数据中台-数据资产篇(4).docVIP

... ... 数据资源与数据资产 回首高校信息化产业二十余载， 各类技术、产品百花齐放。而在这个数据为王的时代， 未来 的建设重点已不是关于架构、开发语言、软件开发模式的选型，也不是网络、存储、安全设 备这类硬件的创新，而是一度被忽视的“数据资产” 。从 IT 时代到 DT时代，“数据即资产” 已然成为这场变革最核心的趋势和思维方式。 尽管“数据是资产”的概念在高校也得到了广泛的认知，但“如何管理数据资产”仍然缺少 成熟理论以及处理手段。数据中台 - 数据集成篇详细分析过高校数据的基本组成，即业务系 统数据、线下文本文件、机器及应用系统日志、外部互联网数据、甚至视频监控数据等，都 可以认为是数据资产的 输入端 。对高校而言，数据资产指的是能够为其带来 管理效率提升 、 服务便利化 、业务流程优化 等效益的数据资源。 但高校在实际的数据资产化利用阶段，往往不是一帆风顺的： 数据源不规范，数据加工耗时耗力 数据分布杂乱，黄金数据长期遭受闲置 数据质量评估缺失，造成准确度的偏差 缺乏简易可用的管控工具， 各类数据源的核心数据模型或处理能力掌握在第三方厂商手 中 数据开放度不足，数据的互通和数据应用开展受到极大的限制 ,, 实际上以上问题也是从“数据资源管理”阶段向“数据资产利用”阶段迈进所遇到的核心 痛点，原因在于数据资产利用实际上应是数据集成、治理、关联、开放、挖掘、决策、行 动和反馈的完整闭环。完整的数据闭环可以让数据“活起来” ，让高校在海量精准数据中获 取有价值的分析结果，并基于此制定可执行的方案，最终推动高校的长远发展。在此过程 中，数据资源也就成为了数据资产。 高校数据资产现状与未来规划 在数据资源管理阶段， 大部分工作还是停留在数据的集中化， 高校也逐步建立了 公共数据平 台，这类平台的核心目的是完成业务系统、 平台间的少量主数据交换共享。 因此无论在建设 目的上还是建设效果上都疲于应对高校当前的数据资产利用需求。 图：传统公共数据平台架构图 数据资产管理方式在高校可以分为几个层面， 首要的是 对全量数据资源的管控 ，在这一过程 需要具备对于全量数据的治理与关联能力，使得高校数据更加完整、准确、一致、清晰、透 明，降低原有的零散采集和加工处理成本。 其次是开放， 要能够将 数据使用过程的沟通成本 和调用门槛大大降低 ，改变原有封闭的高校信息化生态圈。最后是 数据资产的应用场景 ， 让数据在价值挖掘时更为便捷和智能，从而提升高校各项核心职能的发展水平。 从理论到实践，高校数据资产化的落地路线 数据资产管理理论的研究在业界已经很成熟， 包括 DAM、A Gartner 等提出的数据框架， 但在 高校行业如何从理论走到实践，仍然是很大的挑战。希嘉通过在数百所高校的落地经验中， 总结出了数据中台的建设模式。其中数据资产管理体系的建设阶段总结如下： 1、全面梳理核心数据资产内容，并建立起对应的数据标准和数据规范 每个高校的信息化建设水平不一， 要根据自身的现状和建设规划定义建设统一的数据资产库， 从而全面掌握学校的数据资产分布情况， 做到在有数据利用需求时能够快速定位到对应的数 据源头。 构建全校数据地图，掌握数据的来龙去脉 制定全量数据资产的相关标准规范，并做到可执行、可监督 确立数据的 U/C/R/M 矩阵（ R：角色，干系人， M:权限） 图：数据规范性示意图 总结而言，这一阶段的目标是 为做到高校数据资产可获知、可获取 。 2、借助专业的数据治理工具，实现定义标准和规范的有效落地 这一阶段是对上述工作的实际落地， 在梳理和规划工作完成后， 建立起高校的全量数据治理 能力， 以消除数据的不一致性、 不可用性等弊端， 保证数据的高可用性。所以这时需要对应 的数据处理或管理工具， 将原本人工的工作过程沉淀到线上工具的自动化， 以及高效的完成。 图：希嘉 ARCHON业务数据治理工具 图：希嘉 Immortal 日志处理工具 图：希嘉 EXDATA线下文本治理工具 其工具主要包括以下功能： 数据标准管理： 管理所有与数据相关的标准和规范， 具备日常维护和引入、 分发、执行、 监控等功能，保证“ 顶层设计 ”不出现偏差 元数据管理： 实现全校数据结构信息的自动化注册、 分类管理等功能， 图形化展示数据 的上下游关系、流转情况，加强对数据加工过程的管控能力 主数据管理：基于成熟的 ETL 工具，提供跨系统的数据整合和清洗，提供数据的完整、 以及最佳版本 数据质量管理： 高效、自动化进行数据校验， 将结果推送至归口部门和人员，以便于问 题的快速定位和解决。 非结构化数据处理：对于机器日志、应用系统日志、线下文本数据等半 / 非结构化数据 类型，具备可视化解析、关联、定义等能力，为多维数据的利用打下基础。 总结而言，这一阶段的目标