2024-05-24

小盟科普丨数据资源化的活动职能

分享:



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。


小盟科普

  Q

数据资源化的活动职能是什么?

数据资源化包括数据模型管理、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、数据开发管理等活动职能。


1数据模型管理

数据模型是指现实世界数据特征的抽象,用于描述一组数据的概念和定义。数据模型管理是指在企业架构管理和信息系统设计时,参考逻辑模型,使用标准化用语、单词等数据要素设计数据模型,并在企业架构管理、信息系统建设和运行维护过程中,严格按照数据模型管理制度,审核和管理新建和存量的数据模型。


数据模型管理的关键活动包括:

 数据模型计划:确认数据模型管理的相关利益方;采集、定义和分析组织级数据模型需求;确定遵循数据模型标准与要求,设计企业级数据模型(包括主题域数据模型、概念数据模型、逻辑数据模型);

● 数据模型执行:参考逻辑数据模型开发物理数据模型,保留开发过程记录;根据数据模型评审准则与测试结果,由数据模型管理的参与方进行模型评审,评审无异议后发布并上线模型;

● 数据模型检查:确定数据模型检查标准,定期开展数据模型检查,以确保数据模型与组织级业务架构、数据架构、IT架构的一致性;保留数据模型检查结果,建立数据模型检查基线;

 数据模型改进:根据数据模型检查结果,召集数据模型管理的相关利益方,明确数据模型优化方案;持续改进数据模型设计方法、模型架构、开发技术、管理流程、维护机制等。


2数据标准管理

数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理的目标是通过制定和发布由数据利益相关方确认的数据标准,结合制度约束、过程管控、技术工具等手段,推动数据的标准化,进一步提升数据质量。


数据标准管理的关键活动包括: 

 数据标准管理计划:确定数据标准管理相关负责人与参与人,开展数据标准需求采集与现状调研,构建组织级数据标准分类框架;制定并发布数据标准管理规划与实施路线;

● 数据标准管理执行:在数据标准分类框架的基础上,定义数据标准;依据数据资产管理认责体系,组织相关人员进行数据标准评审并发布;依托平台工具,应用数据标准(包括数据模型设计与开发、数据质量稽核等);

数据标准管理检查:对数据标准的适用性、全面性进行及时检查;依托平台工具,检查并记录数据标准应用程度;

● 数据标准管理改进:通过制定数据标准维护与优化的路线图,遵循数据标准管理工作的组织结构与策略流程,各参与方共同配合进行数据标准维护与管理过程优化。


3数据质量管理

数据质量指在特定的业务环境下,数据满足业务运行、管理与决策的程度,是保证数据应用效果的基础。数据质量管理是指运用相关技术来衡量、提高和确保数据质量的规划、实施与控制等一系列活动。衡量数据质量的指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。 


数据质量管理的关键活动包括:

● 数据质量管理计划:确定数据质量管理相关负责人,明确数据质量的内部需求与外部要求;参考数据标准体系,定义数据质量规则库,构建数据质量评价指标体系;制定数据质量管理策略和管理计划;

● 数据质量管理执行:依托平台工具,管理数据质量内外部要求、规则库、评价指标体系等;确定数据质量管理的业务、项目、数据范畴,开展数据质量稽核和数据质量差异化管理;

数据质量管理检查/分析:记录数据质量稽核结果,分析问题数据产生原因,确定数据质量检查责任人,出具质量评估报告和整改建议;持续测量全流程数据质量,监控数据质量管理操作程序和绩效;确定与评估数据质量服务水平;

数据质量管理改进:建立数据质量管理知识库,完善数据质量管理流程,提升数据质量管理效率;确定数据质量服务水平,持续优化数据质量管理策略。


4主数据管理

主数据(Master Data)是指用来描述企业核心业务实体的数据,是跨越各个业务部门和系统的、高价值的基础数据。主数据管理(Master Data Management,MDM)是一系列规则、应用和技术,用以协调和管理与企业的核心业务实体相关的系统记录数据。

