共享的可靠性。价值评估数据质量评估维度评估指标体系能估能估提升数据资产的使用效率，支撑公司智慧化决策，实现精益管理以市场为导向，核算各类数据指标体系，构建资产评估模型，释放数据资产价值整合上下游数据资源，突出资源禀赋优势，提升数据的规模和价值聚合能力图7数据资产评价数据作为重要战略资产，其价值需要进行系统性评价。通过评价有助于企业根据价值主导数据开发和应用，优先流通高价值数据，最大化数据资产效益；有助于企业更关注数据财务类评价体系关注数据资产的财务贡献和收益数据资产财务类评价指标可从财务贡献和收益角度进行评估经济效益是否大于成本投入。可以作为企业数据资产管理的关键考核指标，指导数据资产1数据产生的利润-数据管理成本)/数据管理成本234(数据产生的收入-数据管理成本)/数据管理成本收益类指标通过收集数据应用的各类直接收益和间接收益，全面12间接收入数据应用带来的业务收入增加3成本节约4(数据应用后产出-数据应用前产出)/数据应用前产出5678非财务类评价体系关注数据资产的质量、应用价值和合规性数据质量、应用价值和安全风险三者相辅相成，共同推动企业的数据资产管理。质量评价保证基础数据品质，价值评价发掘更大价值，安全评价减少数据风险。建立完善的评价体系，不断优化数据资产的治理，使数据资产真正成为企业的重要战略资源。企业可以借助层次分析法、熵权法、模糊评价法和德尔菲法等各类综合评价法采用上述一个或多个评价体系组合定期对数据资产进行评价。1234唯一记录数/总记录数56数据资产应用12345替代数据的成本/当前数据成本12345以及第三方评级机构都可以从自身角色出发对数据资产相关能力进行评价。tretwenktechnclcgy<cb2.ref-]Intemstnetwerktecrrelsay<aTntermelnelweikleetrroloey~ab在以上原则指导下，我们结合金融机构现有数据资产运营的一般环节：资产的盘点、产运营管理和数据使用部门的职责和关系，确保数据资产运营工作的顺数据资产运营的制度体系是金融机构数据治理制度体系的重规范的方式明确数据资产运营各个相关部门的责任，发布数据资产运营各领域和环节的政《数据资产运营平台管理办法》、《数据资产运营平台操作指引》等系列指南及细则，指导和帮助用户管好数和用好数，促进数据资产共享，提升数据资产应用普及度。●资产运营监控环节和评价环节：制定《数据资产运营监控指标说明》《数据资产运营应急响应办法》以及《数据资产考核管理办法》、《数据资产优秀案资产情况分析、数据资产供给流程、数据资产价值评估等内容，以解决数据资产使用痛点，提升数据资产管理和运营的规范性和健康性，促进数据资产运营工作长效开展。▶4.4.形成数据资产运营文化数据资产运营文化，是在资产运营过程中确立的意识形态和氛围，是推动企业数字化建设的内在驱动力和软实力。金融机构数据资产运营的重要目标是持续提升企业数据文化，做到有数可依，有数必依，倡导人人参与、人人享用、人人评价加强数据思维宣导和培训，增强数据知识学习，不断构筑数据人才建设队伍。同时，制定奖励措施，如开展年度“数据体验官”评比，对于积极使用数据并作出贡献的人员给与奖励，激励数据消费者不断分享优秀的使用案例，逐步沉淀形成企业数据资产案例库。然后，建设数据资产社区，有助于为各种层次的人员创造一个非正式的协作渠道，让他们聚在一起知行合一：数据资产运营最佳实践某国有行在数据管理过程中发现数据资产分布杂乱、数据资用效率，该国有行以数据资产服务为核心，以数据产品持续运营为目的，开展数据资产运户快速访问和使用。二是从业务需求和金融场景出发，创建数据产品与服依托数据资产管理平台，进行数据产品集中管理和持续运营，提升数据产品使用效率。三是组织建模竞赛，以实际业务场景为支撑，激励数据产品赋能业现万级用户使用，相关数据产品在实际业务处理环节中发挥着举足轻某股份制银行搭建了主要服务于科技人员的基于元数据管理、质量管理的数据资产复用困难以及数据质量问题解决缓慢等痛点。有数据资产进行丰富和重组，通过规范化数据资产接口服务，面向用户需求提供服务接口深入分析数据资产消费全过程，持续对底层数据端到业务端的数据通过数据资产运营体系建设，该股份制银行不断拉近数据与业务的提供数据资产异常监控服务。并积极推动数据资产在全行内广泛使用，据价值。中电金信数据资产运营产品特色介绍金融数据资产运营白皮书(一)产品基础功能框架产品目录资产计价我的交易具备数据资产目录的检索和展示、数据资产生命周期管理、数据资产运营分析以及数据资产服务等基础功能。根据访问平台的用户角色不同，提供差异化的(二)产品非功能性要求速调整。首先是在扩展性，架构设计要能将不同的功能拆分成独立的服务，以便进行独立支持可配置的资产模板、目录模板和标签模板等以便用户根据业务需求进行扩展和自定机器学习等，以便满足不同业务场景下的资产处理需求；资产访问支持灵活的权限控制，的产品组件、可配置的资产模板，灵活的资产查询方式、资产处理能力和资产权限控制等这种融合不仅要将数据资产运营的核心主张作为产品功能规划的指引，还将数据资产运营▶6.2运营工具典型应用场景相关资产推荐相关资产推荐●寻找数据：数据资产服务第一步为用户提供多样化的数据寻找路径，通过数据资产智能搜索、关键词联想、多重筛选条件、多视角数据资产目录等方式，建立触达数据资产的快捷关键词推荐、近似推荐等功能，持续为用户探索和匹配数据●洞察数据：通过整合各种类型和不同来源的数据资产，在源启·数据资产运营平台上形成多维度的数据资产卡片，提供数据资产的业务维、管理维、应用资产信息，用户通过浏览数据资产卡片信息，能够快速理解数据资产的内涵和外延，建立数据资产整体印象。●消费数据：为便捷用户获取数据资产内容，平台建立多条数据资产审批工作流，用户可直接发起各类申请，包括不限于数据资产使用、数据资产样例、数据资产权限等，快速搭场景二：通过自主运营分析，实现数据资产全天候保鲜资产运营分析ooA1▶6.3运营工具智能化特色数据资产诊断:散的数据资产信息转化为一张张丰富的关系网络图谱，清晰地展示出数据之间的关联与影在数据开发和建设中，数据冗余是个常见的问题，如在数据仓库中理复杂度、降低数据决策效率等各类问题。而数据资产冗余检测的技术难度在于如何在几万张表中高效识别字段级的冗余。中电金信经过实践探索，沉淀了数据资产冗余两步计算法。第一步检测全库数据间的相似度。通过语义匹配的方法先检测表结构级别的数据相似数据资产标签化是实现智能推荐的基础，这需要利用机器学据资产打标情况等，构建用户专题分类标签库，以继承用户对数据资产的认知和标注。最见微知著:为数据供给方，可以将自身拥有的数据资产交易或共享给其他企业。为更好地参与数据交随着企业数据资产管理和运营的逐步完善，数据内口将数据产品在云端进行连接整合，实现数据的高效快速链接汇聚。到更大的关注。以数据为中心的Al将成为智能化数据