原文鏈接：數據資產為王，解析企業數字化轉型與數據資產管理的關係

視頻回顧：點擊這裡

課件獲取：點擊這裡

一、數據資產背景介紹

隨著企業數字化轉型的深入，數據體量爆炸式增長，如何控制數據生產成本、發現有價值的數據，提高數據ROI，成了企業數字化轉型中後期的關鍵任務，這也是數據資產管理的終極目標。

而在數字化轉型過程中並不是一帆風順，往往會遇到很多問題。如何控制生產成本、發現惡性成本因素、量化生產成本？如何發現價值數據、梳理數據分佈、分析數據價值？這都是企業是實現企業數字化轉型路上需要思考的問題。

如何解決上述問題，關鍵點在於利用方法論+工具思路構建數據資產管理平臺。

二、數據資產管理方法論

那麼如何給予方法論進行數據資產管理呢？我們可以從以下幾個方面入手：

1、如何梳理數據：元數據管理

在梳理數據之前，我們首先要明確三個目標：

• 目標一：明確有哪些數據

• 目標二：理解這些數據的作用

• 目標三：便捷統一的查詢入口

明確完目標後，根據元數據管理五步法，我們來進行數據梳理：

• 第一步：採集元數據

• 第二步：定義元模型

• 第三步：維護元數據

• 第四步：元數據質量

• 第五步：元數據查詢

2、如何提升數據規範性：數據標準+數據模型

元數據採集上來之後，要做的第二個事情就是數據標準和數據模型，這個步驟和元數據管理並沒有非常明確的切分，但在一般企業做數據資產管理時一般會先做元數據管理，因為見效比較快。

傳統的數據開發方式會出現許多問題，例如：表名缺乏約束規範，無法直觀的從表名判斷出輸出層級、數據含義；欄位缺乏註釋；欄位名不嚴謹，status等於狀態，不等於訂單狀態；沒有定義數據生命周期lifecycle等。

而規範方式在底層對數倉分層、主題域等進行規範設計，建立數據標準然後統一進行模型設計，之後進行模型審核然後模型發佈，提升整體的數據規範性。

3、如何提升數據治理

技術部門與業務部門共同確定數據質量提升場景，從業務場景出發，從上至下建設，不能由開發人員想到什麼臨時校驗什麼，包括：

• 從業務場景出發，解決實際的業務數據問題，明確建設目標，保障執行策略無偏差

• 線下調研、收集、整理數據問題，按業務目標進行分類管理

• 根據業務分類進行規則集管理，根據數據質量反饋不斷優化、沉澱規則集

4、如何量化數據價值

量化數據價值從兩個方向入手，一個是數據成本，一個是數據價值。

數據成本包括建設成本及資源成本兩塊，建設成本無法單算，只能根據項目成本（中台建設、交付實施等項目）、人力成本進行估算；而資源成本則可以量化，也是我們需要重點關註的部分，包括存儲單價、計算單價等。

數據價值直接收益和間接收益，直接收益是指對於部分跨集團數據共用、數據封裝對外銷售的場景，可直接量化收入；間接收益是指大部分數據是服務企業內的業務開展，無法直接進行量化收益，只能間接從這兩個維度分析價值：數據使用熱度、數據上下游依賴。

通過數據成本和數據價值的合理測算，我們就能量化數據價值。

三、數據資產產品介紹

上面我們為大家講了很多方法論的內容，那麼有沒有一款產品能夠切實解決企業問題，幫助企業搭建數據資產管理平臺呢？在這裡我們為大家介紹袋鼠雲數棧的數據資產產品——湖倉數據資產（DataAssets）。

湖倉數據資產管理平臺（DataAssets），通過元數據管理、數據標準規範設計、數據質量提升、數據熱度和成本計算，優化數據生產成本、量化數據收益價值，廣泛應用於湖倉建設的中後期階段。

湖倉數據資產管理平臺的產品特點是通過統一平臺以達到治理閉環的效果。

產品主要包含以下幾個功能：

• 接入元數據進行管理

• 元數據查詢

• 數據標準管理

• 數據模型管理

• 數據質量管理

同時產品具備以下價值

• 梳理/管理企業數據

全面採集、管理、盤點數據，讓大家知道並理解企業有哪些數據

• 提升數據規範性

建設數據標準體系，通過數據模型的自動引入，完成規範的模型設計

• 提升數據質量

通過事前規則配置、事中規則執行、事後質量報告，及時發現問題數據，有效避免問題的影響擴散

• 量化數據價值

通過分析數據的成本、收益，合理評估每份數據的價值

四、數據資產客戶案例

接下來我們分享三個使用客戶的實際案例，為大家介紹數據資產管理平臺如何切實的幫助客戶解決問題。

• 金融：某支付集團一站式元數據管理平臺

• 金融：某銀行數據質量治理提升項目

• 製造：某晶元製造企業統一數據資產管理平臺

袋鼠雲開源框架釘釘技術交流qun（30537511），歡迎對大數據開源項目有興趣的同學加入交流最新技術信息，開源項目庫地址：https://github.com/DTStack