主数据管理的关键活动包括:

● 主数据管理计划:依据企业级数据模型,明确主数据的业务范围、唯一来源系统与识别原则;定义主数据的数据模型(或主辅数据源分布)、数据标准、数据质量、数据安全等要求或规则,并明确以上各方面与组织全面数据资产管理的关系;

● 主数据管理执行:依托平台工具,实现核心系统与主数据存储库数据同步共享;

 主数据管理检查:对主数据质量进行检查,保证主数据的一致性、唯一性;记录主数据检查的问题;

● 主数据管理改进:总结主数据管理问题,制定主数据管理提升方案,持续改进主数据质量及管理效率。


5数据安全管理

数据安全是指通过采取必要措施,确保数据处于有效保护和合法利用的状态,以及具备保障持续安全状态的能力。数据安全管理是指在组织数据安全战略的指导下,为确保数据处于有效保护和合法利用的状态,多个部门协作实施的一系列活动集合。包括建立组织数据安全治理团队,制定数据安全相关制度规范,构建数据安全技术体系,建设数据安全人才梯队等。


数据安全管理的关键活动包括:

 数据安全管理计划:理解组织内外部数据安全需求与监管要求;制定数据安全管理制度体系,包括数据安全工作的基本原则、数据安全管理规则和程序、内外部协调机制等,并且明确个人信息保护管理制度(包括处理规则、合规审计制度、跨境传输安全评估体系等);定义并发布数据分类分级标准规范;

● 数据安全管理执行:依托平台工具,识别敏感数据,应用数据安全分类分级标准规范;根据数据的敏感级别,部署相应的数据安全防控系统或工具(如权限管控、数据脱敏、数据防泄露、安全审计等);

● 数据安全管理检查:监控数据在采集、存储、传输、加工、使用等环节的安全、隐私及合规状况等;组织进行内外部数据安全审计;

● 数据安全管理改进:总结数据安全问题与风险,评估数据安全管理相关标准规范的适用性、有效性,持续优化数据安全管理过程。


6元数据管理

元数据(Metadata)是指描述数据的数据。元数据管理(Meta Data Management)是数据资产管理的重要基础,是为获得高质量的、整合的元数据而进行的规划、实施与控制行为。

元数据管理的关键活动包括:

● 元数据管理计划:明确元数据管理相关参与方,采集元数据管理需求;确定元数据类型、范围、属性,设计元数据架构,技术元数据与数据模型、主数据、数据开发相关架构一致;制定元数据规范;

● 元数据管理执行:依托元数据管理平台,采集和存储元数据;可视化数据血缘;应用元数据,包括非结构化数据建模、自动维护数据资产目录等;

● 元数据管理检查:元数据质量检查与治理;元数据治理执行过程规范性检查与技术运维;保留元数据检查结果,建立元数据检查基线;

● 元数据管理改进:根据元数据检查结果,召集相关利益方,明确元数据优化方案;制定改进计划,持续改进元数据管理的方法、架构、技术与应用等内容。


7数据开发管理

数据开发是指将原始数据加工为数据资产的各类处理过程。数据开发管理是指通过建立开发管理规范与管理机制,面向数据、程序、任务等处理对象,对开发过程和质量进行监控与管控,使数据资产管理的开发逻辑清晰化、开发过程标准化,增强开发任务的复用性,提升开发的效率。


数据开发管理的关键活动包括:

数据开发管理计划:制定数据集成、开发、运维规范;

● 数据开发管理执行:建设集成了数据集成、程序开发、程序测试、任务调度、任务运维等能力的一体化数据开发工具;根据数据集成规范,进行逻辑或物理的数据集成;根据数据使用方的需求,进行数据开发;

● 数据开发管理检查:监控数据处理任务的运行情况,并及时处理各类异常;

● 数据开发管理改进:定期进行数据集成、开发、运维工作复盘,并以此为基础,对相关规范进行持续迭代。


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