查看原文
其他

为企业发展赋能,让零散数据资源变为企业数据资产

李然辉 数据工匠俱乐部 2021-10-15

导读

在数字经济时代,数据资产化已经是大势所趋,数据已经成为经济社会转型升级的重要资产,数据资产运营能力越来越成为企业核心能力的重要组成部分,关乎企业的生存与发展。而数据资产评估是数据资产化的核心,促进流通融合、激活数据价值、释放数字红利,推动建设数字经济。本文重点讲述了数据资产三个需求目标、数据资产评估管理四大业务活动和五大核心技术。

以数据资产评估为基础管理数据资产


从资产角度看,数据的价值体现在于使用。更进一步讲,数据的价值不仅仅在于聚合与分析,更多地在于分享、流动。不同于自然资源,使用就是在消耗,数据的多维度叠加使用是在创造更多的数据资产,本身并没有被消耗掉。基于分享,数据在流动的过程中被不断使用,从而不断产生新的价值。


由此看来,要挖掘数据的价值,必须在由数据采集、数据清洗与处理、数据存储、数据分析应用和共享等环节所构成的价值链和全生命周期中,确保数据与数据资产所有权、使用权、控制权有清晰的界定、确权和继承,促进数据资产在业务链条上有价值的流动,并且得到技术手段和管理体制的有力保障。


数据资产评估管理是以促进数据的流通为目的的综合管理理念,其目标是数据共享使用。这是以数据资产化的视角,以数据价值体现为重要驱动力的管理体系与方法。数据资产评估管理主要包括以下三个方面的内容。

数据资产三个需求目标

数据资产识别与盘点、数据资产价值度量、数据资产价值变现:这三个需求目标层层递进,涵盖数据资产发现、赋值到运营变现全价值链。另外,只有合理地处理好数据资产的使用与安全,企业才能在数字经济时代可持续快速发展。对数据资产中的敏感数据需要进行重点保护和专项管理,对数据资产进行确权和保护,进行全流程的追溯和跟踪,为数据资产运营保驾护航。

数据资产评估管理四大业务活动

数据资产评估管理业务包括精准识别数据资产、多元评估数据资产,深度挖掘数据资产变现价值,促进数据资产合法化、实现数据价值可量化、推动数据资产商品化、便利数据资产交易化。

数据资产识别:企业在大数据应用和多元化数据应用中,会经常面临不同类型数据、不同规模数据、不同实效数据的重要程度和安全敏感度各不相同的复杂情况。因此,要实现数据的流动与使用,就必须首先识别出哪些是数据资产,并对数据资产进行分类分级管理,按重要性、敏感度的不同,制定差异化的安全规则,采取有针对性的管理措施。在数据分级和分类后,重要的是要描述数据的特征,以及这些数据在系统内的分布,了解这些数据在被谁访问,这些人是如何使用和访问数据的,这就需要完整的数据梳理过程。在数据有效梳理的基础上,形成企业数据资产目录,完成数据资产盘点和登记,通过区块链技术进行数据确权,并制定出针对不同数据、不同使用者的管理控制措施。

数据资产估值:基于客观、规范、公平、切实可行的数据资产评估体系,针对不同的数据来源,不同的数据类型,开展数据质量评估、数据价值评估、数据资产联盟认证等工作,实现数据资产的有效识别、合理评估等,打造全方位的数据资产价值评估体系。在数据资产价值管理业务中,为了提升数据资产价值,还包括数据清洗、重要数据脱敏、元数据构建、权限控制管理、数据整合、数据汇总等数据资产融合分析相关内容。

数据资产运营:数据资产运营也就是数据跨主体流转环节,非常重要。数据资产流通变现的形式包括共享、交换、交易、融资、投资、发行数据证券和期货等。流通过程中,既要流转过程“不泄密、无隐私 、不超限、合规约”,又要保证,一旦出现数据外泄,隐私泄露等安全问题,必须有必要的数据溯源机制,找到风险点和责任人。在数据资产全业务链条和生命周期中都需要确保资产权益的可继承性,这一点在流通环节尤为重要。在数据资产流通中,确保数据与数据资产所有权、使用权、控制权有清晰的界定、确权和继承,全面监控数据资产运营状况,并且得到区块链等技术手段和管理体制的有力保障。

