党的十九届四中全会首次将“数据”增列为一种生产要素，要求建立健全由市场评价贡献、按贡献决定报酬的机制，标志着以数据为关键要素的数字经济进入新时代。党的二十大报告提出要“加快建设现代化经济体系，着力提高全要素生产率”，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业、新业态、新模式，不断做强、做优、做大我国数字经济。

经过多年发展，以大数据为代表的新技术得到迅猛发展，并渗透到各行各业，企业信息化也快速回归到数据的本身。企业家使用数据整合劳动力、土地、资本三种生产要素进行数字化转型。

为了加快实体经济数字化转型，促进新一代信息技术与实体经济深度融合，发挥数据对企业转型升级的重要作用，数据资产管理应运而生。工业互联网产业联盟组织产业界系统梳理了相关内容，展开数据资产管理系列科普活动。

Q  如何保障数据资产管理有序开展？

数据资产管理是一项长期性的、体系化的工作，为保证各项数据资产管理活动有效开展，统筹推动数据资产管理工作顺利进行，战略规划、组织架构、制度体系、平台工具、长效机制等保障措施变得极为重要。

1  战略管理

战略是组织长期发展规划及资源配置的一系列行动，对于组织持续稳定发展具有重要的指导意义。在数字时代下，数据战略已成为组织开展精益数据资产管理的基础，是数据资产管理工作长期高效开展的“指南针”。战略管理是指通过对数据战略进行规划、执行、评估，确立数据资产管理的中长期目标和管理活动优先级，明确需要的资源投入总量和资源分配机制，并使数据战略始终契合组织的业务战略。

图 1 数据战略管理流程与要点

战略规划是战略管理的首要环节和基础性工作，是数据资产管理的指导蓝图。通过评估当前组织数据资产管理能力，结合组织发展规划和IT发展规划，明确数据战略规划的中长期和短期发展目标、管理原则、主要活动，识别重要业务领域、数据范围和活动优先级，确认投入的资源规模。战略执行是战略管理的中间环节，是战略规划落地的有效保障。战略执行通过对战略规划进行拆解，制定阶段性提升计划与实施路线，明确各项活动参与团队，并根据实际执行情况及时调整短期战略规划。战略评估是优化组织数据战略管理、提升数据战略指导作用的必要手段。通过从目标完成率、价值收益率、成本合理性等维度评估战略内容、管理过程，提升战略规划和战略执行有效性。例如，中国联通聚焦公司新战略、新定位、新赛道，全面提速数据治理，促进数据要素流动和效能提升，通过外部形势研判和内部资源起底，打造适配公司数字化转型的企业级数据治理体系，形成数据治理战略目标、规划体系、重点举措和阶段目标，强化统筹，为规划期任务执行和资源配置提供评估准则，确保规划目标达成。

2  组织架构

建立全方位、跨部门、跨层级的数据资产管理组织架构，是实施组织级统一化、专业化数据资产管理的基础，是数据资产管理责任落实的保障。

一般来说，数据资产管理组织架构包括决策层、组织协调层、数据资产管理层、工作执行层四个层级。决策层作为数据决策方，由组织CIO或CDO担任，负责制定数据资产管理决策、战略和考核机制。组织协调层由虚拟的数据资产管理委员会承担，负责统筹管理和协调资源，细化数据资产管理的考核指标。数据资产管理层由数据资产管理办公室承担，作为数据资产管理的主要实体管理部门，负责构建和维护组织级架构（包括业务架构、数据架构、IT架构），制定数据资产管理制度体系和长效机制，定期开展数据资产管理检查与总结，并向组织协调成和决策层汇报。工作执行层由业务部门和IT部门共同承担，负责在数据项目中落实数据资产管理工作，与数据资产管理层协同参与各项活动。

由于数据产生于业务，数据流转依赖于业务，因此，数据认责机制对于统筹协调数据资产管理、加强各方对于数据资产管理的认可具有较强的积极作用。例如，平安银行建立了以数据类别（基础数据、指标数据、外部数据等）为基础的数据认责原则，明确了数据采集者、数据加工者、数据使用者等不同角色在数据生命周期各环节的责任，建立数据认责矩阵，并将数据认责机制与考评激励措施相结合，进一步确保数据资产管理相关方的“责权利”对等；在数据应用层面，依据认责原则搭建五级认责体系，分别为“归口管理部门”、“报表主管部门”、“业务场景主管部门”、“字段主管部门”、“字段协管部门”，解决了数据在应用层面职责划分不清晰的痛点，有效支撑了数据口径、数据规范等数据治理层面管理措施的落地执行。

此外，数据资产管理对于人才的复合型能力提出了更高的要求。首先，数据资产管理人员应具备良好的数据架构、数据安全、法律法规相关技能，涉及数据架构师、数据安全人员、数据合规人员等角色。其次，数据资产管理人员应具备较高的业务理解能力，涉及数据标准管理员、数据质量管理员、主数据管理员等角色。再次，数据资产管理人员需具备基本的市场洞察与运营能力，与数据生态多方、数据使用者建立良好的合作互动机制。最后，由于数据资产在交易市场中的产品设计、定价规则、流通技术需求增多，数据资产管理人员需具备一定的产品经理、金融学、经济学、密码学知识。

