管理信息系统的大数据合作资产理论.pdfVIP

管理信息系统的大数据合作资产理论

随着大数据时代的来临，对数据的重视提到了前所未有的高度，

“数据即资产”已经被广泛认可。数据就像企业的根基，是各企业尚

待发掘的财富，即将被企业广泛应用。大数据是企业资产，那就必须

被纳入企业的资产管理中，同时，大数据资产又不是企业传统意义上

的资产，因此大数据资产管理又不同于企业的传统资产管理。

日常生活中，数据无处不在，但并不是所有的数据都可以成为资

产。数据作为资产需要具有以下特性：可控制、可量化、可变现。所

以数据资产一般具备如下特点：虚拟性、共享性、时效性、安全性、

交换性和规模性。

大数据最重要的发展方向是“数据驱动”，即在任何情况下，可

以通过数据本身的统计和分析结果来获得相关目标的决策或行为，从

而构成一个整体高效的运营系统。大数据的发展包括了三个层次，自

下而上依次为大数据处理能力、数据资产管理、业务价值实现。随着

大数据技术发展的日新月异，大数据处理能力不仅包括了目前技术领

域所关注的海量数据采集、存储、分布式计算、突发事件应对等，而

且已经具备对各种格式、类型的数据进行加工、处理、识别、解析等

能力。数据资产管理所起到的作用就是需要把在各种大数据处理平台

上获得的数据资产有效的管理起来，并且围绕它支持创造业务价值目

标，更好的流动、加工、分析、应用，甚至是数据的开放、连接、整

合、嫁接等一系列过程。围绕数据资产本身建立起一个可靠可信的管

理机制。能够通过数据资产管理清晰地知道相关数据的定义、数据之

间的血缘关系，并可以验证数据的有效性、合理性等数据质量指标。

大数据资产管理包括三个方面的核心内容：分别是大数据资产治

理和管控、大数据资产应用创新和资产共享、大数据资产流通运营和

资产增值。

一、大数据资产治理和管控

数据治理并不等同于数据管理。数据管理指规划、控制和提供数

据和信息资产，发挥数据和信息资产的价值，强调在企业或企业内部

进行。数据治理是对数据资产管理活动行使权力和控制的活动集合

（规划、监控和执行）。数据治理制定正确的原则、政策、流程、操

作规程，确保以正确的方式对数据和信息进行管理。

数据资产治理和管控是业务部门和IT部门的共同职责，需要由

业务部门和IT部门分别或共同制定相关决策，如业务运营模型、数

据治理模型、企业信息模型、业务规范、信息规范、数据库架构、数

据仓库/商务智能架构、元数据架构、技术元数据、数据安全管理等。

数据资产治理和管控的方法主要是面向数据的生命周期，从空间

视角和时间视角实现治理和管控。

从空间视角上看，因为数据在不同业务、不同系统中流动，因此

数据治理必须实现跨系统、跨业务的，端到端治理，需要有机构统筹

规划与决策、协调与推进。

从时间视角上看，企业管理数据资产，就是管理数据的生命周期。

数据首先被创建或获得，然后存储、维护和使用，最终被销毁。因而

有效的数据管理，开始于数据获取之前，企业先期制定数据规划、定

义数据规范，以期获得实现数据采集、交付、存储和控制所需的技术

能力。

数据资产治理和管控主要功能包括数据治理政策制定、数据标准

管理、数据结构管理、数据流管理、数据库管理、数据运用管理、数

据治理质量改善等方面。

二、大数据资产应用创新和资产共享

数据资产管理不重在大数据，而重在大分析。大数据资产应用创

新是指将数据资产进行适当加工和分析，为企业管理控制和科学决策

提供合理依据，从而支持企业经营活动开展、创造经济利益的过程。

同时，在当今互联网社会，所有人既是数据的生产者也是数据的消费

者，在互联网上共享信息、数据和实物，所有权被使用权代替，“交

换价值”被“共享价值”代替。数据共享可以实现快速数据建模、分

析、共享和应用。在数据共享层实现可视化元数据管理，从而建立企

业大数据中心，强化数据资产管理。

数据资产的应用创新需要围绕降低数据使用难度、扩大数据覆盖

范围、增加数据供给能力等几个方面来展开。对于降低数据使用难度

可采用数据可视化、搜索式分析、数据产品化来解决；扩大数据覆盖

范围则要使数据“平民化”，让一线业务人员接触到更多的数据，同

时让数据分布更加均衡，甚至打造数据应用商店；增加数据供给能力

要让企业业务人员从数据消费者转变为既是数据消费者又是数据生

产者的角色上来，进而推广至社会大众形成数据众筹众享模式。

三、大数据资产流通运营和资产增值

大数据的流通运营和资产增值是数据资产管理的最