数据资产安全:以规范文件的形式明确企业(组织)内部的敏感数据有哪些,在对敏感数据进行分类和分级的基础上,针对不同类别和级别的敏感数据采取有针对性的管理控制规则。并且对不同的作业部门和工作角色所具有的权限,以及数据使用的不同环节所要遵循的控制流程进行定义和规范。明确在管理控制过程中,采用什么样的技术手段帮助实现数据的安全管理过程,这些技术手段可以包括区块链、数据的梳理、数据的访问控制、数据的保护、数据的脱敏和分发、数据的审计、数据访问的风险分析。

数据资产评估五大核心技术

1)算法模型:系统集成并提供多类数据资产评估算法,涵盖了常见和基础的数据挖掘、评估模型,服务于数据资产评估应用,比如基于重置成本的动态博弈法、基于回归算法的市场价值法、基于数据知识图谱的智能关联分析法等。通过适宜的数据资产评估模型对影响运营数据资产价值的主要因素量化处理最终得到合理的评估值。

2)区块链:利用区块链技术对数据来源监测、类别的分析,采用水印标记技术确定数据资产权属关系。建立数据资产安全防护系统,保证数据在收发、处理和评估的过程中,不受数据泄漏、数据遗失、数据篡改等风险威胁,保证数据在可信、可监控的范围内进行评估,保证数据在安全的链上进行评估。通过引入数据标记与追踪、区块链与智能合约、加密与防拷贝、使用环境监测技术,确认数据资产评估报告的唯一性。

3)知识图谱:知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示,是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱系统的主要目的就是为了帮助用户从繁杂的文本、数字等信息中获取相关知识,自动化、智能化的构造业务相关的各类概念、实体组成的知识网络。知识图谱作为一个相对较新的领域,通过业务数据的关联及全局校验等管理能力,在提高数据质量和数据服务效率方面价值巨大。同时通过业务知识的沉淀、表示、推理等能力,以更合乎人交流习惯的语义查询的方式实现数据智能化服务。知识图谱系统功能包括实体抽取、关系抽取、知识图谱存储、知识表达与推理等。

4)自然语言处理:自然语言处理引擎将对文本数据进行词嵌入处理,获取文本的向量特征,用于后继基于文本向量的计算和建模。自然语言处理引擎将融合无监督分词、文章特征提取、权重计算、文本相似度计算、词语共现、观点提取、模式提取、语义消歧等技术点,根据业务需要对文本深层语义进行处理和理解,从更精细的粒度来解析文本含义,从而提高数据资产的价值。

5)机器学习:面向平台业务的机器学习系统将用于解决数据资产市场价值回归分析、数据集聚类及分类、数据集相关性评估等业务问题。机器学习系统对于各类的业务数据中的数据特性,如维度、数量、分布等,选择适当的机器学习模型,更好的解决平台业务中涉及的查询、推荐、评估和辅助决策需求。

未来展望

随着新技术的不断涌现和普及,未来必将彻底解决企业数据资产评估难题。在数字经济发展浪潮中,企业应该科学地平衡好“收益”与“成本”、“安全”与“开放”之间的对立统一关系,在努力保障好核心敏感数据资产安全的前提下,最大限度地实现数据的开放与流动,从而促进数据资产的快速发展,加快企业核心业务做大做强的进程,进一步推动我国数字经济的繁荣。


作者简介

李然辉,1982年9月出生,从事IT行业14年以上,其中拥有数据治理及数据资产管理7年从业经验,有丰富的数据战略规划、数据管理能力成熟度评估、数据治理体系搭建、数据标准管理、企业数据模型设计、数据仓库构建与数据应用等领域的理论和实践经验,先后为政府、能源、金融、互联网等行业提供服务,近几年专注于数据资产价值评估领域研究。


联系我们

扫描二维码关注我们


微信:DaasCai

邮箱:ccjiu@163.com

QQ:174856958

热门文章


如何把握数据治理项目启动的最佳时机


小数据的大价值,在DT时代不容忽视的话题


数据资产价值评估模型的理论研究与技术实现探讨


张涵诚:当前政府发展大数据产业思路分享


数说 • 大数据项目建设误区

我们的使命:发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。

我们的愿景:打造数据治理专家、数据治理平台、数据治理生态圈。

我们的价值观:凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。

了解更多精彩内容


长按,识别二维码,关注我们吧!

数据工匠俱乐部

微信号:zgsjgjjlb

专注数据治理,推动大数据发展。

: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存