查看原文
其他

解读《2018工业企业数据资产管理现状调查报告》(附下载)

歪老师 数据学堂 2022-11-08
大数据时代背景下,数据的价值逐步显现,越来越多的企业把数据当作资产来进行运营和管理,以实现更大的价值。国内关于数据资产管理的理论和实践还处于初级阶段,工业领域数据资产管理实力及能力更是参差不齐,为全面了解中国工业企业数据资产管理现状,中国信息通信研究院联合工业互联网产业联盟发布了《2018工业企业数据资产管理现状调查报告》。



该报告的目录如下:

一、调查背景

(一)调查方法及样本
(二)报告术语界定
二、数据资产管理组织制度
(一)管理意识
(二)工作规划
(三)管理现状
(四)制度规范

三、信息化能力

(一)数据情况

(二)驱动力

(三)工作难点

(四)技术工具

(五)建设模式

(六)业务需求

四、数据监管
(一)数据上云
(二)数据流通
(三)安全机制

 

对工业企业开展数据资产管理调研过程中,调查问卷中设置了三大模块的考察项,分别涉及企业数据资产管理的组织制度、信息化能力和数据监管情况。根据调研结果,企业数据资产管理现状整体情况如下:
 

一、组织制度层面,从管理意识、工作规划、管理现状和制度规范四个方面展开调研,形成以下观点:

  1. 工业企业对于数据资产管理的重要性已经形成了一定的认识,98.6%的工业企业认为数据管理工作值得投入。

  2. 目前87.8%的企业已经开始投入或正在规划数据管理相关的工作。

  3. 55.4%的企业为数据管理工作设置了专职机构,但仍然存在很大的发展空间,多数企业尚未投入大量人力在数据管理的相关工作上,47.3%的企业仅投入了0-5人的团队。

  4. 仍有33.8%的企业没有形成针对企业数据的管理模式。仅有25.7%企业会定期更新数据相关的管理办法或企业标准。78.4%的企业对内部的数据有一定的认知,但对于数据持续的整理和理解工作还有待提高。

 
二、信息化能力方面,从数据情况、建设驱动力、工作难点、技术工具、建设模式、业务需求六个方面进行考察,形成以下观点:
  • 工业企业已收集和管理的数据总量较小,66.22%的企业数据总量都在20TB 以下,87.84%的企业数据日增量都在100GB 以下。

  • 工业企业开展数据资产管理工作,60.7%的驱动力均来源于内部的业务需求。
  • 工业企业认为数据管理工作的难点集中在数据难统筹(71.62%),缺乏方法论(60.81%)和短期内看不到成果(59.46%)三方面。
  • 40.54%的工业企业仍在使用原始的文档记录方式进行数据的管理,现阶段需求最大的技术工具集中在大数据处理(44.59%)、数据管理(44.59%)和报表分析(43.24%)。
  • 工业企业建设数据管理系统的方式偏稳健,44.59%的企业更愿意采购成熟产品,31.08%的企业选择自建,但64.86%的企业都选择了自行运营和维护。
  • 现阶段企业对数据应用的需求主要集中在监控生产运营情况(68.92%)和提升资源使用效率(62.16%)层面。
 
三、数据监管情况层面,从数据上云、数据流通和安全机制三个方面切入,形成以下观点:
  • 企业对于数据上云的态度差别较大,仍有51.34%的企业对数据上云保持谨慎,或处于观望状态。

  • 工业企业对于数据流通的需求尚有很大空间,仅2.7%的企业表示不会涉及数据流通。
  • 安全管理机制方面,工业企业采取的多为传统的物理隔离、网络隔离方式,占到41.3%,并以严格的流程和制度保证数据安全,占到26.1%。

 

歪老师在解读《大数据白皮书(2020年)》中的数据治理中提过,在信息化基础方面,相较于头部行业成熟的大数据平台和正在建立的数据基础设施,工业企业依然停留在ERP、CRM、SCM等经营管理软件阶段,使得企业级数据采集、存储和分析的成本较高;在数据管理投入人员和专业水平方面,将近一半的工业企业未建立专业的数据管理团队;在数据资产管理驱动力方面,数据多用于监控生产运营和设备故障,数据应用场景狭窄,缺少数据资产带动业务发展的强驱动力。
 
站在企业持续高质量发展的角度上,将企业数据进行资产化的过程是为了用数据为企业带来更多的价值,反过来也对企业自身提出了更高的要求,企业需要了解自己的数据,并结合自身的需求,知道用什么数据能得到什么样的答案,而不是简简单单地去买一套数据管理的工具来解决问题,工业企业数据的管理和资产化是一个长期的过程,企业在做数据资产管理的过程中,需要将管理手段与技术手段相结合,针对业务的实际需求合理投入人员和资金,持续地开展数据资产管理工作。冰冻三尺非一日之寒,工业企业数据资产管理之路任重而道远!
 
摘录报告中对数据资产相关术语的界定,便于大家更好的理解数据资产相关概念:
数据治理: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)。数据治理职能指导其他数据管理职能如何执行。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。值得指出的是,在国外语境下,治理仅包括目标、原则、组织、制度、流程等软性要求,取其“狭义”;而在国内语境下,会将数据架构、数据标准、数据质量、数据安全等一系列数据管理活动纳入数据治理的范畴,取其“广义”。狭义的数据治理是DAMA 数据管理理论框架活动职能之一。但同时,广义的数据治理,又包含了数据管理概念。
 
数据资产:数据资产(Data Asset)是指由企业拥有或者控制的,能够为企业带来未来经济利益的,以物理或电子的方式记录的数据资源,如文件资料、电子数据等。在企业中,并非所有的数据都构成数据资产,数据资产是能够为企业产生价值的数据资源。
 
数据资产管理:数据资产管理(DAM, Data Asset Management)是指规划、控制和提供数据及信息资产的一组业务职能,包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序,从而控制、保护、交付和提高数据资产的价值。数据资产管理是需要充分融合业务、技术和管理,来确保数据资产保值增值。
 
元数据:是描述数据的数据。元数据按用途不同分为技术元数据、业务元数据和管理元数据。
 
数据分析:数据分析软件帮助业务分析师和数据管家回答这样的问题:“今天的数据看上去是什么样的”,“一个系统中的数据和另一个系统中的数据有什么关系”,以及“我们应该如何来改善现有的规则或策略”。
 
数据流通:数据流通可以定义为某些信息系统中存储的数据作为流通对象,按照一定的规则从供应方传递到需求方的过程。
 
关注本公众号(数据学堂,ID:data_school),后台回复“数据资产调查报告”,即可下载《2018工业企业数据资产管理现状调查报告》。

 

(调查报告、部分文字来源中国信通院、工业互联网产业联盟)

<END>



数据学堂


识数据、存数据、管数据、治数据、用数据,就在数据学堂!扫码添加歪老师私人微信(data-school),带你在数据的海洋自由徜徉!


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