表 1 数据资产管理复合人才能力表

3 制度体系

数据资产管理制度体系通常分层次设计，依据管理的颗粒度，制度体系可划分为组织级数据资产管理总体规定、管理办法、实施细则和操作规范四个层次。基本内容如下：

● 总体规定从数据资产管理决策层和组织协调层视角出发，包含数据战略、角色职责、认责体系等，阐述数据资产管理的目标、组织、责任等；

● 管理办法是从数据资产管理层视角出发，规定数据资产管理各活动职能的管理目标、管理原则、管理流程、监督考核、评估优化等；

● 实施细则是从数据资产管理层和数据资产管理执行层的视角出发，围绕管理办法相关要求，明确各项活动职能执行落实的标准、规范、流程等；

● 操作规范是从数据资产管理执行层的视角出发，依据实施细则，进一步明确各项工作需遵循的工作规程、操作手册或模板类文件等。

图 2 数据资产管理制度体系架构

业务案例从实际项目出发，为数据资产管理提供了实践视角，是对制度体系架构的有效补充。交通银行为响应理论本地化、实践策略化需求，在总体规定、管理办法的基础上，建立了“工作手册”机制，作为数据资产管理工作落地的重要抓手和关键突破口。工作手册覆盖数据资产管理多项活动职能，主要从各项活动实施的需求背景、方案策略、执行过程等方面着手，对自身实践项目进行客观陈述、深入分析，总结问题与经验。工作手册不仅沉淀为内部培训的实战材料，形成团队的共有知识和经验，更重要的是作为典型业务案例，对于长期指导和优化数据资产管理工作具有指导意义。

4 平台工具

数据资产管理平台工具位于大数据平台上层，为各项数据资产管理活动职能的执行提供技术保障。

从管理视角出发，数据资产管理平台工具支持PDCA循环。规划环节，通过角色分配和权限管理落实数据认责体系，支持需求管理，以及对数据资产现状（包括数据资产规模、分布、可信度、安全性等）进行评估；执行环节，支持标准规范的新增、修改，以及数据开发、任务编排、任务运维等；检查环节，支持对数据模型一致性、标准规范应用程度、问题数据处理情况、数据安全响应结果等进行跟踪；改进环节，支持逐个标记问题并生成改进建议，统计检查数据，形成知识库，量化改进过程，实现闭环管理。

从开发视角出发，数据资产管理平台呈现一体化形式。通过打通数据模型管理、数据标准管理、数据质量管理、数据安全管理、元数据管理、数据开发相关平台工具，支持数据模型设计与开发遵循标准规范，实现数据质量源头管理，并对数据资产开发全流程进行监控，确保开发过程的流畅，提升开发过程的规范性。例如，中国联通构建了集约化数据治理平台，深入推进自上而下的企业治理体系建设，实现数据资产全量全域纳管，资产一点查询检索，一点治理运营，数据标准在线管理；支撑核心指标、标签、模型的血缘关系全链路溯源、智能化分析。同时自下而上夯实数据质量基础，推动数据质量管理、建模管理、主数据管理等各项能力的工具化建设，形成数据治理工具集，AI赋能数据治理质量和效率提升，促进企业数据标准化、规范化，为企业数字化转型提供支撑。

5 长效机制

在数据战略规划、组织架构和制度体系的基础上，培训宣贯、绩效考核、激励机制、审计机制、数据文化培养等长效机制，是数据资产管理活动持续高效运行的重要保障。

图 3 数据资产管理长效机制

培训宣贯是数据资产管理理论落地实践、流程执行运作的基础。通过安排员工参与数据资产管理培训、课程，加深行业内、外部单位优秀经验沟通与交流，组织开展案例分享，促进员工提升技术水平。绩效考核是确保数据资产管理各项工作落实到位的关键举措。建立数据资产管理考核机制，开展常态化、全面性问题巡检，将问题处理结果与员工薪酬关联，确保数据认责体系的有效执行。激励机制是提升组织数据资产管理部门工作积极性，推动数据资产管理良性发展的重要手段。建立员工职业发展通道，设立数据资产管理相关奖项，将数据资产管理纳入现有晋升、薪酬、职位资格等体系范畴。审计机制是保障数据资产管按既定规划和规范执行的有效方式。组建审计团队（由审计部门、监管部门牵头，数据资产管理部门、技术部门、业务部门参与），引入第三方审计机构，依托相关审计平台，对岗位职责、制度体系、管理活动开展审计。数据文化是组织开展数据资产管理的核心价值观和最终驱动力。优化数据服务方式，降低数据资产管理参与门槛，开展多类型数据技能培训和比赛，加深员工的数据认识，提升员工的数据兴趣。

内容来源：《数据资产管理实践白皮书(6.0版)》

联系方式：马老师 17332378374（同微信）

mawenda@caict.ac.cn